Разработки СО РАН - каталоги программ и БД

Бесконтактное измерение рельефа поверхности  на основе принципа интерференции является современной областью исследования. Регистрируемые в ходе измерений интерференционные картины содержат большой объем информации, который должен быть обработан и расшифрован для получения качественных и количественных оценок. Для этого необходимы компьютерные системы и программное обеспечение, в задачу которых входит получение информации, ее преобразование, обработка, расшифровка и представление результатов в соответствующем виде.

Интерференционные измерительные системы включают в себя интерферометр, который является первичным преобразователем, устройства регистрации интерференционных картин и систему обработки данных. Принцип действия интерферометра состоит в следующем. Пучок электромагнитного излучения от лазера с помощью делительного куба пространственно разделяется на два когерентных пучка. Первый пучок отражается от измеряемого объекта, второй от эталонного зеркала. При этом каждый из пучков проходит различные оптические пути и возвращается на экран, создавая интерференционную картину (чередование темных и светлых полос). Затем с использованием полученных интерференционных картин восстанавливается поверхность измеряемого объекта, что является задачей расшифровки интерференционных картин. При этом точность измерений может лежать в нанометровом диапазоне.

С математической точки зрения задача расшифровки интерференционных картин заключается в определении значений поля разности фаз интерферирующих волновых фронтов  по измеренным значениям интенсивности интерференционных картин.  

Наибольшее применение при построении таких систем в последние годы получили методы получения и расшифровки интерференционных картин на основе пошагового сдвига (пошаговая или фазо-сдвигающая интерферометрия). Метод пошагового фазового сдвига основан на регистрации нескольких интерференционных картин при изменении фазы опорной волны на известные значения.

Однако, основным источником погрешностей в фазосдвигающей интерферометрии являются ошибки при задании сдвига. Учесть такие ошибки сложно, поскольку они проявляются косвенно через измеряемую интенсивность интерференционных картин. Ошибки при внесении фазового сдвига существенно сказываются на результатах измерения, что является недостатком метода фазового сдвига.

В разработанном программном обеспечении для обработки интерференционных картин реализованы алгоритмы, позволяющие устранить основную погрешность метода пошагового фазового сдвига, тем самым повышая точность измерений.

Назначение программы — обработка, анализ и расшифровка интерференционных картин, полученных на основе метода пошагового фазового сдвига.

Область применения — интерферометрия, обработка интерференционных картин. Методы интерферометрии используются для контроля поверхности оптических изделий, требующих высокой точности измерений, таких как зеркала, линзы. Программа может быть использована для расшифровки полученных в процессе измерений интерференционных картин с произвольными фазовыми сдвигами.

Используемые алгоритмы — в программе осуществлена реализация новых алгоритмов расшифровки интерференционных картин:

1)    Обобщенный алгоритм расшифровки, позволяющий восстанавливать фазу для произвольного числа зарегистрированных интерференционных картин (больше 3) с известными фазовыми сдвигами [1].

2)    Алгоритм расшифровки, не требующий априорной информации о фазовых сдвигах. Алгоритм позволяет восстановить фазу  по трем интерференционным картинам с произвольными фазовыми сдвигами.

3)    Двухточечный алгоритм определения фазовых сдвигов. Алгоритм позволяет по набору интерференционных картин (больше 5) определить соответствующие фазовые сдвиги [2].

Функциональные возможности — расшифровка (восстановление фазы) интерференционных картин, просмотр графиков значений интенсивностей по строке для интерференционных картин, предварительная обработка интерференционных картин (фильтрация, сглаживание), просмотр трехмерных графиков (на компьютере должен быть установлен MatlabRuntime). Максимальный объем обрабатываемых данных — 2 Гб. Время обработки пропорционально размеру изображений.

1.     Generic algorithm of phase reconstruction in phase-shifting interferometry / Guzhov V., Ilinykh S., Kuznetsov R., Haydukov D. // Optical Engineering, - 2013. Vol. 52(3) – pp/ 030501-1 – 030501-2.

2.     Хайдуков Д.С. Высокоточный алгоритм расшифровки интерференционных картин. Программная реализация. Germany, Saarbrucken: LAP LAMBERT Academic Publishing Gmbh & Co. KG,  2012.

Инструментальные средства создания — Microsoft Visual Studio 2010, язык программирования C#.

Во вложении находится архив, содержащий две папки: "Обработка интерферограмм" и "Doc". В папке "Обработка интерферограмм" содержится исполняемый файл програмы InterferogramProcessor.exe, а также другие файлы, необходимые для работы программы. В папке "Doc" содержится подробное руководство по использованию программы: Обработка интерферограмм - Руководство.pdf.

Работа с программой — Скопируйте файлы из архива в отдельную папку. Для запуска программы необходимо запустить файл InterferogramProcessor.exe.

Перколяционной решёткой в задачах решёточной перколяции называется однородный граф, взвешенный в вершинах (узлах) и/или рёбрах (связях) выборочной совокупностью некоторой (обычно равномерно распределённой) случайной величины. Кластером называется подмножество узлов и/или связей перколяционной решётки, связанное с заданным стартовым подмножеством узлов и/или связей.

Библиотека "SECP" обеспечивает статистическую оценку параметров отдельных реализаций и выборочных совокупностей кластеров узлов на двух- и трёхмерных квадратных изо- и анизотропных перколяционных решётках при различных размерах и относительных долях достижимых узлов с (1,0)-окрестностью фон Неймана и (1,π)-окрестностью Мура.

Область применения: Компьютерное моделирование решёточной перколяции при исследовании полимеризации и гелеобразования, композитных материалов, процессов массопереноса в пористых средах и т.п.

Используемый алгоритм: (1,π)-окрестность Мура на анизотропной квадратной решётке образована узлами, хотя бы одна координата которых отличается от координаты выделенного узла на единицу, а их достижимость задана неравенством u_j < p_j/r_j(π), где 0 < u_j < 1 – псевдослучайный вес j-го узла окрестности; 0 < p_j < 1 – j-ый компонент вектора относительных долей достижимых узлов; r_j(π) – неметрическое расстояние до j-го узла в окрестности Мура с показателем Минковского π.

Для отдельных реализаций кластеров узлов на двумерной квадратной решётке оценка массовой фрактальной размерности d_N определяется как величина, пропорциональная отношению d_N ∝ ln N(r)/ln r, где N(r) – число узлов кластера, покрываемых квадратами (для изотропных покрывающих множеств) или прямоугольниками (для анизотропных покрывающих множеств) заданного размера r.

Для выборочной совокупности реализаций кластеров на двумерной квадратной решётке оценка массовой фрактальной размерности d_V определяется как величина, пропорциональная отношению d_V ∝ ln V(r)/ln r, где V(r) – суммы относительных частот узлов кластера, покрываемых квадратами (для изотропных покрывающих множеств) или прямоугольниками (для анизотропных покрывающих множеств) заданного размера r.

• Функции isc2s() и isc3s() вычисляют координаты вершин элементов изотропного покрывающего множества с неподвижной точкой в центре двух- и трёхмерной квадратной перколяционной решётки.
• Функции asc2s() и asc3s() вычисляют координаты вершин элементов анизотропного покрывающего множества с неподвижными точками вдоль заданной границы двух- и трёхмерной квадратной перколяционной решётки.
• Функции fdc2s() и fdc3s() используют модель линейной регрессии для статистической оценки массовой фрактальной размерности кластера узлов на двух- и трёхмерных квадратных перколяционных решётках с изо- или анизотропными покрывающими множествами.
• Функции fds2s() и fds3s() используют модель линейной регрессии для статистической оценки массовой фрактальной размерности выборки кластеров узлов заданного объёма на двух- и трёхмерных квадратных перколяционных решётках с изо- или анизотропными покрывающими множествами.

Реализации базовых алгоритмов для библиотеки "SECP" разработаны П.В. Москалевым [1] и описаны в работе [2]. 

1. Moskalev P.V. SECP: Statistical estimation of cluster parameters, CRAN.– 2012.– URL: http://cran.r-project.org/package=SECP/ (online; accessed: 09.07.2012). R package version 0.1-4.
2. Москалев П.В., Гребенников К.В., Шитов В.В. Статистическое оценивание характеристик перколяционного кластера // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии.– 2011.– №1.– С.29–35.– URL: http: //elibrary.ru/item.asp?id=16588360.

Функциональные возможности: Предельные размеры перколяционных решёток ограничены лишь разрядностью используемой версии операционной системы и размером доступной оперативной памяти.

С регулярно обновляемыми результатами выполнения описанных в документации к библиотеке "SECP" тестовых примеров на стендах с различной программно-аппаратной конфигурацией можно ознакомится по URL: http://cran.r-project.org/web/checks/check_results_SECP.html

Инструментальные средства создания: R версии 2.14.0

Программа реализует решение прямой задачи количественного рентгеноспектрального микроанализа (расчет относительных интенсивностей анализируемых линий в материале извес­тно­го состава).

Назначение - Программа предназначена для расчета матричных  поправок при проведении коррекции измеренных значений интенсивности рентгеновского характеристического излучения в локальной области образца и эталона. В состав матричных поправок входят: поправка на поглощение рентгеновского характеристического излучения, поправка на торможение электронов в мишени, поправка на обратное рассеяние электронов пучка и новая поправка, учитывающая  различие концентрации атомов в эталоне и образце.

Область применения - В рентгеновском электронно-зондовом микроанализе для измерения и контроля элементного состава вещества с точностью 2-5%.

Используемый алгоритм - В основе поправки на поглощение рентгеновского характеристического излучения заложена аналитическая модель функции распределения рентгеновского характеристического излучения по массовой толщине образца φ(ρz), представленная в работе [1]. Модель φ(ρz) учитывает: наличие обратно рассеянных первичных электронов; влияние неупругого рассеяния электронов пучка на распределение в образцах с низким значением среднего атомного номера; пространственную симметрию протекания процесса многократного рассеяния относительно положения координаты максимума распределения   поглощенных электронов пучка. Аналитические выражения для поправок на поглощение, торможение и обратное рассеяние представлены в работах [2-4]. Все четыре поправки рассчитываются каждая в отдельности.

В качестве входных данных используются следующие  параметры: атомный номер, атомный вес, плотность, коэффициент обратного рассеяния, средний ионизационный потенциал анализируемого объекта, начальная энергия пучка электронов, массовый коэффициент поглощения и критическая энергия возбуждения анализируемой линии.

Функциональные возможности - возможно уточнение величины  массового коэффициента поглощения анализируемой линии рентгеновского излучения.

Использованные источники:

1. Михеев Н.Н., Степович М.А., Широкова Е.В. Функция распределения по глубине рентгеновского характеристического излучения при локальном электронно-зондовом анализе // Известия РАН. Серияфизическая. – 2010. – Т. 74, № 7. – С. 1043-1047. ISSN 0367-6765.

2.  Михеев Н.Н., Степович М.А., Широкова Е.В.. Учет матричных эффектов при локальном электроннозондовом анализе с использованием новой модели функции распределения по глубине рентгеновского характеристического излучения // Известия РАН. Серия физическая. – 2012. – Т. 76, № 9. –С. 1112-1115

3. Михеев Н.Н., Степович М.А., Широкова Е.В Распределение средних потерь энергии пучка электронов по глубине образца: применение в задачах количественного рентгеноспектрального микроанализа// Поверхность. рентгеновские, синхротронные и нейтронные исследования.  – 2013. – № 12.– С. 84–89

4. Михеев Н.Н., Степович М.А., Широкова Е.В., Филиппов М.Н  Методика количественного рентгеноспектрального микроанализа с учетом матричных эффектов // Перспективные материалы. – 2014. –  № 2. –С. 77-82