alekseibogachev / pydlts

Models for DLTS frequency scans

pydlts

Статус проекта: завершён

Краткое описание

Назначение

Пакет модулей для обработки экспериментальных данных для моей кандидатской диссертации. Набор модулей реализует следующий функционал:

• чтение данных полученных с измерительной установки и их преобразование в единую таблицу (csv-файл);
• поиск оптимальных параметров модели на экспериментальных данных методом градиентного спуска;
• построение графиков с результатами разных этапов обработки;
• автоматическая генерация материалов для отчётов в LaTex;
• пакетная обработка результатов измерений и идентификация моделей.

Градиентный спуск реализован с помощью TensorFlow. Модели в pydlts.fsmodels сделаны совместимыми с scikit-learn.
Нормализация данных сделана не совсем корректно с точки зрения математики и требований структуры класса совместимого с scikit-learn. Также в отчёте раздел, посвящённый нормализации данных, написан с ошибкой. Ошибки будут исправлены.

Чтобы поддерживать идентичность обработки разных комплектров результатов измерений, код оформлен ввиде пакета, который подключается с помощью pip и setuptools.

Подробное описание работы модуля и решаемых задач можно найти в отчёте о работе.

Документация на GitHub в процессе разработки.

Типовой рабочий процесс

Обычно, обработка экспериментальных данных происходит в пакетном режиме и состоит из следующих шагов:

1. Пакетная обработка результатов измерений с помощью объекта BatchDataReaderDLS82E из модуля pydlts.misc:
   • сохранение csv-файлов с результатами измерений в формате, удобном для дальнейшей работы,
   • сохранение графиков, иллюстрирующих полученный результат.
2. Пакетная идентификация моделей с помощью объекта BatchSingleExp из модуля pydlts.misc:
   • сохранения csv-файлов с оптимальными найденными параметрами моделей,
   • генерация графиков, иллюстрирующих результаты.
3. Создание материалов для отчёта в LaTex на основе сохранённых результатов (пакетная обработка).

Также возможно обрабатывать результаты измерений индивидуально. В таком случае обработка будет состоять из следующих этапов:

1. Обработка результатов измерений (данных непосредственно с измерительной установки) с помощью объекта DataReaderDLS82E из модуля pydlts.misc.
2. Сохранение csv-файлов с результатами измерений в формате, удобном для дальнейшей работы, сохранение графиков, иллюстрирующих полученный результат. Шаги 1 и 2 могут быть пропущены, если такая обработка уже выполнялась.
3. Идентификация параметров необходимой модели. Реализованы слеудющие 2:
   • моноэкспоненциальная модель с показателем нелинейности-неэкспоненциальности объект SklSingleExpFrequencyScan из модуля pydlts.fsmodels,
   • многоэкспоненциальня модель объект SklMultiExpFrequencyScan из модуля pydlts.fsmodels.
4. Создание необходимых графиков с помощью необходимых функций из pydlts.fsplots.
5. Создание отчёта вручную.

Пример результатов измерений, их обработки, идентификации моделей, графиков и отчёта представлен в репозитории data-acquisition-and-report.

Описание структуры репозитория

Опущено описание файлов типовых для репозиториев на GitHub и файлов, необходимых для создания пакета. Сырые данные с утановки не приводятся, можно посмотреть на их пример в data-acquisition-and-report.

• datasets - папка с результатами измерений
• docs - папка с документацией и отчётом.
  • drafts - черновики (будут удалены)
  • report - итоговый отчёт о результатах работы (LaTex). Кроеме проекта в Latex, папка также содержит вспомогательные ноутбуки, нужные для некоторых расчётов и генерации иллюстраций.
    • models_main.pdf - отчёт в pdf
• examples - Примеры использования инструментов из пакета pydlts.
• src - Папка с исходными кодами.
  • pydlts
    • fsmodels.py - Модели экспериментальных данных.
    • fsplots.py - Функции для построения графиков.
    • misc.py - Вспомогательные классы и функции, реализующие преобразование сырых данных с измерительной установки в формат, пригодный для работы, пакетную обработку, автоматическую генерацию материалов в отчёт.
• tests - Папка для автоматических тестов (пока остаётся пустой).
• env.yml - виртуальное окружение (windows), экспортированное из anaconda.