谈计算机辅助实验测试系统

前言：想要写出一篇引人入胜的文章？我们特意为您整理了谈计算机辅助实验测试系统范文，希望能给你带来灵感和参考，敬请阅读。

摘要：计算机化神经行为测试评价系统，诞生时间较早，此项测试评价技术主要应用在医学领域中，用于测试职业环境对人体的伤害，通过系统测试评价结果，对职业伤害进行早期的评估分析。本文就计算机辅助测试系统进行分析，探究系统硬件配置及检测评价项目、评价指标、信度与效度检验，以期为相关职业场景运用测试评价系统提供借鉴和参考。

关键词：计算机；辅助实验；测试系统

现代化信息技术不断发展，计算机化神经行为测试评价系统广泛应用在临床医学、军事医学、运动医学领域中，展现了显著的系统优势。在计算机辅助的程序化、规范化测试支持下，大大提高了检测信度，相比传统的辅助测试技术优势明显。因此，相关研究人员认为有必要进一步创新计算机化神经行为测试评价系统设计，优化系统功能，完善评价指标，促使应答技术的提升。

1计算机辅助测试系统

1.1多通道采集系统的组成

在多通道采集系统中，均由S/H电路组成，并受同一信号控制，确保采样通道的一致性，实现各个通道信号波的有效衔接，系统中的A/D转换器、微处理器和单片机，具有较强的独立性，适用于智能化传感技术以及远距离传输系统中应用，实质上是由计算机进行操作管理。①接口总线。测量系统内部由芯片、模块、插件板等部件组成，确保通信之间的线路连接顺畅；就接口总线特点看，接口总线分为芯片总线、外总线和内总线。并行的总线利用各自的导线进行信息传递，信息传递速率快，然而实际产生的经济成本较高，不适用于远距离的通信。相关技术人员采取环形链式连接方式传送串行数据，运用双线电缆通信，测量系统中每台仪器接口，在HP-IL接口总线环路中，每台仪器扮演着不同的角色，环路系统将传统的数据信息和命令传输至仪器，通过仪器之间的相互传递，依次进行循环。②计算机虚拟仪器技术。Labview是为C、C++、VisualBasic等编程语言不熟悉的测试领域工作者开发的，通常采用可视化编程方式，设计人员按照程序步骤进行操作，将虚拟化仪器需要显示的窗口、按钮、数学运算方法等控制件从Labview工具箱内拖至面板上，进行整体的布局设计，Diagram窗口将这些控件、工具按照虚拟设计逻辑关系进行连接。相关设计人员积极开发了小型的虚拟仪器系统进行开发，虚拟仪器为计算机在工业领域中的应用提供了一项较好的技术解决方案，支持在多领域中设计和实现[1]。Labview过于庞大，一般不适合现场应用，需要在专用的控件支持下彰显计算机虚拟仪器技术优点。就计算机虚拟仪器技术优点可具体列为：软件开发与维护费用低；技术更新周期短；可复用，重复配置性强；支持用户定义仪器功能；开放、灵活，与计算机技术同步发展；与网络及其他周边设备互联。

1.2计算机辅助测试

将检测过程编制中引入计算机技术，提高了检测规程编写速度，提高编写准确性。在计算机辅助测试领域产品中包括了三维空间扫描仪、检测臂等，全面保证提升检测结构的准确性，产品检测尺寸跨度较大，支持精密零件尺寸的检测，在工厂工业应用中，提供了高质量的测量服务，并逐渐渗透在汽车、国防、航空航天行业中。①系统框图。研究人员将计算机虚拟技术引入切削力测量中，进而设计出一款用户分析和处理切削数据的虚拟仪器，采用通用的接口板卡，实现数据采集和A/D转换，接口卡是基于多数据采集的控制卡，支持DMA方式及双缓冲区模式，保证信息采集信号的稳定性，实现不间断的信息存储，支持单极性、双极性模拟信号的输入，系统提供16路单端/8路差动模拟输入通道、2路独立的D/A输出通道，以及24线的TTL型数字I/O等多种功能[2]。②连接方式。系统采用的是车削测力仪进行测试，范围在0~3000N，测量X、Y、Z三个方向的切削力，分别设定为Fx、Fy、Fz的分辨率为5.0N，将三个切削信号线与应变仪的三个通道相连，将接口卡插入计算机主板中的空闲槽内，确保数据线与连接器更好的相连。③软件设计。在系统软件设计中，配置了相应的硬件模块，确保在虚拟仪器技术支持下，编制相应的软件，进而完成数据采集、存储和分析。Labview本身作为程序开发环境，与语言存在一定的差异性，Labview通常采用图形化的编程语言G，产生的程序是框图不是文本，功能优势明显，如数据采集、串口控制、显示、存储等。研发的虚拟仪器软件包括仪器驱动程序、应用程序等，通过初始化虚拟仪器设定相关的参数和工作方式，确保虚拟仪器始终处于正常的工作状态[3]。在系统应用程序中依托计算机技术进行数据分析和处理，赋予用户自定义编制应用程序功能。以下就计算机辅助技术在神经行为测试系统中应用进行表述。

2系统硬件配置及检测评价项目

系统硬件配置性能，直接关系计算机系统运行环境，其中声卡、键盘等基本硬件配置满足系统实际应用需求。相关人员就系统性能不断创新研究，主要改进测试评价系统，保留了原系统中的NES-C3等项目，大量收集与实验有关的项目，不断扩充系统新版本内容，在原评价系统中增加了情感、智力、学习、记忆等模块，新增感知觉、心理运动等实验类目，测试项目达30多个；设计人员以测试项目思想为前提，反复试验和测试系统评价效果，在多场景中对比分析适用于计算机运行环境的实验测试系统。就实验数据来源看，相关企业在资料收集过程中，就企业工厂中的80名工人进行测试，平均年龄在30岁左右，接受教育年限平均为10年，相关人员通过实地考察发现，产生职业暴露的因素与温度、电焊烟尘、金属锰、一氧化碳等有关，尤其在工作环境中存在有毒有害性位置，人员所处的职业环境多为暴露环境。就实验测试系统运行条件看，相关人员就实验数据进行收集，在测试评价系统中将各项采集到的数据指标录入，借助相关技术软件开展数据分析和处理。基于信息化技术不断发展及神经行为测试评价技术的突破和拓展，计算机辅助实验测试系统得以进一步地完善和创新[4]。早期的运行平台系统，设定是应答模式，将单一的键盘-鼠标模式改进为键盘-鼠标、脚踏键盘、数码笔记及触摸屏等多元化的应答模式，测试模式更加趋于多元化方向发展。被测试的操作指导由单纯的主试讲解改进为文字、计算机模拟语音测试相结合的模式。逐渐实现了智能化运行保障功能，系统自身的稳定性不断提升，检测信度不断提高，在新版本实验心理测试系统版本中，实现了计算机多媒体运行检测，对提供测试参数的逻辑性进行检测，减少被测试治疗出现重复现象，实时在线进行监控，确保整个检测环境均在计算机系统检测下实现，提升系统测试实际执行效果。同时，系统设计人不断优化测试项目，在现有测试项目基础上进一步优化调整，相关人员从经典实验室检测项目中，不断引入关于反映神经行为、能力状况的项目，通过对比分析，新版本系统引进的项目相比传统版本项目性能优势更加显著。系统设计人员在新版本系统中，引入了原创设计思想，反复验证测试评价项目，将测试评价项目拓展为6大类34项，促使神经行为检测评价范围不断拓展延伸，测试项目主要为情感模块、智力模块、学习与记忆模块、感知觉模块、心理运动模块、其他心理测试模块等，通过情感问卷的方式，重点考察人员心算、视觉、记忆点、连续记忆点等，考察被测试对象的运动视觉、听时间感知、视注意广度、空间知觉、注意力分配、视复杂分配、动态目标追踪等。

3评价指标的完善

3.1评价指标的建立

评价指标通常是建立在原始数据的基础上，依据计算机数法原理生成相关检测项目的神经行为能力指数，并根据神经行为能力指数对照各项指标参数，确保兼顾各项指标，为神经行为能力贡献力量。主要建立的指标有神经行为能力指数、暴露组测试项目操作次数、暴露组检测项目准确操作平均时间、对照组检测项目准确操作平均时间。相关研究人员根据检测项目提供的各个指标参数之间的相关性进行分析，通过反复验证得出正确的测试结果（如表1所示）。

3.2现场应用

上文中提到的职业暴露人群检测实验，基于样本与对照项目准确数与准确平均耗时F检验水平出现不一致现象。研究人员将测试结果转换成NAI值，可清晰化发现观察组心算与注意力调转项目上，与对照组存在明显的差异性。NAI本身是一个相对值。测试人员依据此方法进行项目检测，方便快捷，保证系统测试结果的精准性，通过建立NAI项目神经行为能力水平布图，加强对整体神经行为能力特征的研究和分析。

4信度与效度检验

4.1信度检验

研究人员将对照组视为主要的研究对象，完成一次测试后，反复进行验证，进一步对各项指标信度进行检验，设定智力r=0.925~0.986、P＜0.02；设定学习记忆类r=0.918~0.952、P＜0.03；感知类r=0.766~0.983、P＜0.03，测试人员经过反复认证发现，测试系统信度符合心理测试重测各项指标系数，符合系统设计要求。

4.2效度检验

在效度检验环节，检验人员发现测试结果具有一致性，听数距广度顺序r=0.64、P=0.002、逆序r=0.56、P=0.006；在符号译码中，读写测试r=0.63、P=0.004；默写测试r=0.66、P=0.003。测试人员针对检测结果进行预处理，为保证测试数据的安全性，系统设计人员在新版本设计中，建立了独立的数据库，支持两种预处理工具的使用，包括检测数据、链接工具，实现了从计算机不同计算机系统中获取数据库链接的功能，同时，检测数据集成系统，负责检测数据的横向链接方式，为系统测试人员通过科学的技术支持，帮助计算机程序人员快速将分散的检测结果集成为统一的数据库。综上所述，现代化数字技术支持下，全面优化了神经行为测试系统应答模式，基于计算机技术不断发展下，新型应答模式操作更加便捷，贴近纸-笔测试，保证被试群体顺利通过测试。

参考文献

[1]李亚军,徐能雄,张彬.基于计算机辅助学习的土工试验虚拟仿真实验教学设计与方法[J].中国地质教育,2020(3):116-122

[2]刘波清.高职院校计算机辅助实验室的管理与维护探析[J].电子世界,2020(6):48-49.

[3]陈刚,李英玉,吕鑫.基于数据挖掘的计算机辅助课堂教学系统设计[J].现代电子技术,2020,43(4):94-96.

[4]杨光.计算机辅助教学在应用化学专业教学中的应用研究[J].计算机产品与流通,2020(1):183-184.

作者：陈永海 单位：北海职业学院