AlphaBot: Messdatenverarbeitung mit MATLAB: Unterschied zwischen den Versionen

Aktuelle Version vom 28. April 2023, 11:02 Uhr

Abb. 1: Vergleich rauschunterdrückender Filter

Autor: Prof. Dr.-Ing. Schneider
Modul: Praxismodul I
Lehrveranstaltung: Mechatronik, Informatik Praktikum 2, 2. Semester

Inhalt

Einarbeitung in MATLAB^®
Programmierung und Anwendung eines gleitenden Mittelwertfilters
Programmierung und Anwendung eines rekursiven Tiefpassfilters
Auslegung von Filterparameter
Anwendung der Filter auf eine Ultraschallmessung
Vergleich der Filter anhand technischer Kriterien

Lernziele

Nach Durchführung dieser Lektion

können Sie reale Messwerte speichern und via MATLAB^® zyklisch visualisieren.
haben Sie ein gleitendes Mittelwertfilter programmiert.
haben Sie ein rekursives rekursiven Tiefpassfilter programmiert.
können Sie die Filter parametrieren.
haben Sie die Filter zyklisch auf Ultraschallmesswerte angewendet und das Filterverhalten analysiert.
können Sie eine Funktion in MATLAB^® programmieren und aufrufen.

Lernzielkontrolle

Wozu werden rekursive Filter benötigt?
Nennen Sie die Formel für ein gl. Mittelwertfilter.
Welche Parameter hat ein gl. Mittelwertfilter? Was bedeuten die Parameter?
Nennen Sie die rekursive Formel für ein Tiefpassfilter.
Welche Parameter hat ein Tiefpassfilter? Was bedeuten die Parameter?
Vergleichen Sie die zwei rekursiven Filter. Nennen Sie Vor- und Nachteile.
Wurde der Quelltext durch Header und Kommentare aufgewertet?
Wurde auf magic numbers verzichtet?
Wurde die Programmierrichtlinie eingehalten?

Vorbereitung

Fürhren Sie als Vorbereitung den MATLAB^® Onramp Kurs durch.

Arbeitsergebnis in SVN: MATLAB^® Kurszertifikat

Versuchsdurchführung

Aufgabe 2.1: Gleitendes Mittelwertfilter

Ein gleitendes Mittlwertfilter bildet einen Mittelwert über k Messwerte mittels FIFO.

Schreiben Sie die Funktion GleitendesMittelwertFilter.m, welches die Eingangswerte zyklisch filtert. Hier bei wird der Mittelwert über die letzten k Messwerte gebildet.
Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen mit Ihrem Framework zeigeZyklischUltraschallMessung.m und UltraschallMessung.mat Aus den Aufgaben 1.3 und 1.4.
Visualisieren Sie Messwerte und Filterergebnis in einem Plot mit Achsenbeschriftung und Legende.
Testen Sie Ihre Funktion mit Ultraschallmesswerten mit dynamischen Zielen.
Wählen Sie k anhand der Messwerte und diskutieren Sie Ihre Wahl mit Prof. Schneider.

Nützliche Befehle: plot, xlabel, ylabel, legend, persistent, isempty, isnan, function

Arbeitsergebnisse in SVN: GleitendesMittelwertFilter.m, testeGleitendesMittelwertFilter.m

Hinweise:

Nutzen Sie ein Array als FIFO.
Die Formel für das gleitende Mittelwertfilter lautet: $\bar{x}_{GM}(k)=\frac{x(1)+x(2)+\ldots+x(k)}{k}$ für k Messwerte

Eine Einführung zu rekursiven Filtern finden Sie in folgendem Video.

Gleitendes Mittelwertfilter: 19 m 52 s
Tiefpassfilter: 29 m

Demo: SVN: DemoGleitenderMittelwert

Eine ausführliche Beschreibung mit Musterlösung finden Sie in [1, S. 11 ff.].

Aufgabe 2.2: Rekursives Tiefpassfilter

Ein rekursives Filter kann Messwerte in Echtzeit während der Laufzeit filtern. Nutzen Sie ein Tiefpassfilter, um die Messwerte zu filtern.

Schreiben Sie die Funktion TiefpassFilter.m, welches die Eingangswerte zyklisch filtert. Hierbei wird der Tiefpass berechnet.
Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen mit Ihrem Framework zeigeZyklischUltraschallMessung.m und UltraschallMessung.mat Aus den Aufgaben 1.3 und 1.4.
Visualisieren Sie Messwerte und Filterergebnis in einem Plot mit Achsenbeschriftung und Legende.
Testen Sie Ihre Funktion mit Ultraschallmesswerten mit dynamischen Zielen.
Wählen Sie $\alpha$ anhand der Messwerte und diskutieren Sie Ihre Wahl mit Prof. Schneider.

Arbeitsergebnisse in SVN: TiefpassFilter.m, testeTiefpassFilter.m

Hinweis:

Die Formel für das Tiefpassfilter lautet: $\bar{x}_{TP}(k)=\alpha \cdot \bar{x}(k-1)+ (1-\alpha)\cdot x(k)$ für den aktuellen Messwert $x(k)$ .
$\alpha$ ist hierbei ein Filterparameter $0<\alpha<1$ .

Demo: SVN: DemoTiefpassFilter.ino

Eine ausführliche Beschreibung mit Musterlösung finden Sie in [1, S. 11 ff.19].

Aufgabe 2.3: Filtervergleich

Vergleichen Sie die Ergebnisse des Tiefpasses mit denen des gleitenden Mittelwertfilters.
Zeigen Sie das ungefilterte und die gefilterten Signal in MATLAB^® in einem Plot vergleichend an (vgl. Abb.1).
Beschriften Sie die Achsen und nutzen Sie eine Legende.

Lernzielkontrollfragen:

Wurde das Signalrauschen geglättet?
Ist das gefilterte Signal verzögert?
Welchen Einfluss haben die Filterparameter?
Wie verhalten sich die gefilterten Signal bei Ausreißern?

Arbeitsergebnisse in SVN: testeFilterVergleich.m

Eine ausführliche Beschreibung mit Musterlösung finden Sie in [1, S. 27 ff.].

Aufgabe 2.4: Nachhaltige Doku

Sichern Sie alle Ergebnisse mit beschreibendem Text (message) in SVN.

Halten Sie die Regeln für den Umgang mit SVN ein.
Halten Sie die Programmierrichtlinie für C und die Programmierrichtlinien für MATLAB^® ein.
Versehen Sie jedes Programm mit einem Header (Header Beispiel für MATLAB, Header Beispiel für C).
Kommentiere Sie den Quelltext umfangreich.

Arbeitsergebnis in SVN: SVN Log

Tutorials

Demos

Literatur

Kim, P.: Kalman-Filter für Einsteiger: mit MATLAB Beispielen. CreateSpace Independent Publishing: 2016. ISBN-13: 978-1502723789
Schneider, U.: Programmierrichtlinie für für die Erstellung von Software in C. Lippstadt: 1. Auflage 2022. PDF-Dokument (212 kb)

→ Termine 1 2 3 4 5 6 7 8 9 10 11
→ zurück zum Hauptartikel: Informatik Praktikum 2

@@ Zeile 1: / Zeile 1: @@
 [[Kategorie:Arduino]]
-[[Datei:Lernset - Einsteiger Kit für Arduino.jpg|thumb|rigth|450px|Abb. 1: Lernset - Einsteiger Kit für Arduino]]
+[[Datei:TesteFilterVergleich.jpg|thumb|rigth|450px|Abb. 1: Vergleich rauschunterdrückender Filter]]
 '''Autor:''' [[Benutzer:Ulrich_Schneider| Prof. Dr.-Ing. Schneider]]<br>
 '''Modul:''' Praxismodul I<br>
 '''Lehrveranstaltung:''' Mechatronik, Informatik Praktikum 2, 2. Semester<br>
-'''Aufgabenstatus:''' In Bearbeitung
 == Inhalt ==
 * Einarbeitung in MATLAB<sup>®</sup>
-* Statische und dynamische Messung mit dem Ultraschallsensor
 * Programmierung und Anwendung eines gleitenden Mittelwertfilters
+* Programmierung und Anwendung eines rekursiven Tiefpassfilters
+* Auslegung von Filterparameter
+* Anwendung der Filter auf eine Ultraschallmessung
+* Vergleich der Filter anhand technischer Kriterien
 == Lernziele==
 Nach Durchführung dieser Lektion
-* können Sie Debug-Daten speichern und via MATLAB® visualisieren.
+* können Sie reale Messwerte speichern und via MATLAB<sup>®</sup> zyklisch visualisieren.
-* können Sie direkt MATLAB® als seriellen Monitor nutzen.
+* haben Sie ein gleitendes Mittelwertfilter programmiert.
-* können Sie ein Signal differenzieren und kennen die Gefahren dieser Berechnung.
+* haben Sie ein rekursives rekursiven Tiefpassfilter programmiert.
-* kennen Sie die Funktion und Kennwerte des Ultraschall-Sensors.
+* können Sie die Filter parametrieren.
-* können Sie Entfernungen mit dem Ultraschall-Sensor messen.
+* haben Sie die Filter zyklisch auf Ultraschallmesswerte angewendet und das Filterverhalten analysiert.
-* können Sie Software mit einem PAP planen.
+* können Sie eine Funktion in MATLAB<sup>®</sup> programmieren und aufrufen.
-<!--
 == Lernzielkontrolle ==
-# Welchen Messbereich hat Ihr Ultraschallsensor?
+# Wozu werden rekursive Filter benötigt?
-# Welche Auflösung (t, s) hat Ihr Sensor?
+# Nennen Sie die Formel für ein gl. Mittelwertfilter.
-# Welche Empfindlichkeit hat Ihr Sensor?
+# Welche Parameter hat ein gl. Mittelwertfilter? Was bedeuten die Parameter?
-# Welche Messunsicherheit hat Ihr Sensor bei den Entfernungen 10 cm, 20 cm, 50 cm, 1 m, 2 m, 3 m und 4 m.
+# Nennen Sie die rekursive Formel für ein Tiefpassfilter.
-# Was ist ein gleitendes Mittelwertfilter? Wie wird es berechnet?
+# Welche Parameter hat ein Tiefpassfilter? Was bedeuten die Parameter?
-# Was ist ein rekursives Tiefpassfilter? Wie wird es berechnet?
+# Vergleichen Sie die zwei rekursiven Filter. Nennen Sie Vor- und Nachteile.
 # Wurde der Quelltext durch Header und Kommentare aufgewertet?
-# Wurden jedes Programm mittels PAP geplant?
 # Wurde auf <code>magic numbers</code> verzichtet?
-# Wurde die [[Medium:Programmierrichtlinie.pdf|Programmierrichtlinie]] eingehalten?
+# Wurde die Programmierrichtlinie eingehalten?
 == Vorbereitung ==
@@ Zeile 37: / Zeile 37: @@
-'''Arbeitsergebnis''' in SVN: Kurszertifikat<code>
+'''Arbeitsergebnis''' in SVN: MATLAB<sup>®</sup> Kurszertifikat
 == Versuchsdurchführung ==
-=== Aufgabe 2.1: MATLAB<sup>®</sup> als serieller Monitor ===
+=== Aufgabe 2.1: Gleitendes Mittelwertfilter ===
-# Nutzen Sie MATLAB<sup>®</sup>, um die Messdaten direkt (live) darzustellen.
-# Planen Sie als ersten Schritt das MATLAB<sup>®</sup>-Programm als PAP.
-# Greifen Sie hierzu auf die serielle Schnittstelle zu während der Arduino Daten sendet.
-# Nutzen Sie das Demo <code>DemoDebug2MATLAB</code> im [https://svn.hshl.de/svn/Informatikpraktikum_1/trunk/Demos/Arduino/DemoDebugTxt2MATLAB SVN-Verzeichnis].
-'''Nützlich MATLAB<sup>®</sup>-Befehle:''' <code>fopen, feof, fgetl, strfind, isempty, plot, xlabel, ylabel, legend</code>
-'''Arbeitsergebnisse''' in SVN: <code>zeigeArduinoDaten.pap, zeigeArduinoDaten.m</code>
-=== Aufgabe 2.1: Statische Messunsicherheit ===
-# Lesen Sie die Messwerte des Ultraschall-Sensors auf statische Ziele im gesamten Messbereich aus (10 cm, 20 cm, 50 cm, 1 m, 2 m, 3 m, 4 m). Schreiben Sie hierzu ein Arduino-Programm <code>statische Messunsicherheit.ino</code>. Jeder Messsatz sollte >100 Messwerte umfassen.
-# Nutzen Sie das Programm <code>Putty</code>, um die Daten der seriellen Schnittstelle in der ASCII-Datei <code>Ultraschallmessung.txt</code> zu speichern.
-# Schreiben Sie einmalig als Header die Bezeichnung der Messwerte Zeit in ms und Strecke in cm in die Textdatei.
-# Laden und visualisieren Sie die Messdaten in Ultraschallmessung.txt mit MATLAB®.
-# Stellen Sie die Messdaten in einem Diagramm in cm über der Zeit dar.
-# Berechnen Sie Mittelwert und Standardabweichung und stellen Sie diese dar,
-# Beschriften Sie die Graphen.
-'''Nützlich MATLAB®-Befehle:''' <code>mean, std, xline</code>
-'''Arbeitsergebnisse''' in SVN: <code>statische Messunsicherheit.ino, Ultraschallmessung.txt, zeigeUltraschallMessung.m</code>
-=== Aufgabe 11.3: Gleitendes Mittelwertfilter ===
 Ein gleitendes Mittlwertfilter bildet einen Mittelwert über k Messwerte mittels FIFO.
-# Schreiben Sie die Funktion <code>GleitendesMittelwertFilter()</code>, welches die Eingangswerte zyklisch filtert. Hier bei wird der Mittelwert über die letzten k Messwerte gebildet.
+# Schreiben Sie die Funktion <code>GleitendesMittelwertFilter.m</code>, welches die Eingangswerte zyklisch filtert. Hier bei wird der Mittelwert über die letzten k Messwerte gebildet.
-# Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen.
+# Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen mit Ihrem Framework <code>zeigeZyklischUltraschallMessung.m</code> und <code>UltraschallMessung.mat</code> Aus den Aufgaben 1.3 und 1.4.
-# Visualisieren Sie Messwerte und Filterergebnis im seriellen Plotter.
+# Visualisieren Sie Messwerte und Filterergebnis in einem Plot mit Achsenbeschriftung und Legende.
 # Testen Sie Ihre Funktion mit Ultraschallmesswerten mit dynamischen Zielen.
 # Wählen Sie k anhand der Messwerte und diskutieren Sie Ihre Wahl mit Prof. Schneider.
-'''Arbeitsergebnisse''' in SVN: <code>testeGleitendesMittelwert.ino</code>
+'''Nützliche Befehle''': <code>plot, xlabel, ylabel, legend, persistent, isempty, isnan, function</code>
-'''Hinweis:'''
+'''Arbeitsergebnisse''' in SVN: <code>GleitendesMittelwertFilter.m, testeGleitendesMittelwertFilter.m</code>
-* Nutzen Sie das FIFO aus Aufgabe 6.4.
-* Die Formel für das gleitende Mittelwertfilter lautet: <math>\bar{x}(k)=\frac{x(1)+x(2)+\ldots+x(k)}{k}</math> für k Messwerte
+'''Hinweise:'''
+* Nutzen Sie ein Array als FIFO.
+* Die Formel für das gleitende Mittelwertfilter lautet: <math>\bar{x}_{GM}(k)=\frac{x(1)+x(2)+\ldots+x(k)}{k}</math> für k Messwerte
 <div class="mw-collapsible mw-collapsed">
@@ Zeile 85: / Zeile 64: @@
 '''Demo:''' [https://svn.hshl.de/svn/Informatikpraktikum_1/trunk/Demos/Arduino/DemoGleitenderMittelwert SVN: DemoGleitenderMittelwert]
+Eine ausführliche Beschreibung mit Musterlösung finden Sie in [1, S.&thinsp;11&thinsp;ff.].
 </div>
-=== Aufgabe 11.4: Rekursives Tiefpassfilter ===
+=== Aufgabe 2.2: Rekursives Tiefpassfilter ===
 Ein rekursives Filter kann Messwerte in Echtzeit während der Laufzeit filtern. Nutzen Sie ein Tiefpassfilter, um die Messwerte zu filtern.
-# Schreiben Sie die Funktion <code>TiefpassFilter()</code>, welches die Eingangswerte zyklisch filtert. Hier bei wird der Tiefpass berechnet.
+# Schreiben Sie die Funktion <code>TiefpassFilter.m</code>, welches die Eingangswerte zyklisch filtert. Hierbei wird der Tiefpass berechnet.
-# Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen.
+# Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen mit Ihrem Framework <code>zeigeZyklischUltraschallMessung.m</code> und <code>UltraschallMessung.mat</code> Aus den Aufgaben 1.3 und 1.4.
-# Visualisieren Sie Messwerte und Filterergebnis im seriellen Plotter.
+# Visualisieren Sie Messwerte und Filterergebnis in einem Plot mit Achsenbeschriftung und Legende.
 # Testen Sie Ihre Funktion mit Ultraschallmesswerten mit dynamischen Zielen.
 # Wählen Sie <math>\alpha</math> anhand der Messwerte und diskutieren Sie Ihre Wahl mit Prof. Schneider.
-'''Arbeitsergebnisse''' in SVN: <code>testeTiefpassFilter.ino</code>
+'''Arbeitsergebnisse''' in SVN: <code>TiefpassFilter.m, testeTiefpassFilter.m</code>
 '''Hinweis:'''
-* Die Formel für das Tiefpassfilter lautet: <math>\bar{x}(k)=\alpha \cdot \bar{x}(k-1)+ (1-\alpha)\cdot x(k)</math> für den aktuellen Messwert <math>x(k)</math>.
+* Die Formel für das Tiefpassfilter lautet: <math>\bar{x}_{TP}(k)=\alpha \cdot \bar{x}(k-1)+ (1-\alpha)\cdot x(k)</math> für den aktuellen Messwert <math>x(k)</math>.
 * <math>\alpha</math> ist hierbei ein Filterparameter <math>0<\alpha<1</math>.
 <div class="mw-collapsible mw-collapsed">
 '''Demo:''' [https://svn.hshl.de/svn/Informatikpraktikum_1/trunk/Demos/Arduino/DemoTiefpassFilter/DemoTiefpassFilter.ino SVN: DemoTiefpassFilter.ino]
+Eine ausführliche Beschreibung mit Musterlösung finden Sie in [1, S.&thinsp;11&thinsp;ff.19].
+</div>
+=== Aufgabe 2.3: Filtervergleich ===
+# Vergleichen Sie die Ergebnisse des Tiefpasses mit denen des gleitenden Mittelwertfilters.
+# Zeigen Sie das ungefilterte und die gefilterten Signal in MATLAB<sup>®</sup> in einem Plot vergleichend an (vgl. Abb.1).
+# Beschriften Sie die Achsen und nutzen Sie eine Legende.
+'''Lernzielkontrollfragen:'''
+# Wurde das Signalrauschen geglättet?
+# Ist das gefilterte Signal verzögert?
+# Welchen Einfluss haben die Filterparameter?
+# Wie verhalten sich die gefilterten Signal bei Ausreißern?
+'''Arbeitsergebnisse''' in SVN: <code>testeFilterVergleich.m</code>
+<div class="mw-collapsible mw-collapsed">
+Eine ausführliche Beschreibung mit Musterlösung finden Sie in [1, S.&thinsp;27&thinsp;ff.].
 </div>
-=== Aufgabe 11.5: Dynamische Messunsicherheit ===
+=== Aufgabe 2.4: Nachhaltige Doku ===
-* Zeigen Sie das ungefilterte und das Tiefpass-gefilterte Signal in MATLAB® an. Messen Sie auf ein Ziel im gesamten Messbereich (2 cm - 4 m - 2 cm).
+Sichern Sie alle Ergebnisse mit beschreibendem Text (<code>message</code>) in SVN.
-* Wurde das Signalrauschen geglättet?
+* Halten Sie die Regeln für den [[Software_Versionsverwaltung_mit_SVN|Umgang mit SVN]] ein.
-* Sichern Sie alle Ergebnisse mit beschreibendem Text (<code>message</code>) in SVN.
+* Halten Sie die [[Medium:Programmierrichtlinie.pdf|Programmierrichtlinie für C]] und die [[Medium:Programmierrichtlinien_für_Matlab.pdf|Programmierrichtlinien für MATLAB<sup>®</sup>]] ein.
-* Wurden die Regeln für den Umgang mit SVN eingehalten?
+* Versehen Sie jedes Programm mit einem Header ([[Header Beispiel für MATLAB]], [[Header Beispiel für C]]).
-* Wurde die [[Medium:Programmierrichtlinie.pdf|Programmierrichtlinie]]  eingehalten?
+* Kommentiere Sie den Quelltext umfangreich.
-* Wurde nachhaltig dokumentiert?
-* Haben die Programme einen Header?
-* Wurden der Quelltext umfangreich kommentiert?
-* Wurden die PAPs erstellt und abgelegt? Passen die PAPs 100% zum Programm?
-'''Arbeitsergebnis''' in SVN: <code>SVN Log</code>, <code>USTiefpassFilter.ino</code>, <code>Ergebnisbewertung.pdf</code>
+'''Arbeitsergebnis''' in SVN: <code>SVN Log</code>
 == Tutorials ==
@@ Zeile 130: / Zeile 127: @@
 == Literatur ==
-# Brühlmann, T.: ''Arduino Praxiseinstieg''. Heidelberg: mitp, 4. Auflage 2019. ISBN 978-3-7475-0056-9. URL: [https://hshl.bsz-bw.de/cgi-bin/koha/opac-detail.pl?biblionumber=125816&query_desc=kw%2Cwrdl%3A%20arduino HSHL-Bib], [https://learning.oreilly.com/library/view/arduino-praxiseinstieg/9783747500569/ O'Reilly-URL]
+# Kim, P.: Kalman-Filter für Einsteiger: mit MATLAB Beispielen. CreateSpace Independent Publishing: 2016. ISBN-13: 978-1502723789
-# Brühlmann, T.: ''Sensoren im Einsatz mit Arduino''. Frechen: mitp Verlag, 1. Auflage 2017. ISBN: 9783958451520. URL: [https://hshl.bsz-bw.de/cgi-bin/koha/opac-detail.pl?biblionumber=130719&query_desc=kw%2Cwrdl%3A%20Br%C3%BChlmann HSHL-Bib], [https://learning.oreilly.com/library/view/sensoren-im-einsatz/9783958451520/?ar O'Reilly]
-# Snieders, R.: ''ARDUINO lernen''. Nordhorn: 8. Auflage 2022. URL: [https://funduino.de/vorwort https://funduino.de/vorwort]
 # Schneider, U.: ''Programmierrichtlinie für für die Erstellung von Software in C.'' Lippstadt: 1. Auflage 2022. [[Medium:Programmierrichtlinie.pdf|PDF-Dokument (212&thinsp;kb)]]
 ----
+→ Termine [[Einführungsveranstaltung_Informatikpraktikum_2_im_SoSe_2023|1]] [[AlphaBot:_Messdatenverarbeitung_mit_MATLAB|2]] [[AlphaBot:_MATLAB_als_serieller_Monitor|3]] [[AlphaBot: Servo ansteuern|4]] [[AlphaBot:_Motoren_und_Inkrementalgeber|5]] [[AlphaBot: Programmier-Challenge I SoSe23|6]] [[AlphaBot:_Gesteuerte_Fahrt|7]] [[AlphaBot: Geregelte Fahrt mit Linienverfolger|8]] [[AlphaBot: Parklücke suchen|9]] [[AlphaBot: Autonomes Einparken|10]] [[AlphaBot: Programmier-Challenge II SoSe23|11]]<br>
 → zurück zum Hauptartikel: [[AlphaBot_SoSe23|Informatik Praktikum 2]]