Versuchsleitfaden: Messtechnik und digitale Signalverarbeitung

Abb. 1: Systematischer Sensorfehler des Sharp IR

Autor:	Prof. Dr.-Ing. Schneider
Labor:	BSE: 27.10.2026 L3.3-E01-210 MTR: 03.11.2026 L3.1-E02-180
Status:	Final

ℹ️ Einleitung

Ein Arduino ist ein Mikrocontroller. Mit ihm lassen sich einfach Sensordaten im PC zu verarbeiten und Aktoren in Echtzeit anzusteuern. Die Programmierung geschieht in diesem Praktikumstermin über MATLAB/Simulink. Im Praktikum wird daher in 4 Schritten vorgegangen:

1. Einführung in MATLAB/Simulink,
2. Einführung in den die Programmierung des Arduino mit MATLAB/Simulink,
3. Nutzung des Arduino zur Messwerterfassung und
4. digitale Signalverarbeitung.

Wichtig: Einige Dokumente, Datenblätter und Webinare sind ggf. auf Englisch. Wenn jemand mit der Fremdsprache nicht zurecht kommen sollte, empfehlt es sich frühzeitig eine/n Partner/in zu suchen und die Unterlagen gemeinsam zu erarbeiten.

Im Praktikum arbeiten Sie mit einem Arduino Uno R3.

Im Labor steht Ihnen die nachfolgende Sogtware zur Verfügung:

• MATLAB®/Simulink R2026b
• Simulink Support Package for Arduino Hardware
• DSP System Toolbox

🎯Lernziele

Nach Durchführung dieses Praktikums können Sie

• mit MATLAB/Simulink umgehen.
• einen Arduino mit MATLAB/Simulink programmieren.
• Sensordaten einlesen, analysieren und verarbeiten.
• eine Sensorkennlinien kalibrieren.

Bewertung  Bewertet wird der Fortschritt im Praktikum, die Ergebnisdarstellung und Diskussion. Präsentieren Sie hierfür Ihre Arbeitsergebnisse.

Voraussetzungen 

Dieser Praktikumsversuch setzt nachfolgende Kenntnisse voraus

• Abstandssensoren Sharp GP2Y0A41SK0F [5]
• Ultraschallsensor HC-SR04
• sicherer Umgang mit der Software MATLAB^®/Simulink,
• sicherer Umgang mit der Versionsverwaltung SVN und
• sicherer Umgang mit Oszilloskop, Netzteil, Steckbrett, Steckbrücken, Bauteilen und Multimeter.

Praktikumsordnung 

1. Jeder Praktikumstermin ist vor Beginn unter Hinzunahme geeigneter Literatur gründlich und vollständig vorzubereiten.
2. Bearbeiten Sie alle Lernzielkontrollfragen wissenschaftlich/technisch tiefgründig. Sichern Sie diese spätestens einen Tag vor Ihrem Praktikum in SVN.
3. Teilnehmer*innen, die zugewiesene Praktikumstermine nicht wahrnehmen kännen, haben dies frühzeitig mitzuteilen und einen schriftliche Begründung (i. A. eine Arbeitsunfähigkeitsbescheinigung) vorzulegen. Sie müssen auf spätere Termine, ggf. in einem späteren Semester, verwiesen werden.
4. Bei selbst verschuldetem Spät- oder Nichterscheinen kann Ihnen das Praktikum nicht anerkannt werden. Unentschuldigtes Fernbleiben führt zum Ausschluss vom Praktikum.
5. Legen Sie pro Termin einen Arbeitsordner in SVN an (z. B. Versuch_1, Versuch_2,...).
6. Beachten Sie beim Arbeiten mit SVN die Grundregeln.
7. Arbeiten Sie nachhaltig in SVN mit Header, Kommentaren und ggf. technischen Dokumentationen.
8. Beide Teammitglieder müssen Lösungsanteile in SVN sichern. Dies übt das kollaborierte Arbeiten mit einer Versionsverwaltung.
9. Die Praktikums- bzw. Teamarbeit unterliegt den allgemeinen Regeln des wissenschaftlichen Arbeitens und erfordert die Integrität der (Team-) Mitglieder untereinander sowie deren Ehrlichkeit und Fairness im gegenseitigen Umgang. Besonders hervorzuheben ist der Schutz des geistigen Eigentums. Die Wieder- und Weiterverwendung der Erkenntnisse Dritter ist statthaft, sofern direkt oder indirekt auf die verwandten
10. Quellen verwiesen wird. Eine vorsätzliche Zuwiderhandlung führt zum Ausschluss des Teams und somit zum Nicht-Bestehen des Praktikums.
11. Für die Teilnahme am Praktikum benötigen Sie die Sicherheitseinweisung das Labor L3.1-E02-180.
12. Die Verwendung von USB-Sticks ist im Labor untersagt.
13. Sichern Sie Ihre Arbeitsergebnisse (Foto, Screenshots, Messwerte, usw.) während des Praktikums in SVN.
14. Präsentieren Sie Ihre Ergebnisse prof. Schneider für die Bewertung im Praktikum.

• Sobald Hardware beschädigt oder zerstört wird, gibt es 0 Punkte für den Praktikumstermin.
• Lassen Sie sich die Schaltung vor Inbetriebnahme abnehmen.
• ⚠️ Erweiterte Anforderungen für Masterstudierende: Die entsprechend gekennzeichneten Anforderungen sind verpflichtend für Masterstudierende. Bachelorstudierende müssen diese Anforderungen nicht bearbeiten.

Ablauf des Praktikums 

Bereiten Sie sich anhand des Versuchsleitfadens, von Datenblättern und der Literatur umfassend auf die Versuche vor.

• Beantworten Sie technisch tiefgründig die Vorbereitungskontrollfragen.
• Nehmen Sie den Arduino Uno R3 mit MATLAB®/Simulink in Betrieb.
• Üben Sie das Einlesen von Sensordaten.
• Wenden Sie sich bei Fragen frühzeitig an Prof. Schneider (Tel. -804).

Hinweis: Alle Versuche wurden neu erstellt. Sollten Sie Fragen haben oder Fehler finden, wenden Sie sich schnellstmöglich an Prof. Schneider, damit Unklarheiten während der Vorbereitung beseitigt werden können.

• Kommen Sie pünktlich zum Versuch in das Labor. Der Terminplan auf der Lernplattform gibt die entsprechenden Termine vor.
• Wählen Sie als Zweierteam einen Rechnerarbeitsplatz aus.
• Nutzen Sie ausschließlich die Rechner im Labor.
• Loggen Sie sich als .\hshl-user mit Kennwort1 auf den Rechnern an.
• Machen Sie mit SVN Checkout eine Kopie des SVN Servers auf Ihr Gruppenarbeitsverzeichnes. Der lokale Ordner lautet D:\SVN\Mechatronik_Fachpraktikum. Arbeiten Sie ausschließlich in diesem Ordner.
• Prof. Schneider kommt herum und prüft Ihre Vorbereitung mit einem mündlichen Antestat.
• Führen Sie am Praktikumstermin die Aufgaben in sequentieller Reihenfolge durch, dokumentieren Sie Ihre Ergebnisse wissenschaftlich und präsentieren Sie Ihre Lösungen Prof. Schneider.
• Vor Inbetriebnahme muss jede Schaltung abgenommen werden.
• Jeder Versuchsteil wird bewertet.
• Sichern Sie Ihre Arbeitsrgebnisse mit SVN Commit auf dem SVN Server. Nur gesicherte Ergebnisse werden bewertet.
• Ordnen Sie Ihre Simulink-Modelle und beschriften Sie diese mit Header, Autoren, Funktion und hilfreichen Kommentaren. Beschriften Sie Signalleitungen.
• Bevorzugen Sie Simulink-Blöcke einer eingebetteten m-Function, da diese echtzeitfähig sind.
• Beachten Sie die Regeln für Simulink-Modelle.
• Beachten Sie die Programmierrichtlinien für Matlab^®.
• Fahren Sie den Rechner nach dem Praktikum herunter und hinterlassen Sie das Praktikum ordentlich für die nächste Gruppe.

📖 Vorbereitung

Jeder Praktikumstermin ist vor Beginn unter Hinzunahme geeigneter Literatur gründlich und vollständig vorzubereiten.

Arduino Uno R3

Arduino ist eine Familie von Microcontrollern, die sehr einfach und mit wenig Grundlagenwissen direkt für eigene Mechatronikprojekte eingesetzt werden können. Ein Arduino ist eine quelloffene Elektronikplattform bestehen aus einfach zu bedienender Hard- und Software. Die Plattform soll allen die Umsetzung interaktiver Projekte ermöglichen.

Eine Sammlung von Tutorials finden Sie in diesem Wiki-Artikel: Arduino Uno R3.

MATLAB/Simulink

Voraussetzung für die Lösung der Aufgaben mit dem Arduino R3 im Praktikum ist ein sicherer Umgang mit MATLAB^®/Simulink.

Bearbeiten Sie als Vorbereitung die Selbstlernkurse

• MATLAB Online-Kurs
• Einführung in Simulink und
• Arduino mit Simulink programmieren.

Sensoren

• HSHL-Wiki: Ultraschallsensors HC-SR04
• MATHWORKS: Ultraschallsensor einlesen
• HSHL-Wiki: Sharp IR GP2Y0A41SK0F

Digitale Signalverarbeitung

Abb. 2: Inhalt von Vorbereitungsdaten.zip

• HSHL-Wiki: Rekursive Filter
• Bereiten Sie Aufgabe 1.2 die Messdatenauswertung in MATLAB^® anhand dieses Messdatums vor: MudS_UltraschallMessung.mat.
• Bereiten Sie Aufgabe 1.3 vor in dem Sie das Messdatum MudS_UltraschallMessung.mat in Simulink rekursiv filtern und das Tiefpassfilter geeignet auslegen.
• Bereiten Sie Aufgabe 2.2 vor in dem Sie das Messdatum MudS_IRMessung.mat in Simulink filtern und das Filter geeignet auslegen.
• Kalibrierung einer Sensorkennlinie des Sharp IR anhand der Datei MudS_IRKalibrierung.mat in Simulink (vgl. Aufgabe 2.3).
• Bereiten Sie Aufgabe 2.4 die Messdatenauswertung in MATLAB^® anhand des Messdatums MudS_IRMessung.mat vor.

Vorbereitungsdaten: Vorbereitungsdaten.zip

Tipp: Messbereich 

Messbereich bezeichnet den Bereich zwischen dem kleinsten und dem größten Messwert, innerhalb dessen ein Messgerät oder Sensor spezifikationsgemäß messen kann.
Der Messbereich wird durch die untere und obere Messbereichsgrenze festgelegt: $\text{Messbereich}=[x_{\min },x_{\max }]$.

Tipp: Zeitauflösung 

• Zeitauflösung bezeichnet den kleinsten zeitlichen Abstand zwischen zwei aufeinanderfolgenden Messwerten, die ein Messsystem erfassen oder bereitstellen kann.
• Bei einem zeitdiskreten Messsystem entspricht die Zeitauflösung dem Kehrwert der Abtastfrequenz.
• Wenden Sie diff(Zeit) an und finden Sie das Minimum.

Tipp: Werteauflösung 

• Wikipedia Artikel: [1]
• Welche Auswirkung hat D=700 zu D=699 auf die Ausgangsgröße d?
• Tragen Sie diese Werte gegeneinander auf, ergibt sich eine Kurve.
• Im Nahbereich haben wir eine Auflösung von weniger als 1 mm und bei 70 cm Entfernung macht ein Inkrement 3 cm aus. Die Kurve beschreibt alle Zwischengrößen.
• Erkenntnis: Mit der Entfernung sinkt die Auflösung und somit steigt die Messunsicherheit.

Minimalbeispiel:

$a_D$	$a_d$/cm
700 - 699	0,02
699 - 698	0,02
..	..
21-20	2,5

Tipp: Empfindlichkeit 

• Wikipedia Artikel: [2]
• Hier setzen Sie $E=\frac{\mathrm{\Delta }d}{\mathrm{\Delta }U}$ ins Verhältnis.
• Das sind die partiellen Ableitungen (Steigung) der Kennlinie in Abb. 2.

Tipp: Unsicherheit  Gegeben seien \(n\) Messwerte \(x_i\).

Mittelwert: $\bar{x}=\frac{1}{n}\sum _{i=1}^n{x}_i$

Stichprobenstandardabweichung: $s=\sqrt{\frac{1}{n-1}\sum _{i=1}^n(x_i-\bar{x}{)}^2}$

Standardunsicherheit des Mittelwerts (Typ A): $u_A=\frac{s}{\sqrt{n}}$

MATLAB^®-Befehle: mean, std, sqrt

❓ Vorbereitungskontrollfragen

Beantworten Sie sich die Vorbereitungskontrollfragen anhand der Wiki-Artikel und unter Zuhilfenahme geeigneter Literatur.

Vorbereitungskontrollfragen zu Arduino R3 und Simulink 

1. Welche Leistungsmerkmale hat ein Arduino Board?
2. Welche Kommunikationsschnittstellen hat ein Arduino Uno?
3. Wie funktioniert die Kommunikation des Arduino Uno mit mit MATLAB^®/Simulink?
4. Wie ist das Arduino Board bestückt?
5. Welche I/O Schnittstellen hat der Arduino?
6. Wie können die Ein- und Ausgänge (max.) belastet werden?
7. Was muss dringend beachtet werden, um die Hardware vor Beschädigung zu schützen?
8. Wie programmiert man den Arduino?
9. Welches ist die maximale Taktrate des Arduino (fundamental sample time)?
10. Wie lautet der Workflow für die Programmierung des Arduino mit MATLAB^®/Simulink?

Vorbereitungskontrollfragen zum Ultraschallsensor HC-SR04  

1. Wie funktioniert der Ultraschallsensor (SRF04) technisch?
2. Welche Leistungsmerkmale hat er?
3. Wie schließten Sie einen Ultraschallsensor (SRF04) an den Arduino an?
4. Wie regen Sie den Ultraschallsender an (Trig)?
5. Wie sieht das Messsignal aus (Echo)?
6. Wie verarbeitet man die Signale des Ultraschallsensors Echo zu einer Distanz?
7. Welches ist die max. Abtastrate für den Sensor?
8. Welche Daten gibt das Datenblatt für Messbereich, Auflösung, Empfindlichkeit und Messinsicherheit an?

Vorbereitungskontrollfragen zum IR-Abstandssensor von Sharp 

1. Wie funktioniert der IR-Sensor (Sharp GP2-0430K) technisch?
2. Wie funktioniert der Primärsensor?
3. Welche Leistungsmerkmale hat der Sensor des Sharp-IR?
4. Wie schließen Sie einen Infrarotsensors über das Breadboard an den Arduino an.
5. Welcher systematische Fehler tritt beim Infrarotsensor auf? Stellen Sie einen Bezug zum Datenblatt her.
6. Welches Filterverfahren ist optimal zur Eliminierung des Sensorfehlers?
7. Wie verarbeiten Sie die analogen Signale des Infrarotsensors digital zur Entfernung?
8. Welches ist die max. Abtastrate für den Sensor?
9. Welche Daten gibt das Datenblatt für Messbereich, Auflösung, Empfindlichkeit und Messinsicherheit an?

Vorbereitungskontrollfragen zur digitalen Signalverarbeitung 

1. Was unterscheidet rekursive von nicht-rekursiven Signalfiltern?
2. Welche Rolle spielen vergangene Ausgangswerte bei rekursiven Filtern?
3. Wie beeinflusst der Parameter α die Glättung eines Tiefpasses?
4. Wie berechnet man den Ausgangswert eines rekursiven Tiefpasses?
5. Warum eignet sich ein Medianfilter zur Unterdrückung von Ausreißern?
6. Was bedeutet Stabilität bei einem rekursiven Signalfilter?
7. Wie lässt sich die Glättungswirkung eines rekursiven Filters in MATLAB^® überprüfen?

☑️ Aufgaben

Diskutieren Sie jedes Arbeitsergebnis vor dem Schaltungsumbau mit Prof. Schneider.

Modelleinstellungen für Simulink

Die Standardeinstellung für den Simulink Solver sind:

• Hardware Board: Arduino Uno
• Solver Selection type: Fixed-step
• Solver: descrete
• Fixed-step size: 1 ms

Solver 

Aufgabe 1.1: Ultraschall Entfernungsmessung in Simulink

Abb. 3: Inhalt von MudS_UltraschallMessung.mat

Tabelle 2: Materialliste für Aufgabe 1

#	Anzahl	Material
1	1	US-Messstrecke mit Reflektor
2	1	Steckbrett
3	4	Steckbrückenkabel

Mit den Ultraschallsensor HC-SR04, einem Arduino Mikrocontroller und Simulink soll eine Entfernung in cm gemessen werden.

1. Messen Sie die Entfernung auf ein statisches Ziel in den Entfernungen 5 cm, 10 cm, 15 cm, 20 cm und 25 cm.
2. Pro Entfernungsstufe werden >100 Messwerte benötigt.
3. Speichern Sie das Ergebnis in der Datei USMessung.mat.

Arbeitsergebnis in SVN: USMessung.slx, USMessung.mat

Tipp: Datenexport über Monitor & Tune 

1. Das Ultraschallsignal für Logging markieren: Signal rechtsklicken → Log Selected Signals
2. Monitor & Tune starten.
3. Signal im Simulation Data Inspector anzeigen.
4. Nach dem Stoppen im Simulation Data Inspector: Export → MAT-file, Dateiname USMessung.mat

Aufgabe 1.2: Charakterisieren Sie die Ultraschall Messwerte in MATLAB^®

Abb. 4: Charakterisierung von MudS_UltraschallMessung.mat

1. Analysieren Sie die Funktion Ihres Ultraschallsensors anhand Ihrer Messwerte in USMessung.mat mit MATLAB^®. Verwenden Sie die Kriterien in Tabelle 1.
2. Beantworten Sie die Fragen fachlich fundiert anhand Ihrer Messdaten als Kommentar im Quelltext:
   1. Welche Messbereich hat der Sensor in cm?
   2. Welche Werteauflösung hat der Sensor?
   3. Welche max. Abtastrate hat der Sensor?
   4. In welchem Bereich ist der Sensor am empfindlichsten?
   5. Mit welcher Unsicherheit (1 σ) lässt sich eine glatte Fläche bestimmen?
3. Vergleichen Sie Ihre Messwerte mit den Werten aus dem Datenblatt.

Tabelle 3: Ultraschall Sensorcharakterisierung

Messgröße	Formelzeichen	Ergebnis
Messbereich	MB	Darstellung im MATLAB®-Command Window
Zeitauflösung	$a_t$	Darstellung als MATLAB®-Plot
Werteauflösung	$a_s$	Darstellung als MATLAB®-Plot
Empfindlichkeit	E	Darstellung als MATLAB®-Plot
Unsicherheit (Typ A)	uA	Darstellung als MATLAB®-Plot

Arbeitsergebnis in SVN: charakterisiereUSSensor.m

Tipps 

• Den Messbereich beschreibt der kleinste und größte Messwert.
• Die Auflösung ist der kleinstmögliche Werteschritt.
• Die Empfindlichkeit berechnet sich aus $E=\frac{\mathrm{\Delta }y}{\mathrm{\Delta }x}$. Im nichtlinearen Fall entsprich dies der 1. Ableitung.

Aufgabe 1.3: Filterung in Simulink

1. Welches systematische und stochastische Fehlerbild weist der Ultraschallsensor auf?
2. Implementieren und parametrieren Sie ein Filter für das Fehlerbild in Simulink.
3. Stellen Sie die gefilterten und ungefilterten Messwerte in einem Plot einander gegenüber.
4. Bewerten Sie Ihr Ergebnis qualitativ und quantitativ für statische Messungen.

Arbeitsergebnis in SVN: filtereSensor.slx

🎓 Anforderungen für Bachelorstudierende MTR 

• Implementieren Sie einen rekursives Tiefpassfilter als MATLAB Function Block.
• Wählen Sie einen geeigneten Filterparameter α.
• Begründen Sie Ihre Parameterwahl anhand der erwarteten bzw. beobachteten Filterwirkung. Beziehen Sie sich auf Abtastrate und Filterzeitkonstante.
• Vergleichen Sie Rohdaten und Tiefpass in einem Scope qualitativ anhand fachlicher Kriterien.

⚠️ Anforderungen für Masterstudierende BSE 

• Implementieren Sie einen Tiefpassfilter und ein Kalman-Filter als MATLAB Function Block.
• Nutzen Sie für das Kalman-Filter ein Beschleunigungs-Null-Modell um den Zustandsvektor ${\mathbf{𝐱}}_k=\left[\begin{array}{c}{d}_k\\ v_k\end{array}\right]$ zu schätzen.
• Wählen Sie geeignete Filterparameter. Begründen Sie Ihre Parameterwahl anhand der erwarteten bzw. beobachteten Filterwirkung.
• Vergleichen Sie Rohdaten, Tiefpass und Kalman-Filter in einem Scope qualitativ anhand fachlicher Kriterien.
• Erläutern Sie anhand des Signalverlaufs, welcher Filter für die vorliegenden Messdaten besser geeignet ist. Begründen Sie Ihre Entscheidung fachlich.

Aufgabe 1.4: Ergebnisdarstellung und Diskussion in Simulink

1. Diskutieren Sie Ihr Ergebnis mit Prof. Schneider.
2. Positionieren Sie den Reflektor auf vorgegebene Entfernungen.
3. Zeigt Simulink den korrekten Wert in cm an?

❓ Lernzielkontrollfragen Ultraschall

1. Mit welcher Abtastrate wird der Ultraschallsensor idealerweise betrieben?
2. Welche Kennlinie hat der Ultraschallsensor?
3. Welchen Fehlereinflüssen unterliegt der Sensor?
4. Welche Messbereich hat der Sensor in cm?
5. Welche Entfernungsauflösung hat der Sensor?
6. Welche Zeitauflösung hat der Sensor?
7. In welchem Bereich ist der Sensor am empfindlichsten?
8. Mit welcher Unsicherheit (1 σ) lässt sich die Entfernung auf eine glatte Fläche bestimmen?
9. Welches Fehlerbild weist der Ultraschallsensor auf?
10. Mit welchem Filter lässt sich dieser Messfehler reduzieren?
11. Was sind Vor- und Nachteile der Filterung?
12. Wurde der Sensorfehler in Aufgabe 1.4 behoben?

Aufgabe 2.1: Optische Entfernungsmessung in Simulink

Tabelle 4: Materialliste für Aufgabe 2

#	Anzahl	Material
1	1	IR-Messstrecke mit Reflektor
2	1	Steckbrett
3	3	Steckbrückenkabel

Mit den optischen Sensor Sharp GP2Y0A41SK, einem Arduino Mikrocontroller und Simulink soll eine Entfernung in cm gemessen werden.

1. Schließen Sie einen Infrarotsensors über das Breadboard an den Arduino an.
2. Lesen Sie die Sensormesswert mit Simulink aus.
3. Visualisieren Sie das Ergebnis in einem Scope.

Arbeitsergebnis in SVN: IRMessung.slx

Aufgabe 2.2: Filterung in Simulink

1. Welches Fehlerbild weist der optische Sensor auf?
2. Implementieren und parametrieren Sie ein Filter für das Fehlerbild.
3. Stellen Sie die gefilterten und ungefilterten Messwerte in einem Scope einander gegenüber.
4. Wie verändert sich die Messunsicherheit? Bewerten Sie Ihr Ergebnis qualitativ und quantitativ für statische und dynamische Messungen.

Arbeitsergebnis in SVN: IRMessung.slx

Tipps 

1. Nutzen Sie den Block Median Filter aus der DSP System Toolbox.
2. Stellen Sie diese Block-Parameter ein:
   1. ☑ Make window length tunable
   2. ☑ Specify window length from input port
   3. Maximum window length: 30
   4. ☑ Auto-adjust invalid window length
   5. Simulate using: Code generation
3. Fügen Sie einen Konstanten-Block hinzu und verbinden Sie diesen mit dem Eingang WL.
4. Fügen Sie aus Simulink/Dashboard einen Slider hinzu.
5. Parametrieren Sie den Slider 3..30.
6. Verknüpfen Sie den Slider mit der Konstanten.
7. Während Monitor & Tune kann der Slider verwendet werden, um das Median-Filter zu parametrieren.

Aufgabe 2.3: Kalibrierung einer Sensorkennlinie

1. Messen Sie die Entfernung auf ein statisches weißes Ziel in den Entfernungen [3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 25, 29] cm.
2. Die Kennlinie des Infrarotsensors ist nichtlinear. Hinterlegen Sie diese Kennlinie in Simulink, so dass der exakte Messwert in cm angezeigt wird.
   1. MTR: Nutzen Sie den Block 1-D Lookup Table.
   2. BSE: Führen Sie eine nichtlineare Regression mit der MATLAB-App Curve Fitter durch und implementieren Sie die Regressionsfunktion als MATLAB Function Block.
3. Messen Sie erneut die Entfernung auf ein statisches weißes Ziel in den Entfernungen [3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 25, 29] cm.
4. Pro Entfernungsstufe werden >100 Messwerte benötigt.
5. Speichern Sie das Ergebnis in der Datei IRMessung.mat.

Arbeitsergebnis in SVN: IRMessung.slx, IRMessung.mat

Tipps 

Die Eingangswerte in der 1-D Lookup Table müssen der Größe nach aufsteigend sein.

ADU-Wert	Distanz in cm
70	29
200	15
500	3

Aufgabe 2.4: Charakterisieren Sie die Sensormesswerte mit MATLAB^®

Abb. 5: Nichtlineare Sensorkennlinie des Sharp IR Abstandssensors mit Messunsicherheit

Abb. 6: Darstellung der Sensorcharakterisierung

1. Analysieren Sie die Funktion Ihres Sensors anhand Ihrer Messwerte in IRMessung.mat mit MATLAB^®. Verwenden Sie die Kriterien in Tabelle 1.
2. Stellen Sie die Werteauflösung in mm über dem Messbereich in cm dar.
3. Stellen Sie die Empfindlichkeit über dem Messbereich in cm dar.
4. Stellen Sie die Messunsicherheit (1 σ) in cm über dem Messbereich dar.
5. Beantworten Sie die Fragen fachlich fundiert anhand Ihrer Messdaten als Kommentar im Quelltext:
   1. Welche Messbereich hat der Sensor in cm?
   2. Welche Zeitauflösung hat der Sensor in s?
   3. Welche Werteauflösung hat der Sensor in cm?
   4. In welchem Bereich ist der Sensor am empfindlichsten?
   5. Mit welcher Unsicherheit (1 σ) lässt sich lässt sich der Abstand auf eine weiße Fläche bestimmen?
6. Vergleichen Sie Ihre Messwerte mit den Werten aus dem Datenblatt.

Tabelle 1: Sensorcharakterisierung IR Abstandssensor

Messgröße	Formelzeichen	Ergebnis
Messbereich	MB	Darstellung im MATLAB®-Command Window
Zeitauflösung	$a_t$	Darstellung als MATLAB®-Plot
Werteauflösung	$a_s$	Darstellung als MATLAB®-Plot
Empfindlichkeit	E	Darstellung als MATLAB®-Plot
Unsicherheit (Typ A)	uA	Darstellung als MATLAB®-Plot

Arbeitsergebnis in SVN: charakterisiereIRSensor.m

📊 Aufgabe 2.5: Ergebnisdarstellung und Diskussion in Simulink

1. Diskutieren Sie Ihr Ergebnis mit Prof. Schneider.
2. Positionieren Sie den Reflektor auf vorgegebene Entfernungen.
3. Zeigt Simulink den korrekten Wert in cm an?
4. Welche Entfernung wird angezeigt, wenn die dunkle Seite des Reflektors verwendet wird?

❓ Lernzielkontrollfragen Sharp IR

1. Welcher systematische Fehler tritt beim Infrarotsensor auf?
2. Wie lässt er sich wirkungsvoll beheben?
3. Wie haben Sie das Filter parametriert?
4. Was sind Vor- und Nachteile der Filterung?
5. Wurde der Sensorfehler in Aufgabe 2.2 behoben?
6. Welche Messbereich hat der Sensor in cm?
7. Welche Zeitauflösung hat das Eingangssignal?
8. Welche Entfernungsauflösung hat der Sensor?
9. In welchem Bereich ist der Sensor am empfindlichsten?
10. Mit welcher Unsicherheit (1 σ) lässt sich die Entfernung auf eine weiße Fläche bestimmen?

Anhang

• SVN Abgabeordner: https://svn.hshl.de/svn/Elektrotechnik_Fachpraktikum/trunk/Praktika/WS2026
• Regeln für Simulink-Modelle
• Software Plagiat

Nützliche MATLAB^®-Befehle und Funktionen

Tabelle 2: Nützliche MATLAB^®-Befehle und Funktionen

Befehl	Beschreibung
abs	Betrag
diff	Differenz
load	laden von Messdaten
mean	arithmetischer Mittelwert
medfilt1	Median
std	empirische Standardabweichung

Sammlung nützlicher MATLAB-Befehle

---

→ Versuch 3: Rapid Control Prototyping
→ zurück zum Hauptartikel: WS 26/27: Fachpraktikum Mechatronik (MTR) und Angewandte Mechatronik (BSE)