Kapazitiver Bodenfeuchtesensor

Abb. 1: Kapazitiver Bodenfeuchtesensor

Autor:	Ken Hilz
Studiengang:	Business and Systems Engineering
Modul:	BSE-M-2-1.03, Hausarbeit in Angewandte Informatik gehalten von Prof. Dr.-Ing. Schneider
Semester:	Sommersemester 2024
Abgabetermin:	28.07.2024

Einführung

In der Lehrveranstaltung Angewandte Informatik ist als Prüfungsleistung eine semesterbegleitende Arbeit vorgesehen. Dieses Kapitel behandelt den Einsatz des Capacitive Soil Moisture Sensor v1.2 zur Bestimmung der Bodenfeuchtigkeit. Für die Durchführung dieser Arbeit sind Kenntnisse im Bereich von Microcontrollern, Sensoren, Aktuatoren sowie im Umgang mit MATLAB^®/Simulink erforderlich. Des Weiteren sind Kenntnisse im Bereich der Signalverarbeitung und Filterung notwendig, um dieses Projekt durchzuführen. Die Funktionsweise des Sensors und die Umsetzung der Fragestellung wird im Folgenden Kapitel genauer erläutert.

Aufgabenstellung

Messen Sie die Bodenfeuchte mittels Capacitive Soil Moisture Sensor v1.2.

Anforderungen 

Tabelle 1: Anforderungen

Req.	Beschreibung	Priorität
1	Die Bodenfeuchte muss mittels "Capacitive Soil Moisture Sensor v1.2", Arduino und Simulink gemessen werden.	1
2	Der Messbereich muss bestimmt werden.	1
3	Die Messunsicherheit (1σ) muss für den Messbereich ermittelt und als Vertrauensbereich angezeigt werden.	1
4	Der Sensor muss kalibriert werden.	1
5	Für den Messbereich muss die Bodenfeuchtigkeit referenziert werden.	1
6	Die Messwerte müssen über der Zeit gefiltert werden.	1
7	Ein Piepton muss anzeigen, wenn der Messwert stabil/konstant ist.	1
8	Das Sensorsystem muss die Bodenfeuchte in % auf dem LCD-Display anzeigen.	2

Thema/Fragestellung:
Messung der Bodenfeuchtigkeit mit dem Sensor Capacitive Soil Moisture Sensor v1.2.
Hypothese:
Die Bodenfeuchtigkeit lässt sich mit dem Capacitive Soil Moisture Sensor v1.2 messen.
Einordnung in den Lehrplan:
Die Lehrveranstaltung Angewandte Informatik vermittelt den Studierenden mehrere praktische Methoden, welche im Folgenden aufgelistet sind:

• mit der Versionskontrolle SVN nachhaltig Quelltext entsprechend der Programmierrichtlinien schreiben, sichern, kollaboriert bearbeiten und Konflikte lösen.
• in einer mathematisch orientierten Systax (z. B. MATLAB^®) mit Vektoren und Matrizen rechnen, Programmteile in Funktionen auslagern, Zweige und Scheifen programmieren, Daten importieren und visualisieren.
• die Mikrocontrollerplattform Arduino modellbasiert mit Simulink programmieren, so dass Sensoren eingelesen und Aktoren angesteurt werden können.
  

Projektbeschreibung

In der unteren Tabelle 2 sind alle benötigten Materialien für diese Versuchsdurchführung aufgelistet.

Tabelle 2: Materialliste

#	Anzahl	Material
1	1	PC mit MATLAB/Simulink R2023b
2	1	Kapazitiver Bodenfeuchtesensor
3	1	Arduino Uno R3
4	1	Steckbrett
5	1	LCD Modul 16x02 I2C
6	1	Buzzer
7	5	Jumper Kabel, männlich/männlich, 20 cm

Beschreibung Funktionsweise der verwendeten Hard- und Software

Simulink R2023b
Für die Ausführung von Simulink wird die Software MatLab benötigt. Beide Softwares sind von The MathWorks. Über Simulink lassen sich mithilfe von Blockschaltbilder technische Systeme testen, realisieren und simulieren. Simulink wird für die Simulation von technischen Regelkreisen oder aber für die Signalverarbeitung verwendet.

Sensor Kapazitiver Bodenfeuchtesensor

Abb. 2: Kapazitiver Bodenfeuchtesensor

Bei der kapazitiven Messung der Feuchtigkeit wird das Verfahren der indirekten Messung angewendet. Das gemessen Signal wird in eine elektrische Größe umgewandelt und an den das Microcontroller-Board ausgegeben. Auf Basis des Aufbaus eines Kondensators arbeitet der kapazitive Feuchtigkeitssensor. Zwischen den Platten des Kondensators ist ein elektrisches Feld aufgebaut, welches je nach Spannung und Abstand variiert. Die Speicherung von elektrischer Energie wird beim Kondensator Kapazität genannt und in Farad angegeben. Diese Kapazität wird durch den Abstand der Platten zueinander, der Fläche dieser Platten und des Dielektrikums bestimmt. Das Dielektrikum beschreibt das Material, welches zwischen den beiden Platten ist. Die Materialien haben unterschiedliche Isolationseigenschaften, wodurch auch unterschiedliche Durchlässigkeiten des elektrischen Feldes vorhanden sind. Diese Durchlässigkeit wird als Permittivität bezeichnet. Da bei einem kapazitiven Feuchtigkeitssensor der Abstand der beiden Kondensatorplatten unveränderbar ist, wird die Feuchtigkeit lediglich über die Änderung der Permittivität bestimmt. In Abbildung 2 ist der Sensor zu sehen.

Arduino Uno R3

Abb. 3: Arduino Uno R3

Das Arduino Uno ist ein Microcontroller-Board, welches aus 14 digitale I/O Pins und sechs analoge I/O Pins besteht. Von den 14 digitalen I/Os können sechs ein PWM-Signal erzeugen. Verschiedene Arten von Sensoren und Aktuatoren können mit dem Arduino Uno R3 Board verbunden, wodurch eine Vielzahl von Einsatzmöglichkeiten entstehen. In Abbildung 3 ist der Arduino Uno R3 zu sehen.

Steckbrett

Abb. 4: Steckbrett

Ein Steckbrett eignet sich zum schnellen Aufbau einer elektrischen Schaltung. Dadurch, dass die Bauteile nur gesteckt werden, können diese einfach umgesteckt werden. Somit lässt sich der Aufbau schnell und einfach überarbeiten und verbessern. Die äußeren Reihen dienen des Anschlusses der Versorgungsspannung und der Verbindung zu Ground. In den mittleren Reihen können die Bauteile gesteckt werden. In Abbildung 4 ist ein Steckbrett zu sehen.

LCD Modul 16x02 I²C

Abb. 5: LCD Modul 16x02 I²C

Das LCD-Modul 16x2 I²C zeigt Text in zwei Zeilen mit je 16 Zeichen an und nutzt die I²C-Schnittstelle. Dadurch sind nur zwei Datenleitungen nötig: SDA (für Daten) und SCL (für den Takt), sowie VCC (Spannungsversorgung) und GND (Masse). Der Mikrocontroller überträgt die Daten seriell an das Modul, meist mit der I²C-Adresse 0x27 oder 0x3F. Die I²C-Verbindung vereinfacht die Kommunikation und reduziert den Verkabelungsaufwand. In Abbildung 5 ist das LCD Modul 16x02 I²C zu sehen.

Buzzer

Abb. 6: Piezo-Lautsprecher

Ein Piezo-Lautsprecher nutzt Piezoelektrizität zur Schallerzeugung. Piezoelektrische Materialien erzeugen bei mechanischer Verformung eine elektrische Ladung und umgekehrt. Durch Anlegen einer Spannung an ein dünnes Piezoelement dehnt es sich aus und zieht sich zusammen, wodurch Schallwellen erzeugt werden. Ein Piezo-Lautsprecher kann aus 5V Gleichspannung Wechselstrom erzeugen, der das Piezoelement periodisch verformt und so Schall erzeugt. In Abbildung 6 ist der Buzzerzu sehen.

Funktionsweise Capacitive Soil Moisture Sensor v1.2

Abb. 7: Schaltplan Capacitive Soil Moisture Sensor (v1.2)

Der Schaltplan in Abbildung 7 zeigt einen kapazitiven Bodenfeuchtigkeitssensor, der mit einem TLC555-Timer-IC arbeitet. Der TLC555-Timer ist als astabiler Multivibrator konfiguriert und erzeugt ein Rechtecksignal mit einer Frequenz von etwa 1,5 MHz. Dieses Signal wird durch die Widerstände und Kondensatoren um den IC herum definiert (R2 = 1,6 kΩ, R3 = 330 Ω, C1 = 100 nF, C2 = 10 nF, C3 = 470 pF).

Das Rechtecksignal wird durch einen 10-kΩ-Widerstand (R1) und den kapazitiven Bodenfeuchtigkeitssensor (PROBE) geleitet, der im Boden platziert wird. Der Sensor verändert seine Kapazität basierend auf der Bodenfeuchtigkeit.

Nach dem Sensor folgt ein RC-Filter, der das Rechtecksignal in ein Dreiecksignal umwandelt. Ein nachgeschalteter Spitzenwertdetektor, bestehend aus einer Diode (T4), einem 1-µF-Kondensator (C4) und einem 1-MΩ-Widerstand (R4), glättet das Signal und erzeugt eine analoge Ausgangsspannung, die proportional zur Bodenfeuchtigkeit ist.

Diese analoge Spannung kann von einem Mikrocontroller ausgelesen werden, um die Bodenfeuchtigkeit zu bestimmen. Die Versorgungsspannung der Schaltung beträgt 3,3 V und es sind Entkopplungskondensatoren (C1, C2) zur Stabilisierung der Versorgungsspannung integriert.

Technische Daten

In dieser Tabelle sind grundlegende technischen Daten des Sensors aufgelistet.

Tabelle 3: Technische Daten des Capacitive Soil Moisture Sensor v1.2

Messbereich	0 V ~ 3 V
Reaktionszeit	ca. 7000 ms
Versorgungsspannung	3.3 V ~ 5.5 V
Versorgungsstrom	5 mA
Schnittstelle	PH2.0-3P Steckkabel
Gewicht	10 g
Material	korrosionsbeständiges Material
Abmessungen	98 mm x 23 mm x 9 mm

Pinbelegung

In dieser Tabelle ist die Pinbelegung des Sensors aufgelistet.

Tabelle 4: Pinbelegung des Capacitive Soil Moisture Sensor v1.2

Pin	Belegung	Signal	Arduino Pin
1	Versorgungsspannung (VCC)	5 V	5V
2	Analog Output (AOUT)	0~3V	A0
3	Masse (GND)	0 V	GND

Versuchsaufbau und Durchführung

Versuchsaufbau

Abb. 2: Schaltplan

Abb. 3: Anschlussplan

Abb. 4: Foto des Versuchsaufbaus

Der Anschlussplan des Versuchs ist in der rechten Abbildung 8 dargestellt. Zu sehen ist ein Arduino Uno R3 Board, das mit einem kapazitiven Feuchtigkeitssensor und einem Buzzer verbunden ist. Zu beachten gilt, dass der gezeigte Feuchtigkeitssensor nicht identisch mit dem für den Versuch verwendeten Sensor ist, da in Fritzing nur ein kapazitiver Sensor mit drei Anschlüssen verfügbar ist.

Auf dem Breadboard wird die Versorgungsspannung (VCC) von $5 \, \text{V}$ über ein rotes Kabel angeschlossen, während das schwarze Kabel die Ground-Verbindung zum Arduino herstellt. Da der Sensor nur drei Anschlüsse hat, von denen zwei für die Spannungsversorgung und Ground verwendet werden, wird der letzte freie Anschluss des Sensors mit dem analogen Eingang A0 des Arduino verbunden. Einer der beiden Pins des Buzzers wird mit GND verbunden und der andere mit dem Digitalen Output 10, sodass über diesen Output der Buzzer ein Signal bekommt, sobald der Wert konstant ist.

Anschließend wird der Arduino über ein USB-A Kabel mit dem Computer verbunden, um das in Simulink erstellte Modell hochladen zu können.

Die Schaltplanübersicht und ein Foto des Aufbaus sind in den Abbildungen 9 und 10 zu finden.

Versuchsdurchführung

Simulink Modell

Die Modelleinstellungen für diese Durchführung lauten wie folgt:
● Hardware board: Arduino Uno
● Type: Fixed-step
● Solver: ode1 (Euler)
● Fixed-step Size: 0,001 s

Mess- und Vertrauensbereich

Bevor die Versuchsdurchführung starten kann, muss der Messbereich des Sensors festgelegt werden. Die Ermittlung des Messbereichs wurde mittels zweier Tests durchgeführt. Zunächst wurde der Sensor an einen Arduino angeschlossen und die Sensordaten im trockenen Zustand ausgelesen. Anschließend wurde der Sensor vollständig in ein Glas Wasser eingetaucht, um die Messungen im nassen Zustand zu erfassen. Diese Tests ermöglichten es, die beiden Extremwerte der zumessenden Umgebung des Sensors zu ermitteln. Der Test im trockenen Zustand repräsentiert $0 \, \text{$ Feuchtigkeit. Der dabei ermittelte Digitalwert 789 wurde als Referenzwert für keine Feuchtigkeit gespeichert. Der Test im Wasserglas simulierte $100 \, \text{$ Feuchtigkeit, sodass der entsprechende Digitalwert 388 als Referenzwert für maximale Feuchtigkeit hinterlegt werden konnte. In den beiden Abbildungen ??? und ??? sind die Ergebnisse dieser beiden Tests visuell dargestellt. Der untere MATLAB-Code dient zur Berechnung der maximalen und minimalen Digitalwerte des Sensors.

%% Berechnung des maximalen und minimalen Digitalwertes des Sensors
Max = max(DWert);  %% Den Maximalwert im Daten-Array finden
Min = min(DWert);  %% Den Minimalwert im Daten-Array finden
fprintf('Max Digitalwert: %.15f\n', Max); %% Darstellung Maximalwert
fprintf('Min Digitalwert: %.15f\n', Min); %% Darstellung Minimalwert

Um über diese beiden Werte nun den Messbereich des Sensors in Volt angeben zu können, wird folgende Formel benötigt:

$LSB = \frac{U_{ref}}{2^n - 1}$
$LSB:$ Least Significant Bit $[\text{V}]$
$U_{ref}:$ Referenzspannung $[\text{V}]$
$n:$ Quantisierungsstufen

In diesem Fall erhält man den Least Significant Bit, indem für die Referenzspannung $U_{ref}$ $5 \, \text{V}$ eingesetzt werden und durch ${2^n - 1}$ geteilt wird, wobei für $n = 10$ eingesetzt wird, da der Arduino einen 10-Bit A/D-Wandler besitzt. Das Ergebnis kann dann anschließend mit dem maximalen und minimalen Digitalwert multipliziert werden, um so maximale und minimale Ausgangsspannung $U_a$ des Sensors zu erhalten. Die Formel dafür lautet: $U_a = {Digitalwert}\cdot{LSB}$

In MATLAB wurde diese Berechnung mit folgendem Code durchgeführt.

%% Berechnung der maximalen und minimalen Spannung des Sensors
Uamax = lsb * Max; % Berechnung der maximalen Spannung
Uamin = lsb * Min; % Berechnung der minimalen Spannung
format long  % Darstellung des Ergebnisses mit Nachkommastellen
fprintf('Uamax ohne Rundung: %.15f\n', Uamax); %% Darstellung Maximalwert
fprintf('Uamin ohne Rundung: %.15f\n', Uamin); %% Darstellung Minimalwert

Für $U_{a,max}$ ergibt sich dann folgender Spannungswert in Höhe von $3,86 \, \text{V}$ und für $U_{a,min}$ ergibt sich ein minimaler Spannungswert in Höhe von $1,90 \, \text{V}$.
Der Messbereich des Sensors liegt somit zwischen $3,86 \, \text{V}$ und $1,90 \, \text{V}$, was einem Spannungsbereich von $1,96 \, \text{V}$ entspricht. Diese Methode zum Bestimmen des Messbereichs wurde ausgewählt, da beide Tests ein Extremum der Messumgebung des Sensors darstellen. Aus diesem beiden Referenzwerten, kann nun die weitere Ermittlung der Unsicherheiten erfolgen. Festlegung der Messunsicherheit Nachdem der Messbereich ermittelt wurde, kann nun die Messunsicherheit des Sensors bestimmt werden. Dazu wurde das Verfahren nach GUM (Guide to the Expression of Uncertainty in Measurement) angewendet, welches in der Lehrveranstaltung "Signalverarbeitende Systeme" näher betrachtet wurde.
Es werden die Standardunsicherheiten der Typen A, B und C ermittelt. Die Ermittlung der Unsicherheiten wurde mithilfe des untenstehenden MATLAB-Codes in Anlehnung an die, in MATLAB Grader bearbeiteten Aufgaben, auf die hier vorliegende Problemstellung angepasst. Es wird ein Vertrauensniveau von $68,27 \, \text{$ angenommen, da der Sensor in die Kategorie „Vermessungstechnik“ fällt und diese $68,27 \, \text{$ für eine Standardabweichung von $1 \, \text{σ}$ steht. Anschließend wird der Erweiterungsfaktor $k = 2$ angenommen, da es sich um industrielle Messtechnik handelt.

<syntaxhighlight lang="cpp" style="border: none; background-color: #EFF1C1; font-size:larger"> %************************************************************************** % Hochschule Hamm-Lippstadt * %************************************************************************** % Modul  : Berechnung.m * % * % Datum  : 17.07.2024 * % * % Funktion  : Auslesen Sensordaten zur Berechnung der Unsicherheiten* % * % Implementation  : MATLAB 2023b * % * % Req. Toolbox  : DSP System Toolbox * % * % Author  : Ken Hilz * % * % Bemerkung  : * % * % Letzte Änderung : 25-07-2024 * % * %**************************************************************************

% Daten werden aus simout (Voltage, Digitalwert) geholt, das ein Array ist Volt = Voltage;  % Hier Daten extrahieren DWert = Digitalwert;  % Hier Daten extrahieren

% Datenverarbeitung n = length(Volt);  % Anzahl der Datenpunkte ermitteln Rm = mean(Volt);  % Durchschnitt berechnen sE = std(Volt);  % Standardabweichung berechnen

% Parameter des Arduino Uno R3 Bit = 10;  % Auflösung 10 bit Uref = 5;  % Referenzspannung in V lsb = Uref / (2^Bit - 1);  % Mindestauflösung, Einheit: V (Quantisierungsfehler)

% Berechnen der Standardunsicherheit Typ A alpha = 1 - 0.6827;  % Messunsicherheit mit 68,27% Prozent Aussagesicherheit, da Messtechnnik p = 1 - (alpha / 2);  % Wahrscheinlichkeit für zweiseitiges t-Verteilungsintervall t = tinv(p, n - 1);  % t-Wert für Student-t-Verteilung bei n-1 Freiheitsgraden uA = sE * t / sqrt(n);  % Standardunsicherheit Typ A

% Berechnen der Standardunsicherheit Typ B uB = lsb / sqrt(12);  % gleichverteilte (rechteckige) Verteilung

% Berechnen der Standardunsicherheit Typ C uC = sqrt(uA^2 + uB^2);  % Kombination der Unsicherheiten Typ A und Typ B

% Berechnen der absoluten Messunsicherheit k = 2;  % Vertrauensfaktor (Vertrauensniveau 0.9545) uAbs = k * uC;  % absolute Messunsicherheit uRel = 100 * uAbs / Rm;  % relative Messunsicherheit in %

% Vollständiges Messergebnis ausgeben disp(['Vollständige Messergebnis: U = ', num2str(Rm), ' ± ', num2str(uAbs), ' V ']);  % Ergebnis mit Unsicherheit anzeigen

% Maximal- und Minimalwerte sowie Bereich erstellen Max = max(Volt);  % Den Maximalwert im Daten-Array finden Min = min(Volt);  % Den Minimalwert im Daten-Array finden x = Min:0.0001:Max;  % Einen Bereich vom Minimalwert bis zum Maximalwert erstellen

% Grafik erstellen h = gcf;  % Aktuelle Figur holen set(h, 'Name', 'Ergebnisdarstellung', 'NumberTitle', 'off');  % Figur benennen xlabel('Anzahl der Messwerte')  % x-Achsenbeschriftung ylabel('Spannung in V')  % y-Achsenbeschriftung hold on

% Daten und Unsicherheiten plotten p1 = plot(Volt, 'r.-');  % Messwerte plotten p2 = yline(Rm, 'LineWidth', 2);  % Mittelwert als Linie plotten p3 = yline(Rm + uC, 'Color', 'blue');  % Obere Grenze der Unsicherheit Typ C plotten yline(Rm - uC, 'Color', 'blue');  % Untere Grenze der Unsicherheit Typ C plotten

% Titel und Legende title(['Messergebnis: Mittelwert = ', num2str(Rm), ' \pm ', num2str(sE), ' V, Spannung = ', num2str(mean(Volt)), ' \pm ', num2str(uRel), '%'])  % Titel hinzufügen hLegend = legend([p1, p2, p3], "Messwerte", "Mittelwert", "Unsicherheit Typ C", 'Location', 'northeast');  % Legende hinzufügen hold off  % Halten des Plots beenden

In der unteren Abbildung ist das Messergebnis, der Mittelwert und die mit dem MATLAB Code ermittelte Unsicherheit dargestellt.

ABBILDUNG MESSEREBNIS EINFÜGEN

Die Messunsicherheit des hier betrachteten kapazitiven Feuchtigkeitssensors beträgt, im statischen Zustand, somit: Messergebnis einfügen

Abb. 5: Simulink-Modell

Tonausgabe

Sobald der Sensor einen konstanten Wert im Bereich von $\leq 0,001$ ausgibt, wird der Buzzer über den digitalen Pin des Arduinos angesteuert, sodass dieser einen Ton ausgibt. Ändert sich der Sensorwert zu stark, stoppt der Ton. Sobald der neu gemessene Wert wieder konstant ist, wird der Buzzer erneut aktiviert, um anzuzeigen, dass der gemessene Wert keine großen Abweichungen aufweist. Diese Schaltung wird realisiert, indem über 8 Memory Blöcke der Mittelwert genommen und dieser mit dem originalen Wert verglichen wird.

Referenzwert

Da für diesen Sensor keine Datenblätter vorliegen, wurden die Referenzwerte aus den Tests im Kapitel „Mess- und Vertrauensbereich“ entnommen. Für eine $100 \, \text{$ Feuchtigkeit wurde der Sensor in Wasser getaucht, um den Maximalwert zu erhalten. Für $0 \, \text{$ Feuchtigkeit wurde der Sensor ohne Boden- oder Wasserkontakt ausgelesen, um den Minimalwert zu bestimmen.

Kalibrierung des Sensors

Mit den zuvor ermittelten maximalen und minimalen Digitalwerten für den Messbereich kann nun die Kalibrierung des Sensors erfolgen. Diese Werte bestimmen den Messbereich des Sensors und müssen nun im System hinterlegt werden, um die gemessenen Werte korrekt in Prozent der Bodenfeuchtigkeit umrechnen zu können. Da leider keine Datenblätter zu diesem Sensor zu finden sind, wurde die Kalibrierung des Sensors mit den zuvor ermittelten Werten durchgeführt.

Eine MATLAB-Funktion berechnet auf Basis dieser Referenzwerte den Prozentwert der Bodenfeuchtigkeit. Da der Bereich bekannt ist, innerhalb dessen der Sensor die Bodenfeuchtigkeit messen kann, werden die ermittelten Werte als Minimum und Maximum festgelegt, die den Werten von $0 \, \text{$ bzw. $100 \, \text{$ entsprechen.

Nachdem der Sensorbereich kalibriert wurde, können weitere Messungen in verschiedenen Umgebungen, wie zum Beispiel in einem Blumentopf, durchgeführt werden. Auf Grundlage der hinterlegten Referenzwerte liefert der Sensor nun realistische Werte für die Bodenfeuchtigkeit innerhalb des kalibrierten Bereichs.

Filterung der Messdaten

Der Sensor weist Ausreißer auf, die so gut wie möglich eliminiert werden müssen, um zuverlässige Ergebnisse zu liefern. Diese Ausreißer sind in Abbildung ??? dargestellt. Drei Filtertypen wurden angewendet, um den bestmöglichen Filter zu ermitteln: der Rekursiv Gleitende Mittelwert Filter (RGM), der Median-Filter und der Tiefpassfilter. Diese Filter wurden in der Lehrveranstaltung "Signalverarbeitende Systeme" behandelt und konnten somit für diese Untersuchung angewendet werden.

Abbildung ??? zeigt die jeweilige Filterwirkung in Bezug auf ein gemessenes Eingangssignal. Es ist zu sehen, dass der Tiefpassfilter stark rauscht, was ein unzureichend geglättetes Signal zur Folge hat. Der Medianfilter erzeugt lediglich diskrete Signale, was zu einem rechteckigen Signal führt. Dies ist ebenfalls nicht geeignet für die Messung der Bodenfeuchtigkeit. Der RGM erzeugt bei einem schwankenden Eingangssignal ein sehr stark geglättetes Ausgangssignal. Bei der Auslegung des Filters gilt es die Fensterbreite zu definieren, die angibt, wie viele Daten das Filter in die Berechnung mit einbezieht. Es ist zu beachten, dass ein Kompromiss zwischen guter Filterung und der Zeitverzögerung des gefilterten Signals zum Ursprungssignal eingegangen werden muss. Je größer die Fensterbreite, desto besser die Filterung. Allerdings steigt mit zunehmender Fensterbreite auch die zeitliche Verzögerung. Da dieser kapazitive Feuchtigkeitssensor jedoch nicht in Echtzeit arbeiten muss, ist eine geringe zeitliche Verzögerung des geglätteten Signals im Vergleich zum Originalsignal unproblematisch. Für diese praktische Anwendung ist die Verzögerung tolerierbar.

Somit wurde für die hier vorlegende Problemstellung eine Fensterbreite für das RGM von 160 festgelegt, wodurch eine sehr gute Filterung, der Ausreißer erzeugt werden konnte. In der Abbildung ??? ist ein direkter Vergleich des originalen analogen Signals zum gefilterten Ausgangssignals des RGM zu sehen.

Versuchsbeobachtung

Abb. 6: Darstellung des Rohsignals des IR-Entfernungssensors (rote Kurve)

Abb. 7: Darstellung von dynamischen Messwerten des IR-Entfernungssensors

Das Signal des Sensors weist alle 40 ms systematische Ausreisser auf (vgl. Abb. 6, rote Kurve).

Auswertung

Die Messhypothese wurde verworfen. Der Sensor weist systematische Messwertausreisser auf.

Die Ausreisser lassen sich mit einem Signalfilter eliminieren. Hierzu eignet sich ein Rangordnungsfilter (z. B. Median-Filter). Das Filter wird hierzu auf eine Fensterbreite von 30 Werten eingestellt. Das zufriedenstellende Filterergebnis für statische Werte zeigt Abb. 6 als blaue Kurve. Es konnte mit dynamische Werten verifiziert werden (vgl. Abb. 7). Das Datenblatt ([2, S. 6]) belegt die Messungen und bezeichnet die Messausreisser als "instabile Ausgabe" für maximal 5 ms alle 40 ms. Mit 50 Werten erhöht sich die Filterwirkung, es entsteht jedoch ein Delay von 10 ms. Mit 10 Werten ist die Filterwirkung zu gering.

Zusammenfassung und Ausblick

Zusammenfassung

Diskussion der Ergebnisse

Ausblick

Selbstreflexion/Lessons learned

Ergebnisvideo

Ergebnisvideo der Versuchsdurchführung.

Anleitung: Videos im Wiki einbinden

Lernzielkrontrolle

Beantworten Sie in Ihrem Wiki-Artikel die Lernzielkontrollfragen.

Lernzielkontrollfragen 

1. Wie funktioniert der Primärsensor technisch?
2. Welche Leistungsmerkmale hat der Sensor?
3. Wie funktioniert die Umsetzerschaltung technisch?
4. Wie kommuniziert der Sensor mit dem Arduino?
5. Muss der Sensor kalibriert werden?
6. Wie wird der Messwert in die zu messende physikalische Größe umgerechnet?
7. Was nutzen Sie als Referenz?
8. Benötigt der Sensor eine Kennlinie?
9. Welchen Messbereich hat das Signal am Ende der Messkette?
10. Welche Messunsicherheit und welcher Vertrauensbereich hat das Signal am Ende der Messkette für den gesamten Messbereich?
11. Welche Auflösung hat das Signal am Ende der Messkette? Wodurch wird die Auflösung bedingt?
12. Weist das Signal am Ende der Messkette einen systematischen oder zufälligen Fehler auf?
13. Welche Fehlereinflüsse hat die Messung? Muss z. B. die Temperatur der Messung berücksichtigt werden?

Literatur

Zitieren Sie nach DIN ISO 690:2013-10.

Anhang

• Datenblätter
• Simulink-Modell
• Originaldateien (PAP, Schaltplan,... )

---

→ zurück zum Hauptartikel: BSE Angewandte Informatik SoSe24 | Hausarbeit SoSe24