AlphaBot: MATLAB als serieller Monitor

Abb. 1: Lernset - Einsteiger Kit für Arduino

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

Aufgabenstatus: In Bearbeitung

Inhalt

• Statische und dynamische Messung mit dem Ultraschallsensor
• Nutzung von MATLAB^® als seriellen Monitor.
• Programmierung und Anwendung eines gleitenden Mittelwertfilters

Lernziele

Nach Durchführung dieser Lektion

• können Sie Debug-Daten speichern und via MATLAB® visualisieren.
• können Sie direkt MATLAB® als seriellen Monitor nutzen.
• können Sie Entfernungen mit dem Ultraschall-Sensor messen.
• können Sie Messwerte in Echtzeit filtern.
• können Sie Software mit einem PAP planen.

Versuchsdurchführung

Aufgabe 3.1: MATLAB^® als serieller Monitor

1. Nutzen Sie MATLAB^® um die Messdaten direkt (live) darzustellen.
2. Planen Sie als ersten Schritt das MATLAB^®-Programm als PAP.
3. Greifen Sie hierzu auf die serielle Schnittstelle zu während der Arduino Daten sendet.
4. Nutzen Sie das Demo DemoDebug2MATLAB im SVN-Verzeichnis.

Nützlich MATLAB^®-Befehle: fopen, feof, fgetl, strfind, isempty, plot, xlabel, ylabel, legend

Arbeitsergebnisse in SVN: zeigeArduinoDaten.pap, zeigeArduinoDaten.m

Aufgabe 3.2: Datensimulation mit MATLAB^®

1. 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 statische Messunsicherheit.ino. Jeder Messsatz sollte >100 Messwerte umfassen.
2. Nutzen Sie das Programm Putty, um die Daten der seriellen Schnittstelle in der ASCII-Datei Ultraschallmessung.txt zu speichern.
3. Schreiben Sie einmalig als Header die Bezeichnung der Messwerte Zeit in ms und Strecke in cm in die Textdatei.
4. Laden und visualisieren Sie die Messdaten in Ultraschallmessung.txt mit MATLAB®.
5. Stellen Sie die Messdaten in einem Diagramm in cm über der Zeit dar.
6. Berechnen Sie Mittelwert und Standardabweichung und stellen Sie diese dar,
7. Beschriften Sie die Graphen.

Nützlich MATLAB®-Befehle: mean, std, xline

Arbeitsergebnisse in SVN: statische Messunsicherheit.ino, Ultraschallmessung.txt, zeigeUltraschallMessung.m

Aufgabe 3.3: Gleitendes Mittelwertfilter in mit MATLAB^®

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

1. Schreiben Sie die Funktion GleitendesMittelwertFilter(), welches die Eingangswerte zyklisch filtert. Hier bei wird der Mittelwert über die letzten k Messwerte gebildet.
2. Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen.
3. Visualisieren Sie Messwerte und Filterergebnis im seriellen Plotter.
4. Testen Sie Ihre Funktion mit Ultraschallmesswerten mit dynamischen Zielen.
5. Wählen Sie k anhand der Messwerte und diskutieren Sie Ihre Wahl mit Prof. Schneider.

Arbeitsergebnisse in SVN: testeGleitendesMittelwert.ino

Hinweis:

• Nutzen Sie das FIFO aus Aufgabe 6.4.
• Die Formel für das gleitende Mittelwertfilter lautet: $\bar{x}(k)=\frac{x(1)+x(2)+\ldots+x(k)}{k}$ 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

Aufgabe 11.4: Rekursives Tiefpassfilter in MATLAB^®

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

1. Schreiben Sie die Funktion TiefpassFilter().m, welches die Eingangswerte zyklisch filtert. Hier bei wird der Tiefpass berechnet.
2. Testen Sie Ihre Funktion mit Ultraschallmesswerten mit statischen Zielen.
3. Visualisieren Sie Messwerte und Filterergebnis im seriellen Plotter.
4. Testen Sie Ihre Funktion mit Ultraschallmesswerten mit dynamischen Zielen.
5. Wählen Sie $\alpha$ anhand der Messwerte und diskutieren Sie Ihre Wahl mit Prof. Schneider.

Arbeitsergebnisse in SVN: testeTiefpassFilter.m

Hinweis:

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

Demo: SVN: DemoTiefpassFilter.ino

Aufgabe 11.5: Dynamische Messunsicherheit

• 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). 
• Wurde das Signalrauschen geglättet?
• Sichern Sie alle Ergebnisse mit beschreibendem Text (message) in SVN.
• Wurden die Regeln für den Umgang mit SVN eingehalten?
• Wurde die Programmierrichtlinie eingehalten?
• 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: SVN Log, USTiefpassFilter.ino, Ergebnisbewertung.pdf

Bewertung

Aufgabe	Punkte
11.1	2
11.2	2
11.3	2
11.4	2
11.5	2

Tutorials

• Arduino: Using the Serial Plotter Tool
• HSHL-Wiki: Ultraschallsensor HC-SR04
• Funduino: Entfernungen mit einem HC-SR04 Ultraschallsensor am Arduino messen

Demos

• SVN: DemoGleitenderMittelwert.ino
• SVN: DemoTiefpassFilter.ino

Literatur

1. Brühlmann, T.: Arduino Praxiseinstieg. Heidelberg: mitp, 4. Auflage 2019. ISBN 978-3-7475-0056-9. URL: HSHL-Bib, O'Reilly-URL
2. Brühlmann, T.: Sensoren im Einsatz mit Arduino. Frechen: mitp Verlag, 1. Auflage 2017. ISBN: 9783958451520. URL: HSHL-Bib, O'Reilly
3. Snieders, R.: ARDUINO lernen. Nordhorn: 8. Auflage 2022. URL: https://funduino.de/vorwort
4. Schneider, U.: Programmierrichtlinie für für die Erstellung von Software in C. Lippstadt: 1. Auflage 2022. PDF-Dokument (212 kb)

---

→ zurück zum Hauptartikel: Informatik Praktikum 2