Auswertung von Messwerten
- Grundprinzip:
- Bestimmung der Position eines Körper aus Messung
der Beschleunigung
- Grundidee einfach: Beschleunigung zweimal integrieren
- Problem:
- Messfehler (Rauschen) addieren sich auf
- → zu v kommt eine Random-Walk-Komponente hinzu
- → Abweichung steigt mit der Zeit an
- Lösung
- gelegentliche Orts-Messungen einbauen
- Simulink-Modell:
- Modell ins1.mdl
- 1d Measurement liefert experimentell bestimmte Messwerte
für a
- Kalman-Filter bereitet die Daten auf und bestimmt v und
x
- Oszi zeigt an
- Messwerte
- Filterdaten
- Entwicklung der Filter-Kovarianz
- Achtung:
- Stop Time steht auf Inf ("unendlich")
- Mess-Modell:
- Parameter
- Vektor mit Messwerten
- Sample-Zeit
- Aufbau
- Block Lookup Table
- liefert Messwerte als Zeitreihe
- interpoliert ggf. (hier nicht, da nur Sample-Werte)
- Parameter
- Compare To Constant
- gibt true (bzw. 1) aus, wenn Input ≥ Konstante
- Wert der Konstanten über Maske, hier
- size(z,2)*tS
- Stop Simulation
- beendet Simulation, wenn Eingang ≠ 0
- Mathematischer Einschub: Diskretisierung incl. Systemrauschen
- Ausgangspunkt sei ein lineares kontinuierliches System
- w(t) = Gaußsches weißes Rauschen mit Mittelwert
0 und Kovarianz 1
- F, G konstante Matrizen
- Sampeln der x-Werte in festen Intervallen Δt liefert
ein lineares diskretes System
- mit Systemmatrix
- und Kovarianzmatrix
- Kinematisches Modell:
- unbekannte Kräfte werden durch Zufallspfad (Random
Walk) σ(t) modelliert
- Ableitung von σ(t) ist weißes Rauschen, daher
- als System
- Diskretisierung liefert die Systemmatrizen
- Kalman-Filter verwendet kinematisches Modell für
Δt = 1
- Varianz der Stör-Beschleunigung 0.001
- ungenauere Messung von a mit Varianz 0.003
- Ergebnisse der Simulation:
- Oszi-Aufbau
- zeigt Messwerte, a/v/x vom Filter, Filter-Varianz P
- von Matrix P werden mit diag(P) nur die Diagnonalelemente
angezeigt
- Oszi-Bild
- Interpretation
- am Anfang Beschleinigung, am Ende Abbremsen, sonst
konstante Geschwindigkeit
- a wird vom Filter leicht geglättet
- Varianz von x steigt stark an (wie zu erwarten war)
- kein Vergleich mit realen Werten möglich, da nicht
vorhanden