Gast
#6020336
Hallo Leute, ich bin gerade dabei in meinem Praktikum eine Motorsteuerung zu untersuchen. Bzw. um genauer zu sein: Das Steuersignal des Motors. Ziel des Praktikums ist es anhand des Steuersignals zu erkennen welcher Motor verbaut ist und in welcher Phase sich dieser befindet (Die Motoren haben immer bestimmte Drehzahl Abläufe. Das ganze wird in der Automatisierungstechnik eingesetzt). Eine typische Kurve mit den einzelnen Segmenten habe ich euch angehängt. Kurzum: Wir möchten folgendes Ermitteln: 1.) In welcher Phase befindet sich die Motorsteuerung. (Welches Segment) 2.) Welche Motorsteuerung wird angewendet Zu Punkt 1.) Um zu wissen in welcher Phase (Segment) wir uns befinden, benötigen wir nun einen Algorithmus, der verschiedene Segmente innerhalb des Signals erkennt (Bild 2 Messkurve_segmente). Dann können wir viele Motordaten rein setzen und hoffentlich die verschiedenen Muster erkennen. Frage: Welcher Algorithmus kann sowas? Wir haben uns schon ein bisschen mit Algorithmen auseinander gesetzt. Zum erlernen der verschiedenen Segmente sind wir auf die Karhunen-Loeve-Transformation (KLT) gestoßen. Frage: Ist die Detektion verschiedener Segmente mit der KLT möglich? Zu Punkt 2.) Im zweiten Schritt wollen wir anhand der bekannten Segmente, die unsere Motoren haben, erkennen welcher Motor eingesetzt wird. Da dachten wir an die Korrelation. (Wir setzen die verschiedenen Segmente zusammen und schauen in Echtzeit welches Segment dazu passt). Dabei wissen wir nicht in welchem Segment sich der echte Motor befindet. Frage: Wenn ich nun die Korrelation mache, bekomme ich irgendwelche Zahlenwerte. Wie kann ich das ganze normieren? Sodass bei identischem Signal (zweimal die gleiche Messkurve) am optimalen Punkt einen 1 herauskommt? Ich bekomme immer Werte mit 20000 Frage: Gibt es elegantere Methoden als die Korrelation um herauszufinden ob es Euch schon mal vielen Dank für eure Unterstützung! Ich hoffe ich konnte mein Problem einigermaßen veranschaulichen. Falls nicht, fragt gerne nochmal nach. Viele Grüße, Rainer

