Beschleunigung aus Winkel & Beschleunigung errechnen

[Klebwax]

Wenn ich die Formel a = sqrt(ax^2+ay^2+az^2) verwende, kommt je nach Schrägstellung des Sensors (in Ruhelage) ein etwas anderer Wert heraus, wie oben geschrieben ...

Die Physik sagt aber, der Wert muß konstant sein. Was du hier also siehst, sind die Messfehler deines Sensors.

Außerdem habe ich dann wieder das Problem, wenn die einzelnen Achsen versch. Offsets haben, dass dann der Wert wieder etwas daneben liegt.
Deswegen wollte ich den Dreisatz anwenden, allerdings scheitere ich daran, dass das Verhältnis von Winkel & Beschleunigung nicht linear ist.

Dein wirkliches Problem ist nicht die Formel, auch wenn sie kompliziert wäre, sondern daß du den Winkel nicht kennst. Erst wenn du deinen Sensor kalibriert hast, kannst du den Winkel berechnen. Ist dein Sensor kalibriert, brauchst du den Winkel zum kalibrieren nicht mehr.

Zum Kalibrieren deines Sensors brauchst du (solange er linear ist) 6 Werte: 3 Offsets und 3 Faktoren. Und das gilt auch nur, wenn der Sensor Zeit- und Temperaturstabil ist. Wenn du dann auch noch zwei Sensoren vergleichen willst, sind es 12 Werte, 6 für jeden Sensor. Um das zu vereinfachen, muß man sich den Sensor genau ansehen und entscheiden, für welchen der 6 Werte man z.B. konstante, feste Werte ansetzen kann. Wie du selbst sagst, ist der Offset ein Problem. Also muß er gegen einen anderen Sensor (z.B. Wasserwaage oder Lot) kalibriert werden. Alles andere ist der Versuch, sich an den eigenen Haaren aus dem Sumpf zu ziehen.

MfG Klebwax

[schorsch_76]

Eventuell könnte man einen Regressionsansatz wählen. was ja konstant ist, g. Gleichungssystem aufstellen und viele Messwerte reinballern. Mit der Methode der kleinsten Quadrate dann die optimalen Offsets berechnen.


Die Frage ist, wie muss das Gleichungssystem aussehen.

Gruß Georg

[Che Guevara]

Hi,

also wie man einen ACC kalibriert, darüber hab ich mir schonmal Gedanken gemacht ...
Ich brauche je Achse einen Offset-Wert und einen Bereichs-Wert, der den maximalen Ausgabewert enthält.
Der Sensor-Wert wird wird dann wie folgt berechnet:

if(accx<accx_min) accx_min = accx;
if(accx>accx_max) accx_max = accx;
accx_offset = (accx_min+accx_max)>>1;
accx_range = (labs(accx_min)+labs(accx_max));
accx_corrected = (accx-accx_offset)/accx_range*32768;

Allerdings dachte ich bis jetzt immer, ich komme auch ohne Kalibrierung aus ... Aber anscheinend muss ich das wohl wirklich mal in Angriff nehmen, damits gescheit funktioniert.

Gruß
Chris

[Klebwax]

Allerdings dachte ich bis jetzt immer, ich komme auch ohne Kalibrierung aus ... Aber anscheinend muss ich das wohl wirklich mal in Angriff nehmen, damits gescheit funktioniert.

Woran erkennst du, ob es gescheit funktioniert? Was funktioniert denn nicht?

Jeder Messwert hat Tolleranzen. Ein Zimmermann kennt keine Millimeter, trotzdem hält das Dach. Wo liegt diese Grenze bei deinem System? Wenn du diese Grenze kennst und deine Messwerte entsprechend rundest, brauchst du möglicherweise nicht zu kalibrieren.

MfG Klebwax

[Che Guevara]

Hi,

also Messwerte könnte ich später nachliefern, allerdings kann ich persönlich mit diesem mathematischem Gedöns zur Zeit nicht viel anfangen, ist schon zu lange her ...
Also die Grenzen liegen darin, dass z.b. wenn die Platine waagrecht steht, kein Wert von 0 ausgegeben wird sondern von 1-3.
Ich werd jetzt mal eine Kalibrierung einbauen und dann mal sehen, obs einen merkbaren Fortschritt bringt oder nicht.

Gruß
Chris

[schorsch_76]

Bin immer noch am grübeln. Irgendwie lässt mich dieses Thema nicht los

Ich hab einen BIAS (Offset) in alle Richtungen, eine Skalierung und nicht orthogonale Basisvektoren.

Muss doch zu lösen sein ....

[schorsch_76]

Jetzt hab ich mal das Pferd von der anderen Seite aufgezäumt.

Ich habe 3 Sensoren Welche einen Bias haben, AD gewandelt werden und in meinem Beispiel 85° bzw. 95° zueinander versetzt sind.

Also ist die Welt zu Sensor Matrix
WCS := BIAS . AD . BASISVEKTOREN



Die untere Matrix stellt meine 5 "Messwerte" dar, welche je exakt 1g haben. 3 mal je parallel zu einer Achse und 2x exakt 45° geneigt. 3.132^2=9.81
Es zeigt exakt das Verhalten das der OP beschrieben hat.

Jetzt habe ich ein Model, das ich (hoffentlich) über die Samplewerte wiederherstellen kann. Ich benötige dann "nur" die 9 Parameter der S2W Matrix.

Gruß
Georg