Hallo,
ich möchte eine Berechnung mithilfe verschiedener Daten machen. Dies funktioniert soweit auch schon. Die Berechnung kann nach zwei "Mustern" ablaufen, je nachdem, wie der Verlauf der Messdaten aussieht. Bis jetzt muss man immer im XY-Graph gucken, ob Bedingung A oder Bedingung B erfüllt ist. Je nachdem, welche Bedingung erfüllt ist, wird eine andere Berechnungsmethode benutzt.
Bedingung A: Messdatenverlauf ist in einem Bereich exponentiell
Bedingung B: Messdatenverlauf ist nicht in einem Bereich exponentiell
Zur Zeit bewerte ich dies eben per Auge und stelle so eine Boolsche Konstante um. Dies möchte ich aber automatisieren, sodass das Programm einen Wert auf TRUE schaltet, wenn der Verlauf die Bedingung A erfüllt.
Ich hoffe, dass Jemand mein problem versteht.
Meine Frage: Gibts da vielleicht schon ein fertiges VI, dass mir sagt: Messdaten annähernd linear oder annähern exponentiell. ?
Das Problem wäre einfach und mit vorhandenen VIs zu lösen, wenn Du den infrage kommenden Bereich vorher weißt. Das scheint aber nicht der Fall zu sein. Ich würde die Werte logarithmieren und dann differenzieren. Dann reduziert sich die Fragestellung darauf, ob es einen Abschnitt gibt, in dem die Werte konstant sind. Innerhalb welcher Toleranzen das der Fall ist, wie lang der Bereich mindesten sein muss usw., das sind alles Fragen, die sich nur anhand der realen Daten klären lassen. Das nennt man dann "die Mühen der Ebene".
Hi
Eine lineare Regession geht schnell (lösen eines linearen Gelichungssystems). Das würde ich einfach zuerst machen und den Korrelationskoeffizienten auswerten. Ist er zu groß, gibt es vermutlich keinen linearen Zusammenhang (oder die Streuung der Daten ist tatsächlich so groß), und du führst den Exponential-Fit durch. Ist der Korrelationskoeffiziente klein genug bist Du fertig.
Alternativ kannst Du die ersten wenigen Momente der Verteilung ausrechnen und damit enscheiden wechen Fit Du durchführen möchtest.
Gruß Holger
Vielen Dank schonmal.
Jetzt habe ich eine Grundlage, auf der ich aufbauen kann. Ich hatte nämlich keine Vorstellung, wie ich da rangehen soll. Bei weiteren Fragen melde ich mich hier im Thread nochmal.
Gruß
Serial
(10.06.2014 12:47 )Lucki schrieb: [ -> ]Das Problem wäre einfach und mit vorhandenen VIs zu lösen, wenn Du den infrage kommenden Bereich vorher weißt. Das scheint aber nicht der Fall zu sein. Ich würde die Werte logarithmieren und dann differenzieren. Dann reduziert sich die Fragestellung darauf, ob es einen Abschnitt gibt, in dem die Werte konstant sind. Innerhalb welcher Toleranzen das der Fall ist, wie lang der Bereich mindesten sein muss usw., das sind alles Fragen, die sich nur anhand der realen Daten klären lassen. Das nennt man dann "die Mühen der Ebene".
Das kann ich jetzt beantworten. Ich habe mir eine Test-Messdatendatei erstellt. Dort ist einmal ein exponentieller und einmal ein linearer Verlauf der Y-Werte gespeichert.
Der Bereich, der überprüft werden soll ist hier der gesamte Bereich der X-Werte.
In der Realität würde ich zum Beispiel eingeben wollen: von X=2 bis X=4 soll auf exponentiellen Verlauf überprüft werden.
Ich hänge mal das VI ran, welches die csv ausliest und in einem XY Graphen zeigt. Einmal normal und einmal in halblogarithmischer Darstellung.
Zudem hänge ich noch die beiden Test csv Dateien ran (wenn das möglich ist).
Was ich realisieren möchte: Prüfen, ob ein Verlauf "annähernd" einen exponentiellen Verlauf hat. Dies soll ja mit vorhandenen VI´s möglich sein.
Gruß
Serial
PS: in der neuen Version mache ich eine Lineare und eine Exponentielle Anpassung. Kann ich aufgrund des Restbetrags eine Aussage zur linearität bzw. exp. treffen ? (Restbetrag ist bei der lin. Funktion gleich 0, wenn die exp. geladen wird ist dort der Restbetrag sehr hoch)
Nochmal eine neue Version der Messdaten-Bewertung.
Hier wird anhand des Restbetrags entschieden, ob der Verlauf eher linear oder exp. ist.
Kann man das so machen?
MfG
Serial
Das sieht doch gut aus.
Ich würde die beiden Residues nicht nur vergleichen sondern auch den absoluten Wert berücksichtigen. Wenn beide Residuen sehr groß sind, ist die Streung der Werte vielleicht einfach zu groß, um eine Bewertung vorzunehmen, und die Daten lassen sich vielleicht gar nicht sinnvoll analysieren, weil bei der Messung was schief gegangen ist.
Gruß Holger