Messen von Solenoidlängen und Temperaturen mit Technik

Stell dir ein Gerät vor, das Objekte nur mit einer Elektrospule schieben oder ziehen kann. Das ist ein Magnetventil! Wie Magie, nur mit Wissenschaft. Magnetventile sind einfache Maschinen, die aus zwei Hauptteilen bestehen: einer Spule und einem Kolben. Wenn du Strom durch die Spule schickst, erzeugt das ein Magnetfeld, das den Kolben bewegt. So werden Magnetventile in vielen Geräten eingesetzt, wie zum Beispiel Schlössern, Ventilen und sogar im Auto.

#Die Grundlagen der Magnetventilfunktion

Ein Magnetventil hat normalerweise zwei Hauptzustände: AN und AUS. Wenn es AN ist, wird die Spule aktiviert, und der Kolben wird hinein gezogen. Wenn es AUS ist, wird der Kolben freigegeben. Du kannst steuern, wie weit der Kolben geht, indem du anpasst, wie lange die Spule mit Strom versorgt wird. Aber es gibt mehr als nur den Strom ein- und auszuschalten.

Während sich der Kolben bewegt, beeinflusst seine Position die elektrischen Eigenschaften des Magnetventils. Insbesondere verändert sich die Induktivität mit der Position des Kolbens. Induktivität ist eine Eigenschaft, die uns sagt, wie gut das Magnetventil Energie speichern kann. Wenn wir also diese elektrischen Veränderungen messen können, können wir herausfinden, wie weit sich der Kolben bewegt hat, ohne mechanische Teile oder ausgeklügelte Geräte zu verwenden.

#Technologie zur Messung der Kolbenbewegung und Temperatur

Was wäre, wenn wir nicht nur die Position des Kolbens, sondern auch seine Temperatur messen könnten? Hier kommt neue Technologie ins Spiel, speziell eine Methode, die ein Convolution Neural Network (CNN) nutzt. Warte, roll nicht mit den Augen! Das ist nur eine schicke Art zu sagen, dass wir ein intelligentes Computerprogramm nutzen, um die Daten zu verstehen, die wir sammeln.

Dieses smarte Programm kann Messungen vom Fahrstrom des Magnetventils an zwei verschiedenen Punkten vornehmen und sowohl den Hub (die Position des Kolbens) als auch die Temperatur vorhersagen. Das bedeutet, dass wir alles so einfach wie möglich halten können, ohne Sensoren direkt am Magnetventil anzuschliessen.

#Die grosse Idee hinter unserer Forschung

Wir wollten eine Methode entwickeln, um klug zu verstehen, was mit dem Magnetventil passiert. Anstatt auf klobige Sensoren mit Kabeln überall angewiesen zu sein, haben wir uns entschieden, die elektrischen Veränderungen im Magnetventil zu nutzen, um die Position und die Temperatur vorherzusagen.

Wir haben Experimente durchgeführt, um zu sehen, ob unsere Methode gut funktioniert. Wir haben verschiedene PWM (Pulsweitenmodulation) Einstellungen getestet – das ist einfach eine Möglichkeit, wie viel Strom zum Magnetventil geht. Indem wir änderten, wie lange das Magnetventil AN versus AUS war, konnten wir sehen, wie sich das auf die Position und die Temperatur des Kolbens auswirkte.

#Warum CNN verwenden?

Du fragst dich vielleicht, warum sich die Mühe mit CNN machen? Ist das nicht etwas, das nur Technik-Genies verwenden? Nun, ja und nein! CNNs sind gut darin, Muster in Daten zu erkennen, fast wie ein Detektiv, der ein Rätsel löst. Sie analysieren die Daten des Fahrstroms, die wir gesammelt haben und helfen uns, vorherzusagen, was passiert, ohne alles unter einem Mikroskop betrachten zu müssen. Ausserdem macht es uns super klug!

#Ein Blick auf verwandte Arbeiten

Bevor wir tiefer in unsere Ergebnisse eintauchen, werfen wir einen kurzen Blick darauf, was andere in diesem Bereich gemacht haben.

Viele Forscher haben versucht, die Position des Kolbens auf andere Weise zu messen. Einige verwendeten komplizierte Modelle, während andere auf Sensoren setzten. Aber rate mal? Viele dieser Methoden waren für den Alltag nicht wirklich praktikabel. Warum? Sie erforderten eine Menge Daten und komplexe Setups, die nicht gerade benutzerfreundlich sind.

Also wollten wir die Helden der Einfachheit werden. Wir hatten das Ziel, eine Methode zu entwickeln, die jeder nutzen kann, ohne ein Raketenwissenschaftler sein zu müssen.

#Elektrische Eigenschaften des Magnetventils

Um unseren Ansatz besser zu verstehen, denken wir an die Grundlagen, wie ein Magnetventil funktioniert. Wenn Strom durch die Spule fliesst, erzeugt das ein Magnetfeld. Die Stärke dieses Feldes ändert sich je nach Position des Kolbens, was wiederum die Induktivität beeinflusst.

In einfachen Worten, denk daran wie eine Wippe. Wenn sich der Kolben bewegt, ist es wie das Verschieben von Gewicht auf der Wippe, was die Balance verändert. Diese Balance kann uns wertvolle Informationen über die Position und Temperatur des Kolbens geben, wenn wir die elektrischen Signale richtig messen können.

#Der experimentelle Aufbau

Also, wie haben wir unsere Methode getestet? Wir haben drei verschiedene Magnetventile genommen und einige Experimente eingerichtet. Wir haben Geräte wie ein Thermoelement angeschlossen, um die Temperatur zu messen, und ein Peltier-Element, um die Wärme zu steuern. Ausserdem haben wir das Arduino UNO verwendet, ein praktisches kleines Gerät, das uns hilft, die PWM-Signale zu erzeugen, die wir für unsere Magnetventile brauchen.

Um ein gutes Verständnis zu bekommen, haben wir den PWM-Arbeitszyklus variiert (das ist das AN- und AUS-Timing, das wir vorher erwähnt haben) und die Temperatureinstellungen geändert, um zu sehen, wie sie unsere Vorhersagen beeinflussen würden.

#Unser CNN trainieren

Nachdem wir unsere Daten gesammelt hatten, haben wir sie unserem CNN zugeführt. Denk daran wie das Training eines Welpen. Das CNN hat aus den Daten (die unsere „Leckerlis“ waren) in vielen Durchläufen gelernt, bis es die Bewegung und die Temperatur des Magnetventils genau vorhersagen konnte. Nach dem Training waren wir in der Lage, die Position des Kolbens mit einem Fehler von etwa 0,3 mm und die Temperatur mit einem Fehler von etwa 0,5 Grad vorherzusagen.

#Ergebnisse bewerten

Jetzt kommt der spannende Teil – zu sehen, wie gut unsere Methode funktioniert hat! Wir haben das trainierte Modell verwendet, um unsere Vorhersagen zu bewerten. Wir haben den Kolben in verschiedenen Positionen fixiert und Daten gesammelt, um zu sehen, wie genau unser CNN vorhersagen konnte, wo der Kolben war und welche Temperatur er erreicht hat.

Insgesamt waren unsere Vorhersagen ziemlich genau. Wir haben den durchschnittlichen Vorhersagefehler für die Position des Hubs auf etwa 0,2 mm berechnet, was echt gut ist!

#Vorläufige Kontrollversuche

Aber warte, da gibt’s noch mehr! Wir haben nicht nur die Position und die Temperatur gemessen; wir wollten das Magnetventil auch basierend auf unseren Vorhersagen steuern. Wir haben eine einfache Steuerungsmethode namens PID (Proportional, Integral, Derivat) verwendet.

Einfach gesagt, PID-Steuerung ist wie ein GPS für unser Magnetventil; es hilft uns, unsere Zielposition zu erreichen, indem es anpasst, wie viel Strom an das Magnetventil gesendet wird. Wir haben unsere Steuerungsmethode getestet und festgestellt, dass sie die Zielposition mit weniger als 0,2 mm Fehler verfolgt, obwohl wir einige Sprünge oder Überschüsse bemerkten, besonders beim Annähern an das Ziel.

#Herausforderungen und Beobachtungen

Als wir tiefer eingetaucht sind, haben wir gemerkt, dass unser Magnetventil seine Eigenheiten hat. Die Art, wie der Kolben zieht, kann manchmal dazu führen, dass er das Ziel überschreitet, was ein bisschen nervig sein kann. Es ist wie beim Fangen eines Balls; wenn du zu schnell greifst, verpasst du ihn völlig!

Wir haben festgestellt, dass Magnetventile mechanische Eigenschaften haben, die unser Steuersystem beeinflussen könnten, was es auf eine Weise reaktionsschnell macht, die wir nicht vollständig erwartet haben. Das ist etwas, dem wir weiter nachgehen wollen, zusammen mit der Verfeinerung unserer Temperaturvorhersagen.

#Fazit und Ausblick

Zusammenfassend haben wir einen cleveren Weg entwickelt, um sowohl den Hub als auch die Temperatur eines Magnetventils mithilfe eines intelligenten Algorithmus zu messen. Durch die Nutzung elektrischer Eigenschaften und eines CNN haben wir den Prozess vereinfacht und eine anständige Genauigkeit erreicht.

Dennoch ist die Welt der Magnetventile voller Überraschungen. Obwohl wir gute Ergebnisse erzielt haben, sahen wir, dass es noch Verbesserungspotenzial gibt, insbesondere in Bezug auf Überschüsse und Temperaturvorhersagen.

In unseren zukünftigen Bestrebungen wollen wir ein robusteres Steuerungsmodell entwickeln, das die mechanischen Eigenschaften des Magnetventils berücksichtigt. Ausserdem möchten wir tiefer eintauchen, um herauszufinden, warum unsere Temperaturvorhersagen nicht immer unseren Erwartungen entsprechen.

Der Weg könnte holprig sein, aber wir sind eager, weiterzumachen und unser Steuerungssystem für Magnetventile besser denn je zu machen. Wer weiss? Vielleicht entdecken wir sogar noch mehr von seinem Potenzial – ganz ohne mysteriöse Geräte!