Masterarbeiten, Diplomarbeiten

Die Angabe von Messunsicherheiten ist essenzieller Teil für aussagekräftige Messergebnisse, dies gilt insbesondere für Messungen von Strukturgrößen im Nanometerbereich. Durch das Bestreben zur Fertigung von funktionalen Baugruppen auf gekrümmten, asphärischen oder frei-geformten Oberflächen wird an der Weiterentwicklung von Nanomess-, Nanopositionier- und Nanofabrikationsmaschinen geforscht. Die Erweiterung bestehender Maschinen um zwei rotatorische Achsen erfordert auch die Überarbeitung der Messunsicherheitsmodelle. Ziel dieser Arbeit ist es, eine erste Abschätzung über die erreichbare Messunsicherheit unter Verwendung einer fünfachsigen Nanomessmaschine zu geben. Dazu wurde eine typische Messaufgabe analysiert und Untermodelle für die separaten Systemkomponenten erstellt. Eine Untersuchung der Untermodelle hinsichtlich der Einflüsse auf die metrologische Kette führte zu der Erstellung eines gesamtheitlichen vektoriellen Messunsicherheitsmodells. Dieses Modell wurde in eine Python-Programmierumgebung übertragen und anhand von zwei simulierten Messaufgaben überprüft. Die Simulation der erreichbaren Messunsicherheit hat gezeigt, dass die größten Beiträge durch das zeitliche Driftverhalten sowie die Orthogonalitätsabweichungen des Referenzmessystems verursacht werden. Daraus kann eine gezielte Optimierung der fünfachsigen Nanomessmaschine abgeleitet werden. Durch die Implementierung einer Echtzeitkompensation in die Regelung der Nanomessmaschine sowie die genauere Ermittlung der Orthogonalitätsabweichungen und deren Korrekturfaktoren kann die erreichbare Messunsicherheit weiterhin verringert werden.

Um Spannungsmesssysteme mit der geringsten Unsicherheit zu kalibrieren, ist das aktuell beste Spannungsnormal das Josephsonnormal. Die Verwendung von Josephson Junction Array (JJA) ist jedoch nicht nur aufwendig, sondern auch kostenintensiv. Die Untersuchung in dieser Arbeit konzentriert sich auf den Einfluss des Umweltklimas auf Spannungssekundärnormale. Zur Untersuchung musste eine Umschalteinrichtung entworfen werden, die automatisch verschiedene Prüflinge mit einem hochauflösenden Multimeter messen kann. Darüber hinaus musste ein steuerbarer Temperaturregler entworfen werden, um Langzeitmessungen zu ermöglichen. Anschließend wurden die Versuchsgruppen eingerichtet, um die Ausgangsspannung bei verschiedenen Luftfeuchtigkeiten und Temperaturen zu messen und ihre Stabilität zu analysieren. Die Messergebnisse zeigen, dass die Ausgangsspannung weniger schwankt, wenn die Luftfeuchtigkeit im Raum zwischen 26% und 30% liegt. Bei einer Temperatur von 20˚C ist die Stabilität der Ausgangsspannung optimal. Das bedeutet, dass die Temperatur einen stärkeren Einfluss auf die Ausgangsspannung hat als die Feuchtigkeit.

In dieser Arbeit werden die Eigenschaften der Schaltung, die im Geschwindigkeitsmodus der Planck-Waage das Übertragungsverhalten modelliert, und die einzelnen Parameter sowie die Messunsicherheit mit Hilfe von Modellsimulationen, Messungen und Optimierungen untersucht. Die Parameter Cp und Lc, die großen Einfluss auf die Schaltung haben, wurden zunächst durch die Modellierungssimulationen bestimmt. Ri wurde direkt gemessen, um genaue Werte zu erhalten, obwohl der Widerstandswert von Temperatur und Feuchtigkeit beeinflusst wird. Dies wurde wie im Kapitel Messfehler von Widerstand erläutert wird, mit verschiedenen Methoden versucht wurde, Cp und Lc separat zu bestimmen. Da im Inneren eines Multimeters eine Kapazität vorhanden ist und nur schwer direkt gemessen werden kann, wurde ein zusätzlicher Kondensator an der Schaltung angeschlossen und die Gesamtkapazität im Multimeter und in der Schalteinheit durch Differenzbildung berechnet. Die Induktivität der Spule ist ebenfalls schwer zu messen, weshalb sie zunächst anhand ihrer physischen Größe geschätzt und dann durch Simulation auf der Grundlage der Messkurve optimiert wurde. Es ist erwähnenswert, dass sich Cp und Lc nach separaten Optimierungsversuchen als unbefriedigend erwiesen haben. Daher wurden sie gemeinsam als Optimierungsparameter verwendet, um Messfehler zu vermeiden und möglichst genaue Werte zu erhalten. Die Optimierungsergebnisse werden auch erörtert.

In dieser Arbeit wird die Auswirkung der Temperatur auf den Brechungsindex der Luft durch eine programmgesteuerte Anpassung des Luftdrucks kompensiert. Die gesamte Programmierung in diesem Dokument erfolgt in Python. Der erste Schritt besteht darin, sich mit dem vorhandenen pneumatischen System vertraut zu machen und die Änderungen des Luftdrucks zu modellieren und zu analysieren. Um die Korrektheit der Modellierung zu überprüfen, werden die Luftdruckänderungen simuliert. Anschließend wird das bestehende Muster der Luftdruckschwankungen analysiert. Versuchen Sie zunächst die mathematische Methode zur Analyse des Luftdrucks. Die mathematische Methode ermöglicht es, den Durchschnittswert der Luftdruckschwankung zu ermitteln und eine Funktion der Luftdruckschwankung zu bestimmen. Dieser Methode mangelt es jedoch an Genauigkeit und Allgemeinheit. Es ist nicht in der Lage, selbständig zu lernen, und ist vollständig auf die manuelle Einstellung angewiesen. Daher wird die zweite Methode, das maschinelle Lernen, gewählt. Die Methode des maschinellen Lernens hat die Eigenschaften des autonomen Lernens und kann die nachfolgenden Veränderungen des Luftdrucks simulieren. Maschinelles Lernen ist jedoch aufgrund der Hardwarebeschränkungen nicht für den Raspberry Pi geeignet, da maschinelles Lernen mehr Speicher und CPU benötigt, als der Speicher und die CPU des Raspberry Pi aufnehmen können. Daher wurde eine dritte Methode, Boxplots und Tiefpassfilter, gewählt und dazu das Kontrollprogramm und die Prüfung des Programms. Um die Ziele dieser Arbeit zu erreichen, mussten der Vakuumtank und der Überdrucktank programmiert werden, um den Luftdruck des NPMM-200 zu steuern. Der erste Schritt besteht darin, ein zyklisches Programm zu erstellen, das es ermöglicht, den Luftdruck auf den gewünschten Wert des Brechungsindexes der Luft abzustimmen. Der zweite Schritt besteht darin, ein Programm zum Speichern der Daten zu erstellen. Der dritte Schritt besteht darin, ein Programm zum Lesen der Daten zu erstellen. Der vierte Schritt besteht darin, alle Programme zu kombinieren und den Test abzuschließen. Nachdem das Programm den Test abgeschlossen hat, wird es auf den Computer im Labor angewendet, um den Luftdruck zu steuern. Der fünfte Schritt besteht darin, das Programm zu testen. Die Leistung des Programms wird in fünf verschiedenen Experimenten wiederholt getestet. Die Tests führen zu dem Ergebnis, dass das Programm alle Tests bestehen kann. Das Programm ist folglich ein gültiges Programm. In der Testreihe dieser Arbeit wird auch gezeigt, dass eine Lernfunktion für den barometrischen Anpassungskoeffizienten machbar ist. Die Lernmethode hierbei ist eine lineare Methode. Die Methode ist nicht von einer leistungsstarken CPU abhängig und benötigt nicht zu viel Speicherplatz. Die Geschwindigkeit der Aktualisierung der barometrischen Anpassungskoeffizienten, d.h. die Lerngeschwindigkeit, kann durch Änderung des Skalierungsfaktors des neuen Wertes zum alten Wert in der Funktion geändert werden.

Im Rahmen dieser Arbeit wird ein neues Magnetsystem entwickelt und untersucht. Gemäß den VDI-Richtlinien und der Konstruktionslehre erfolgt der Entwicklungsprozess des gestaltoptimierten Magnetsystems methodisch und systematisch. Ausgangspunkt sind die Präzisierung der Aufgabenstellung, die Funktionssynthese und die Suche nach Lösungsprinzipien für einige Anordnungsprinzipien unter Berücksichtigung verschiedener Magnettypen. Die Berechnungen werden nicht nur analytisch, sondern auch numerisch mit der Software COMSOL Multiphysics® durchgeführt. Mittels einer gewichteten Bewertung lässt sich ein geeignetes Lösungsprinzip auswählen und zu einem technischen Entwurf des Magnetsystems weiterentwickeln. Schließlich wird ein Prototyp gebaut und experimentell untersucht. Die wesentliche funktionale Anforderung an das zu entwickelnde Magnetsystem ist die Erzeugung einer Lorentzkraft von mindestens 4,9 N bei einer maximalen Betriebsspannung von 10 V. Hauptsächlich werden drei Lösungsprinzipien für die Anordnung des Magneten ausführlich betrachtet und Funktionsnachweise dazu erbracht, nämlich Scheibenmagnete mit Ringmagneten, Ringmagnete mit Quadermagnetarray, und lediglich Würfelmagnetarray. Die theoretischen Berechnungsergebnisse deuten darauf hin, dass alle drei Anordnungsprinzipien die gewünschte Lorentzkraft erzeugen könnten. Die Variante mit Würfelmagneten weist jedoch weit überdurchschnittliche Eigenschaften auf, z.B. Montagegerechtheit und flexible Austauschbarkeit. Theoretisch könnte eine Lorentzkraft von 11,88 N mit zwei parallel geschalteten Spulen und 360 Würfelmagneten bei einer Betriebsspannung von 6 V erzeugt werden. Wenn die Spulen jedoch in Reihe mit einem 100 Ω Shunt-Widerstand unter der maximalen Betriebsspannung betrieben würden, sollten die Spulen eine Lorentzkraft von etwa 5,71 N schaffen, die die Anforderung erfüllt. Daher wird dieses Lösungsprinzip entsprechend den Bewertungsergebnissen ausgesucht und weiter im Experiment verfolgt. Im Experiment mit dem Würfelmagnetarray lässt sich zusammenfassen, dass der Prototyp die geforderten Funktionen des Magnetsystems gut erfüllt. Allerdings liegen beträchtliche Abweichungen der Lorentzkraft zwischen Theorie und Praxis vor. Als die beiden Spulen bei einer Betriebsspannung von 10 V mit einem Shunt-Widerstand von 100 Ω in Reihe geschaltet wurden, wies das Magnetsystem durchschnittlich eine gemessene Lorentzkraft von 3,41 N mit einer Abweichung von etwa −40,28 % im Vergleich zur Theorie auf. Bei einer zweiten Messung wurden die Spulen in Reihenschaltung ohne Shunt-Widerstand mit ca. 9 V Betriebsspannung durchgeführt, dabei lag die gemessene Lorentzkraft bei 5,08 N, also um 40,72 % niedriger als die theoretische Berechnung. Doch die gewünschte Lorentzkraft wurde erreicht, der experimentell ermittelte Bl-Kennwert (Absolutwert) des Magnetsystems beträgt durchschnittlich demnach ungefähr 85,26 N/A.