' schrieb:das problem dabei ist, dass ich mich mit den datentypen von labviw noch zu wenig auskenne... so hab ich z.b.: keine ahnung wie ich jetr dieses VI verwenden soll... nunja ich habs eben mal mit numerischer mathematik probiert... jezt rechnet der ca 1000 mal in einer schleife bis er auf ein zutreffendes ergebniss kommt... toleranz +/-1 grad, das mit nur 2 Messpunkten! Wenn ich noch check wie ich das mit mehr Messpunkten mache wirds noch genauer, bin dafür aber grad in der Matura(bei euch Abitur)zeit ziemlich ausgebucht...
wie genau wird denn ein ergebniss mit der interpolation? also ich bekomm wenn ich eine y=A*(1-exp(-t/T) funktion mit A von zb 80 simulier mit 2 Messungen einen ausgerechneten Endwert von 80,345 zb... wie genau kommt ihr hin?
Wenn wer mein VI sehen will schreibt mir einfach!
mfg
2 Messpunkte? Und damit extra(inter)polieren bei einer Anpassungsfunktion, die 2 freie Parameter (A & T) hat? Das ist ein wenig dünn.
Ergebnisse bei meinem Screenshot hängen vor allem davon ab, wieviel Rauschen ich drauf gebe und wie lange ich Daten sample (je länger, desto besser natürlich).
Wenn du nicht weisst, ob oder wie du jetzt Daten(typen) anschliesst, oder ob du es jetzt richtig gemacht hast, dann poste mal deine Versuche/VI, dann sehen wir weiter. Wobei ich sagen muss, die Online-Hilfe zum erwähnten VI ist doch eigentlich recht ausführlich...
MfG, Jens
P.S.: @Eugen: das mit nicht-lineare Anpasssung habe ich wohl etwas unglücklich ausgedrückt. Wollte halt auf das allgemeine "Non-Linear Curve Fit-VI" raus. Bei Modellen wie exp(c*x) kommt man bei der Anpassung unter Umständen mit Minimierung nach Fehlerquadratmethode aus, das kann man dann über ein lineares Gleichungssystem lösen. Aber bei Funktionen wie a + b*exp(c*x) sieht es dann schlecht bis schwierig aus, weshalb dann eben das oben erwähnte VI (welches iterativ die Parameter optimiert) angesagt ist. Aber ich schweife ab...
