Es gibt einen theoretischen Teil in den ersten 5 Wochen und einen praktischen in den letzten 3 Wochen. Als Theorie und Fertigkeiten werden vermittelt:

Das Software-Entwicklungsprojekt im zweiten Teil soll in Zweiergruppen bearbeitet werden und bildet die Grundlage für die Leistungsbewertung dieses Kurses. Als eingebettetes System wird hier das Arduino Board Arduino Nano 33 IoT benutzt, weil es sowohl einen Sensorchip, als auch einen WiFi-Chip bereits integriert hat und damit ohne das Hinzufügen weiterer Peripherie Systeme realisierbar sind, die einerseits Sensordaten erfassen und andererseits mit einem PC, oder anderen gleichartigen Devices vernetzt sind.

Ein Beispiel um das zu verdeutlichen:

Im täglichen Leben hantieren wir mit Werkzeugen wie Hammer, Nägel, Zollstock und Wasserwaage. Es ist ziemlich einfach, eine App zu programmieren, durch die das Android-Gerät zu einer Wasserwaage wird. Damit wird es zu einem Werkzeug mit einem engebetteten Computer.

Im Verlauf des ersten Teils werden gemeinsam die Möglichkeiten des Arduino-Boards sondiert und jeweils in Modulen zusammengefasst. Dies geschieht durch die Übertragung der Funktionalität in objektorientierte Klassen. Dadurch werden die verschiedenen Funktionalitäten widerverwendbar und kombinierbar.

Auf der Grundlage dieses zuvor erarbeiteten Grundmaterials sind Sie im zweiten Teil gefordert, innerhalb von Zweiergruppen Projekte mit dem Arduino-Board umzusetzen. Dazu soll ein Prototyp auf einem Steckboard gehören, aber auch ein Design-Entwurf für ein endgültiges kompaktes Gerät, das auf der Grundlage dieses Prototyps gebaut werden könnte. Ohne Beschränkung auf diesen Anwendungsfall werden innerhalb des ersten Teils beispielhaft Prototypen und Designentwürfe im Bereich Sensor basiertes elektronisches Musikinstrument geliefert. Jedoch kann Ihr eigenes Beispiel für ein kompaktes eingebettetes System auch nach Abstimmung mit dem Dozenten etwas anderes realsieren.

Beispiele sensorbasierter elektronischer Instrumente

Themen in diesem Zusammenhang

Sonderthemen (Themen, die hier zwar nicht zentral sind, aber in anderen Zusammenhängen Bedeutung haben können)

Es ist schwierig, in der kurzen Zeit das Thema umfassend zu behandeln und dann noch in sinnvoller Weise zu prüfen. Um dieses Problem zu lösen, sollen weitere Beispiele für Eingebettete Systeme zwar behandelt, aber dazu nicht geprüft werden. Dies soll vor allem parallel mit dem Projektteil im zweiten Teil passieren. Geplant ist dort einen Exkurs in der Verwendung eines Autonomen Vehikels mit integriertem Neuronalem Netz durchzuführen, wobei das NN auf basis einer NVIDIA-Grafikkarte mit 128 Prozessoren realisiert ist (Jetson). Desweiteren soll die vorhandene Elektrokutsche in der Maschinenhalle reaktiviert und mit ihr Versuche zu autonomem Fahren durchgeführt werden. Da diese beiden Themen nicht geprüft werden, aber eine sinnvolle Ergänzung insbesondere zu vorangehenden Lehrveranstaltungen im Bereich Neuronale Netze / Deep-Learning bilden, können sie auch relativ weit hinten innerhalb der LV behandelt werden, ohne dass man dabei unter Druck gerät.