In dieser Arbeit werden Einsatzmöglichkeiten des Android-Smartphones Samsung Galaxy S4 als Experimentiermittel im Physikunterricht untersucht. Diese Arbeit setzt vor diesem Hintergrund folgende Schwerpunkte: Durchführung und Auswertung typischer Experimente mit den internen Sensoren des Samsung Galaxy S4; Durchführung neuer, in dieser oder ähnlicher Form noch nicht publizierter, Versuche; Evaluation und Vergleich von verschiedenen, in bisherigen Publikationen häufig erwähnten, Apps zur Datenerfassung; Vergleich der Messergebnisse von Smartphone und anderen Messmitteln oder der Theorie bei Berücksichtigung der Messfehler.
Aufgrund des begrenzten Umfangs dieser Arbeit wurden von den verschiedenen Sensoren des Samsung Galaxy S4 ausschließlich der Beschleunigungs- sowie Magnetfeldsensor untersucht.
Im Laufe der letzten sieben Jahre haben sich die Fachzeitschriften im Bereich Physikdidaktik (z. B. The Physics Teacher, Naturwissenschaft im Unterricht Physik, Praxis der Naturwissenschaften ─ Physik in der Schule, Computer + Unterricht) bereits mit dem Thema „Smartphone im Physikunterricht“ beschäftigt und dabei eine Vielzahl möglicher Experimente publiziert. Eine entsprechende umfangreiche Zusammenstellung, sortiert nach dem jeweils benutzen Sensor, findet sich im Anhang dieser Arbeit
Inhalt
Abbildungsverzeichnis
Tabellenverzeichnis
Symbolverzeichnis
1 Smartphone im Physikunterricht
2 Sensoren in Android-Smartphones
2.1 Beschleunigungssensor
2.2 Magnetfeldsensor
3 Messwerterfassung für Android-Endgeräte
3.1 Datenerfassung für multiple Sensoren
3.2 Datenerfassung Beschleunigung
3.3 Datenerfassung Magnetfeldstärke
3.4 Remote Control
3.5 Samsung Galaxy S
4 Experimente: Beschleunigung
4.1 Versuch A1: Federpendel
4.1.1 Versuchsprinzip
4.1.2 Versuchsaufbau
4.1.3 Versuchsdurchführung
4.1.4 Messwerterfassung Smartphone
4.1.5 Versuchsauswertung
4.1.6 Fazit
4.2 Versuch A2: Lagebestimmung Sensor
4.2.1 Versuchsprinzip
4.2.2 Versuchsaufbau
4.2.3 Versuchsdurchführung
4.2.4 Versuchsauswertung
4.3 Versuch A3: Zentripetalbeschleunigung
4.3.1 Versuchsaufbau
4.3.2 Versuchsdurchführung
4.3.3 Versuchsauswertung
4.3.4 Fazit
4.4 Versuch A4: Richtung der Beschleunigung
Abbildung in dieser Leseprobe nicht enthalten
5 Experimente: Magnetfeld
5.1 Lagebestimmung Magnetfeldsensor
5.2 Versuch B1: Magnetfeld einer stromdurchflossenen Spule
Abbildung in dieser Leseprobe nicht enthalten
6 Zusammenfassung und Ausblick
7 Quellenverzeichnis
A Anhang
A.1 Sensoren Samsung Galaxy S4 (GT-I9505)
A.2 Versuch A1: Federpendel
A.3 Versuch A2: Position Beschleunigungssensor
A.4 Versuch A3: Zentripetalbeschleunigung
A.5 Versuch A5: Luftkissenbahn (Schwingung)
A.6 Versuch B1: Magnetfeld einer stromdurchflossenen Spule
A.7 Versuch B2: Stromdurchflossener Leiter ─ Magnetfeldrichtung
A.8 Versuch B3: Magnetfeld eines langen stromdurchflossenen Leiters
A.9 Experimente
Danksagung
Gerne mochte ich mich in dieser Form bei Herrn Daniel Schwarz bedanken, der den experimentellen Teil meiner Arbeit durch seine fachliche Unterstutzung begleitet hat.
Abbildungsverzeichnis
Abbildung 2-1: Sensor Koordinatensystem (Android Open Source Project 2016d)
Abbildung 2-2: Inertialsensor ─ Funktionsprinzip (Tränkler und Reindl 2014: 545)
Abbildung 2-3: Piezoresistiver Beschleunigungssensor (Halbbrücke) ─
Funktionsprinzip (Tränkler und Reindl 2014: 557)
Abbildung 2-4: Piezoelektrischer Beschleunigungssensor ─ Funktionsprinzip
(Tränkler und Reindl 2014: 558)
Abbildung 2-5: Kapazitiver MEMS-Beschleunigungssensor − Funktionsprinzip
(Tränkler und Reindl 2014: 555)
Abbildung 2-6: Kapazitiver MEMS-Beschleunigungssensor ─ Mikroskopische
Aufnahme (MEMS Journal 2010)
Abbildung 2-7: Hall-Effekt (Meschede 2010: 369)
Abbildung 3-1: App „mobizen“ (PC-Screenshot). Datentransfer ausgewählt
Abbildung 4-1: Aufbau Expe-riment A1 (Smartphone)
Abbildung 4-2: Aufbau Experiment A1 (links: statisch, rechts: dynamisch)
Abbildung 4-3: Auswertung Experiment A1 (Messwerte SparkVue (SV))
Abbildung 4-4: Auswertung Experiment A1 (Messwerte AccelVisu (AV))
Abbildung 4-5: Auswertung Experiment A1 (Messwerte AndroSensor (AS))
Abbildung 4-6: Auswertung Experiment A1 (Messwerte Physics Toolbox (TB))
Abbildung 4-7: Auswertung Experiment A1 (Messwerte Sensor Kinetics (SK))
Abbildung 4-8: Auswertung Experiment A1 (Beschleunigung ay(t) in den
Bewegungsphasen)
Abbildung 4-9: Auswertung Experiment A1 (Geglättete Messwerte
(Savitzky Golay Filter). Messreihe TB3)
Abbildung 4-10: Auswertung Experiment A1 (Frequenzspektrum. Messreihen
TB1-TB3)
Abbildung 4-11: Auswertung Experiment A1 (Fehler Smartphone ΔT,
resampelt 100Hz, linear interpoliert, (vlnr: AS, AV, SK))
Abbildung 4-12: Auswertung Experiment A1 (Federsteifigkeit, statisch)
Abbildung 4-13: Auswertung Experiment A1 (Federsteifigkeit, dynamsich)
Abbildung 4-14: Koordinatensystem bei der Beschleunigungsmessung und
Rotation (eigene Darstellung)
Abbildung 4-15: Aufbau Experiment A
Abbildung 4-16: Aufbau Experiment A2 (Kunststoffplatte mit drei Drehpunkten, maßstabsgetreu)
Abbildung 4-17: Auswertung Experiment A2 (Rauschen und Offset ax. 1. Drehpunkt)
Abbildung 4-18: Auswertung Experiment A2 (Drehpunkt 1)
Abbildung 4-19: Sensorposition (eigene Darstellung)
Abbildung 4-20: Aufbau Experiment A
Abbildung 4-21: Auswertung Experiment A3 (Rauschen und Offset ax. Radius 1)
Abbildung 4-22: Auswertung Experiment A3 (Beschleunigungskomponenten
Radius 1, T=1,1s)
Abbildung 4-23: Auswertung Experiment A3 (Nichtperiodische Messung
Radius 3, T=4s)
Abbildung 4-24: Auswertung Experiment A3 (Radius 2, T=1,1s)
Abbildung 4-25: Auswertung Experiment A3 (Radius 6, T=5,0s)
Abbildung 4-26: Ergebnisse Experiment A3 (Zentripetalbeschleunigung ac (T)
Radius 3)
Abbildung 4-27: Ergebnisse Experiment A3 (Absolute Abweichung Messung – Rechnung)
Abbildung 4-28: Ergebnisse Experiment A3 (Relative Abweichung Messung –
Rechnung
Abbildung 4-29: Fehleranalyse Experiment A3 (Rechnung, relativ)
Abbildung 4-30: Beschleunigungs-komponenten. Bewegung auf einer
gekrümmten Bahn (Tipler u.a. 2015: 64)
Abbildung 4-31: Aufbau Experiment A
Abbildung 4-32: Auswertung Experiment A3 (Visualisierung der Beschleunigung
Link: Videoanalyse, Rechts: App „AccelVisu“
(Video-Screenshots, 90° gedreht))
Abbildung 4-33: Auswertung Experiment A4 (Beschleunigungskomponenten in der
Videoanalyse). (Eigene Darstellung)
Abbildung 4-34: Ergebnisse Experiment A4 (Beschleunigungskomponenten at(t), ar(t))
Abbildung 4-35: Aufbau Experiment A
Abbildung 4-36: Aufbau Experiment A5 (Screenshot aus der Software „Tracker“ mit
Maßstab (blau) und Koordinatensystem (pink). Ausgelenkter Zustand)
Abbildung 4-37: Auswertung Experiment A5 (Feder 1, Masse mb)
Abbildung 4-38: Auswertung Experiment A5 (Feder 2, Masse ma)
Abbildung 4-39: Auswertung Experiment A5 (Feder 2, Masse mc)
Abbildung 4-40: Auswertung Experiment A
(Frequenzspektrum Feder 1 für ma, mb, mc)
Abbildung 4-41: Auswertung Experiment A
(Frequenzspektrum Feder 2 für ma, mb, mc)
Abbildung 5-1: Position des Magnetfeldsensors
Abbildung 5-2: Magnetfeldlinien eines stromdurchflossenen Leiters
(Demtröder 2013: 86)
Abbildung 5-3: Magnetfeld einer stromdurchflossenen Zylinderspule
(Demtröder 2013: 86)
Abbildung 5-4: Aufbau Experiment B
Abbildung 5-5: Auswertung Experiment B1 (By (t), Bleiakkumulator, AndroSensor)
Abbildung 5-6: Auswertung Experiment B
(Rauschen und Offset By, I=400mA. Physics Toolbox)
Abbildung 5-7: Ergebnis Experiment B1 (By (A), lineare Regression. SK, TB)
Abbildung 5-8: Ergebnis Experiment B1 (By (n), lineare Regression, I=500mA. TB)
Abbildung 5-9: Aufbau Experiment B
Abbildung 5-10: Auswertung Experiment B2 (Bx (t), By (t), Bz (t))
Abbildung 5-11: Ergebnis Experiment B2 (By (I). Smartphone, Sonde, Rechnung)
Abbildung 5-12: Fehleranalyse Experiment B2 (Absolute Abweichung ΔB (I))
Abbildung 5-13: Magnetfeld eines langen stromdurchflossenen Leiters
(Demtröder 2013: 87)
Abbildung 5-14: Aufbau Experiment B
Abbildung 5-15: Durchführung Experiment B3 (Richtungs-zuweisung)
Abbildung 5-16: Auswertung Experiment B3 (Messung der Magnetfeldrichtung)
(Eigene Darstellung)
Abbildung 5-17: Auswertung Experiment B3 (Magnetfeldrichtung um einen stromdurchflossenen Leiter. App „3D Compass and Magnetometer“)
Abbildung 5-18: Auswertung Experiment B
(Messfehler des Abstands zum Leiter). (Eigene Darstellung)
Abbildung 5-19: Ergebnis Experiment B3 (Bres (r). Messungen und Rechnung)
Abbildung 5-20: Ergebnis Experiment B3 (Bres (r). Messungen und Rechnung
Abstand r>20mm)
Abbildung 5-21: Ergebnis Experiment B3 (Absolute Abweichung zw
Rechnung und Messung ΔB(r))
Abbildung 5-22: Ergebnis Experiment B3 (Relative Abweichung zw
Rechnung und Messung ΔBrel (r))
Abbildung 5-23: Fehleranalyse Experiment B3 (ΔBabs (r), ΔBrel (r))
Abbildung 5-24: Aufbau Experiment B
Abbildung 5-25: Auswertung Experiment B4 (Magnetfeldrichtung)
Abbildung 5-26: Auswertung Experiment B4 (Andro Sensor)
Abbildung 5-27: Auswertung Experiment B4 (Physics Toolbox)
Abbildung 5-28: Auswertung Experiment B4 (TB, f=1...8Hz, konst. Amplitude)
Abbildung 5-29: Auswertung Experiment B4 (TB, f=0,5Hz, versch. Amplituden)
Abbildung 5-30: Auswertung Experiment B4 (TB, f=2Hz, Bmax≈500μT)
Abbildung 7-1: Versuch A1 (Smartphone Rohdaten)
Abbildung 7-2: Versuch A3 (Beschleunigungen, Radius 1)
Abbildung 7-3: Versuch A3 (Beschleunigungen, Radius 2)
Abbildung 7-4: Versuch A3 (Beschleunigungen, Radius 5)
Abbildung 7-5: Versuch A3 (Beschleunigungen, Radius 6)
Abbildung 7-6: Versuch A5 (Messergebnisse Feder 1 (weich), Masse ma)
Abbildung 7-7: Versuch A5 (Messergebnisse Feder 2 (hart), Masse mb)
Abbildung 7-8: Versuch A5 (Messergebnisse Feder 1 (weich), Masse mc)
Abbildung 7-9: Versuch B1 (Messergebnisse Akku, TB)
Abbildung 7-10: Versuch B1 (Messergebnisse Akku, SK)...
Tabellenverzeichnis
Tabelle 2-1: Im Android-Basisquellcode unterstützte Sensoren. (vgl Android Open Source
Abbildung in dieser Leseprobe nicht enthalten
Symbolverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Smartphone im Physikunterricht
„Smartphones are very powerful and very flexible. It’s an enormous platform that we’re only now beginning to think about for science.“ (Cartwright 2016: 671)
Dieses Zitat aus der renommierten Fachzeitschrift „Nature“ macht das heutige Potential und die mögliche Bedeutung von Smartphones in den Naturwissenschaften deutlich. Aktuelle Geräte enthalten bereits standardmäßig eine Vielzahl fest verbauter Sensoren, welche über geeignete und zumeist kostenfreie Apps ausgelesen werden können. Neben der Verwendung als vielfältiges Experimentiermittel bietet das Smartphone im Physikunterricht auch weitergehende Einsatzmöglichkeiten, z. B. zur Informationsgewinnung (bspw. Internetrecherche), Übung (bspw. Karteikarten, Übungs-Apps), Exploration (bspw. interaktive Simulationen), Dokumentation (Diktiergerät, Foto-/Videokamera) sowie zum kabellosen Datenaustausch über Bluetooth, WLAN usw. (vgl. Müller u. a. 2010: 1,6). Im Gegensatz zu anderen, häufig auch teuren, Messmitteln in der Physik ist bei Kindern und Jugendlichen in der Regel eine hohe Vertrautheit im Umgang mit Smartphones zu erwarten. So besitzt praktisch jeder Jugendlicher und jede Jugendliche (> 90%) zwischen 14 und 19 Jahren ein eigenes Smartphone, auf denen zu über 70% das Betriebssystem Android installiert ist (vgl. Mpfs 2015: 46). Durch ihre intuitive Bedienbarkeit und der Möglichkeit zur Nutzung diverser vorhandener sowie der Entwicklung von neuen Apps zur Datenerfassung bzw. Analyse, besitzen die Geräte das Potential, die Messtechnik eher in den Hintergrund treten zu lassen. So könnte eine stärkere Fokussierung auf die physikalischen Inhalte erreicht werden (vgl. Kuhn u. a. 2015: 4f). Aus fachdidaktischer Perspektive wird aufgrund des starken Alltags- und Lebensweltbezugs zudem eine erhöhte Motivation der Lernenden sowie ein verbesserter kognitiver Lernerfolg bei der Untersuchung physikalischer Phänomene mit dem Smartphone vermutet (vgl. Kuhn u. a. 2015: 5). Von einem psychologischen Standpunkt her können weitere positive Auswirkungen auf die Lernmotivation aus einem verstärkten Autonomieerleben abgeleitet werden (vgl. Richard & Deci 2000: 68–78). So erlaubt das Smartphone den Schülerinnen und Schülern häufig ein eher selbstständiges Experimentieren und bietet zudem vielfältige Möglichkeiten zu wiederholenden oder weitergehenden Experimenten im Alltagskontext außerhalb der Schule (vgl. Kuhn u. a. 2015: 5).
In dieser Arbeit werden Einsatzmöglichkeiten des Android-Smartphones Samsung Galaxy S4 als Experimentiermittel untersucht. Im Laufe der letzten sieben Jahre haben sich die Fachzeitschriften im Bereich Physikdidaktik (z. B. The Physics Teacher, Naturwissenschaft im Unterricht Physik, Praxis der Naturwissenschaften ─ Physik in der Schule, Computer + Unterricht) bereits mit dem Thema „Smartphone im Physikunterricht“ beschäftigt und dabei eine Vielzahl möglicher Experimente publiziert. Eine entsprechende Zusammenstellung, sortiert nach dem jeweils benutzen Sensor, findet sich im Anhang A.9 dieser Arbeit. Meist verfügen Android-Smartphones verschiedener Modellreihen, selbst bei dem gleichen Hersteller, über unterschiedliche Hardwarekomponenten. Dies gilt auch für die verbauten Sensoren, so dass Differenzen in deren Leistungsfähigkeit auftreten können (vgl. Steele u. a. 2011). Daher ist zu erwarten, dass mit anderen Smartphones gewonnene, bereits publizierte Versuchsergebnisse, nicht unbedingt mit dem Samsung Galaxy S4 in gleicher Güte reproduziert werden können. Zur Datenerfassung kommen bei Android-Geräten1, den gesichteten Publikationen nach, fast ausschließlich bereits über GooglePlay2 erhältliche Apps zur Anwendung. Dabei wurde, soweit bekannt, bisher keine Gegenüberstellung der mit unterschiedlichen Apps aufgezeichneten Messdaten durchgeführt. Die Programmierung neuer, speziell für das experimentelle Vorhaben entwickelter oder fachdidaktisch aufbereiteter Software, scheint eher eine Ausnahme darzustellen (vgl. z. B. Egri & Szabó 2015: 162). Häufig fehlen bei den veröffentlichen Experimenten auch Vergleichsmessungen mit anderen Messmitteln. Insbesondere die Gegenüberstellung mit Equipment, welches typischerweise in der Physiksammlung einer Schule vorhanden sein sollte, erscheint dabei zu sehr vernachlässigt. Diese Arbeit setzt vor diesem Hintergrund folgende Schwerpunkte:
- Durchführung und Auswertung typischer Experimente mit den internen Sensoren des Samsung Galaxy S4.
- Durchführung neuer, in dieser oder ähnlicher Form noch nicht publizierter, Versuche.
- Evaluation und Vergleich von verschiedenen, in bisherigen Publikationen häufig erwähnten, Apps zur Datenerfassung.
- Vergleich der Messergebnisse von Smartphone und anderen Messmitteln oder der Theorie3 bei Berücksichtigung der Messfehler.
Die Weiterverarbeitung und Analyse der in den Experimenten gewonnenen Daten erfolgt mit der kommerziellen Software MATLAB4. Sie erlaubt die Handhabung und numerische Verarbeitung großer Datenmengen in Matrizen, was für den Anwender eine hohe Flexibilität bei der Versuchsauswertung bedeutet.
Aufgrund des begrenzten Umfangs dieser Arbeit, wurden von den verschiedenen Sensoren des Samsung Galaxy S4 ausschließlich der Beschleunigungs- sowie Magnetfeldsensor untersucht. Experimente mit diesen beiden Sensortypen sind vergleichsweise häufig publiziert worden (vgl. Anhang A.9). Ihnen wird daher hier eine erhöhte Bedeutung zugesprochen. Im Gegensatz zum Mikrofon oder der Kamera können sie zudem nicht einfach durch andere, gebräuchliche Mittel (z. B. Digitalkamera, Tischmikrofon) und einen Computer ersetzt werden.
2 Sensoren in Android-Smartphones
Die derzeit von der Open Handset Alliance unter dem Vorsitz von Google entwickelte Android Plattform (vgl. Funk 2012) unterstützt in ihrer Basisversion eine Reihe unterschiedler Sensortypen, wie sie in mobilen Endgeräten zum Einsatz kommen. Diese Sensoren können drei groben Kategorien zugeordnet werden (vgl. Android Open Source Project 2016b):
(1) Bewegungssensoren
(2) Umgebungssensoren
(3) Lagesensoren
Bewegungssensoren messen Kräfte, die aufgrund von linearer sowie rotatorischer Bewegung des Geräts bzw. des Sensors auftreten. In diese Kategorie fallen der Beschleunigungssensor und das Gyroskop. Umgebungssensoren dienen zur Erfassung des Luftdrucks (Barometer), der Umgebungstemperatur (Thermometer), der Luftfeuchtigkeit (Hygrometer) oder der Beleuchtungsstärke (Photometer). Um die Orientierung des Telefons im Raum zu bestimmen, kommen Lagesensoren zum Einsatz. In dieser Kategorie befindet sich hardwareseitig derzeit ausschließlich das Magnetometer zur Messung der magnetischen Flussdichte (vgl. Android Open Source Project 2016b). Die von diesem Sensor gewonnenen Daten erlauben, zusammen mit denen der Bewegungssensoren, einen Rückschluss auf die Orientierung des Telefons im Raum. Man spricht in diesem Zusammenhang zwar von einem Lagesensor, der jedoch rein softwarebasiert und somit virtuell ist (vgl. Steele u. a. 2011: 10A). Dieser und weitere virtuelle Sensoren sind fest in Android implementiert und können von den meisten Apps bei der Datenerfassung auch ausgelesen werden (vgl. Kapitel 3).
Tabelle 2-1 (Seite 5) beinhaltet eine Reihe der im Basiscode von Android unterstützten Sensoren. Entwickler können kostenlos auf den Android-Basisquellcode zugreifen (Open- Source) und diesen an ihre spezielle Hardware sowie eigene Wünsche anpassen. Derartige Änderungen können, müssen jedoch nicht, an das Android Open Source Projekt (AOSP) zurückgemeldet werden. Die Implementierung in den Basis-Quellcode findet daher nur für rückgemeldete und von den AOSP Verantwortlichen als sinnvoll erachtete Änderungen statt (vgl. Funk 2012). Entsprechend sind weitere, nicht gelistete Sensoren in Smartphones, sowohl auf Seiten der Hard- als auch Software, grundsätzlich möglich. Ein Beispiel ist der RGB- Lichtsensor des Samsung Galaxy S4, dessen Informationen zum Lichtspektrum nicht über einen im Android Basis-Quellcode implementierten Sensor ausgelesen werden können.
Seit der Veröffentlichung des ersten Android-Smartphones (T-Mobile G1 mit Android- Version 1.0) Ende 2008 (vgl. Gozalvez 2008: 3) wurde die Unterstützung verfügbarer Sensoren im Basisquellcode stetig ausgebaut. Das G1 (alias HTC Dream) verfügte bereits über Sensorik zur Messung der Beschleunigung sowie der magnetischen Flussdichte (vgl. Steele u. a. 2011: 9A–10A). Mit der Veröffentlichung von Android 2.3 wurden beispielsweise auch Gyroskop und Drucksensor in dem Open-Source Quellcode implementiert, mit Android 4.0 kam schließlich die Unterstützung zur Messung von Umgebungstemperatur sowie der Luftfeuchtigkeitssensor hinzu (vgl. Android Open Source Project 2016b).
Koordinatensystem
Das in Abbildung 2-1 dargestellte kartesische Koordinatensystem wird im Allgemeinen von folgenden Sensoren mobiler Android-Endgeräte als Referenzsystem verwendet:
- Beschleunigung
- Erdbeschleunigung
- Gyroskop
- Lineare Beschleunigung
- Magnetfeldstärke
Da das Koordinatensystem gerätefest und somit in der Regel mitbewegt ist, handelt es sich um kein Inertialsystem5. Die
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2-1: Sensor Koordinatensystem (Android Open Source Project 2016d) Orientierung des Koordinatensystems ist im Standardfall unabhängig von der selbstständigen Ausrichtung der Bildschirmanzeige (vgl. Android Open Source Project 2016b).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2-1: Im Android-Basisquellcode unterstützte Sensoren. (vgl Android Open Source Project 2016b), (vgl. Android Open Source Project 2016a)
Micro-Electromechanical Systems (MEMS)
Bei vielen der im Smartphone verwendeten Sensoren handelt es sich um Chips, die mechanische und elektrische Informationen verarbeiten können (vgl. Vogt 2014: 1). Diese als Micro-Electromechanical Systems (MEMS) bezeichneten, miniaturisierten Bauteile werden weitestgehend aus Silizium gefertigt. Sie beinhalten, neben einer komplexen 3D- Mikrostrukur8 selbst, häufig auch weitere integrierte elektronische Komponenten zur Signalverarbeitung in Form von Mikrocontrollern (vgl. Bogue 2007: 7f). So können beispielsweise Eingangssignale wie Kraft, Druck oder Magnetfeldstärke direkt im Chip in ein elektrisches Signal umgesetzt werden (vgl. Glück 2005: 139). Der Aufbau von MEMS orientiert sich stark an vergleichbaren, bewährten Strukturen aus der Mechatronik oder Feinwerkmechanik und wurde konsequent miniaturisiert (vgl. Glück 2005: 140). Neben den Sensoren werden auch mikromechanische Aktuatoren zu der Gruppe der MEMS gezählt, welche elektrische Energie in mechanische Arbeit umwandeln können (vgl. Glück 2005: 139). Die Herstellung der geometrischen Struktur erfolgt dabei hauptsächlich in Prozessen, die auf Lithographie9 basieren (vgl. Tränkler und Reindl 2014: 361). Neben den hier vorgestellten Anwendungen finden sich weitere Einsatzgebiete für auf MEMS-Technologie basierende Sensoren bei der Messung von Volumen- bzw. Massenströmen, Bauteilspannungen oder auch von Infrarotstrahlung (vgl. Bogue 2007: 9). Der kommerzielle Einsatz von MEMS-Sensoren begann in den 1970er Jahren in verschiedenen industriellen Bereichen, besonders in der Luftfahrt. Hier besteht auch heute, neben militärischen Applikationen, ein Markt für hochpreisige MEMS-Präzisionssensoren. Auf der anderen Seite konnte der Massenmarkt, aufgrund deutlich vergünstigter Fertigungsverfahren, etwa 10 Jahre später mit dem Einsatz in der Automobilindustrie erschlossen werden. Ein typisches Einsatzgebiet in diesem Industriezweig lag und liegt beispielsweise in der Auslöseelektronik von Airbags (vgl. Glück 2005: 149). Heutzutage sind derartige Sensoren, aufgrund ihrer äußerst geringen Größe und weiter gefallenden Bauteilkosten, neben fast allen Bereichen der Industrie auch in der Unterhaltungselektronik nicht mehr wegzudenken. Wir finden sie beispielsweise in Computern, Tablets, Smartphones, Digitalkameras oder Spielekonsolen. (vgl. Bogue 2013: 300f)
2 .1 Beschleunigungssensor
Beschleunigungssensoren in Smartphones zählen zu der Gruppe der MEMS-Inertialsensoren (vgl. Vogt & Kuhn 2014: 2). Diese Sensoren basieren auf dem Trägheitsprinzip10 (vgl. Tränkler & Reindl 2014: 541) und messen daher prinzipiell die auf eine Prüfmasse m ausgeübte Kraft F (vgl. Tränkler & Reindl 2014: 543). Der Zusammenhang zwischen Kraft, Impuls p und der Beschleunigung a wird durch das 2. Newton’sche Axiom11 beschrieben:
Abbildung in dieser Leseprobe nicht enthalten
Die Ermittlung der Beschleunigung erfolgt auf technischer Ebene meist in nur einer Dimension. Ein Beschleunigungssensor für mehrere Raumrichtungen beinhaltet daher in der Regel drei lineare Sensoren, die entsprechend eines kartesischen Koordinatensystems zueinander positioniert bzw. kombiniert (vgl. Abbildung 2-5) werden (vgl. Dadafshar 2014: 2). Im weiteren Verlauf dieser Arbeit wird daher auf die vektorielle Schreibweise verzichtet.
Die Prüfmasse, auch seismische Masse genannt, ist im einfachsten Fall über mindestens eine Feder mit dem Gehäuse des Geräts (Ankerpunkt) verbunden. Man spricht dabei von einer „harten“ Kopplung, da der Aufbau der Sensoren nur sehr geringe Verschiebungen zulässt und eine entsprechend hohe Federkonstante k erfordert (vgl. Tränkler & Reindl 2014: 544f). Wirkt aufgrund einer Beschleunigung eine Kraft F a auf das System ein, so führt diese zu einer kleinen Verschiebung z der seismischen Masse gegenüber des festen Ankerpunkts (vgl.
Abbildung 2-2). Der Zusammenhang zwischen Verschiebung und Beschleunigung ergibt sich im einfachsten Fall aus der Differenzialgleichung für einen gedämpften12 Einmassenschwinger und idealisiert einer geschwindigkeitsproportionalen Reibung (Dämpfungskonstante c):
Abbildung 2-2: Inertialsensor ─ Funktionsprinzip (Tränkler & Reindl 2014: 545)
Abbildung in dieser Leseprobe nicht enthalten
Im Idealfall ist das aus der Verschiebung generierte Ausgangssignal des Sensors direkt proportional zur Beschleunigung.
Technisch unterscheiden sich Inertialsensoren im Wesentlichen darin, wie diese Auslenkung messtechnisch bestimmt wird (vgl. Tränkler und Reindl 2014: 543f). Für den industriellen Einsatz, also auch im Bereich der Unterhaltungsindustrie, werden vornehmlich drei Typen verwendet (vgl. Glück 2005: 149):
- Piezoresistive Beschleunigungssensoren
- Piezoelektrische Beschleunigungssensoren
- Kapazitive Beschleunigungssensoren
Die weiteste Verbreitung finden kapazitive und piezoresistive Beschleunigungssensoren (vgl. Leondes 2006: 31), wobei in der MEMS-Technik erstere besonders große Bedeutung erlangt haben (vgl. Glück 2005: 149).
Piezoresistive Beschleunigungssensoren
In dem ersten Android-Smartphone, dem bereits erwähnten T-Mobile G1 bzw. HTC Dream, wurde ein piezoresistiver Beschleunigungssensor verbaut (vgl. Steele u. a. 2011: 10A). Als Sensorbasiswerkstoff eingesetzte piezoresistive Materialen in Beschleunigungssensoren sind häufig Halbleiter (z. B. Silizium oder Germanium), deren elektrischer Widerstand sich proportional zur wirkenden Druck- bzw. Zugbelastung besonders stark verändert13 (vgl. Bhattacharyya & Roy 2014: 2). Die Auswertung der Widerstandsänderung erfolgt, wie auch bei Dehnmessstreifen (DMS) aus Metall allgemein üblich, in einer Wheatstone-
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2-3: Piezoresistiver Beschleunigungssensor (Halbbrücke) ─ Funktionsprinzip (Tränkler & Reindl 2014: 557)
Brückenschaltung (vgl. Tränkler & Reindl 2014: 556f). Der vorzeichenrichtige Einsatz von bis zu vier aktiven Sensoren (Vollbrücke) erhöht dabei die Messgenauigkeit wesentlich (vgl. Weichert & Wülker 2011: 46f). In der einfachsten Ausführung dieses Sensortyps wird die Auslenkung der Probemasse über die Messung der Materialdehnung an der Aufhängung realisiert (vgl. Bhattacharyya & Roy 2014: 23). Piezoresistive Sensoren besitzen prinzipiell eine sehr hohe Genauigkeit, weisen auf der anderen Seite jedoch eine sehr starke Temperaturabhängigkeit und vergleichsweise hohe Wärmeentwicklung auf (vgl.
Bhattacharyya & Roy 2014: 23).
Piezoelektrische Beschleunigungssensoren Piezoelektrische Beschleunigungssensoren nutzen zur Messung den piezoelektrischen Effekt. Bei bestimmten Werkstoffen, den sogenannten piezoelektrischen Materialien, kommt es bei einer äußeren Belastung zur Dehnung, bzw. Stauchung, des Bauteils und einer damit einhergehenden Ladungsverschiebung im Kristallgitter. Typische Materialien sind Quarz oder keramische Rohstoffe wie Barium oder auch Blei-Zirkonat/-Titanat (vgl.
Tränkler & Reindl 2014: 557f). Ein Ladungsverstärker ermöglicht das Messen der sehr geringen Oberflächenladungsdifferenz durch Ausgabe eines elektrischen Spannungssignals
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2-4: Piezoelektrischer Beschleunigungssensor ─ Funktions- prinzip (Tränkler & Reindl 2014: 558)
(vgl. Lerch 2007: 189f). Dieses ist ein Maß für die Stauchung oder Dehnung der Piezokeramik und damit für die wirkende äußere Kraft (vgl. Abbildung 2-4). Die Kopplung ist bei einem piezoelektrischen Beschleunigungssensor besonders hart, da sich die Federsteifigkeit des Feder-Masse Systems nur aus den Elastizitätsmoduln der beteiligten Werkstoffe zusammensetzt und daher besonders hoch ausfällt. Dies führt zu großen Eigenfrequenzen des Sensors, so dass er sich für ein breites Frequenzspektrum eignet. Ein wesentlicher Nachteil der Messmethode besteht darin, dass es aufgrund des stets endlichen Isolierwiderstands zu einem Ladungsausgleich und folglich auch zum Abfall des Spannungssignals kommt. Zeitlich konstante Beschleunigungen lassen sich daher nur für entsprechend kurze Zeitintervalle messen. Dieser Umstand wird quantitativ über die sogenannte untere Grenzfrequenz beschrieben (vgl. Tränkler & Reindl 2014: 558). Ein solcher Sensor ist demnach auch nicht in der Lage die Erdbeschleunigung zu messen. Piezoelektrische Sensoren sind weiterhin stark empfindlich gegenüber der Verformung der Platine, auf welcher sie befestigt sind. Dies kann zu entsprechend höheren Fertigungskosten führen (vgl. Leondes 2006: 7). (vgl. Glück 2005: 144f; Tränkler & Reindl 2014: 557f)
Kapazitive Beschleunigungssensoren
Bei Beschleunigungssensoren der aktuellen Generation erfolgt die Messung der Beschleunigung in der Regel in kapazitiver Form (vgl. Tränkler & Reindl 2014: 554; Vogt & Kuhn 2012: 182). Bei diesem Verfahren wird typischerweise eine kammartige Struktur zur Bestimmung der Lage der seismischen Masse verwendet (vgl. Leondes 2006: 8). Jeder Finger der elastisch aufgehängten Masse bewegt sich dabei zwischen zwei fest mit dem Waver14 verbundenen Fingern und bildet somit ein Kondensatorpaar (vgl. Abbildung 2-6). Auf diese
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2-6: Kapazitiver MEMS- Beschleunigungssensor − Funktionsprinzip (Tränkler & Reindl 2014: 555)
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2-5: Kapazitiver MEMS- Beschleunigungssensor ─ Mikroskopische Aufnahme (MEMS Journal 2010)
Art entstehen komplexe Mikrostrukturen, wobei häufig auch zwei orthogonale Sensorrichtungen auf kleinem Raum vereint werden (vgl. Abbildung 2-5). Das eigentliche Messsignal ist eine Kondensatorspannung, die sich aus der Kapazitätsänderung durch den sich verändernden Plattenabstand bei der Relativbewegung der seismischen Masse ergibt. Häufig vergrößert sich der Plattenabstand d 0 bei einem der beiden Kondensatoren um den gleichen Betrag d wie er bei dem anderen abnimmt (vgl. Tränkler & Reindl 2014: 555f). Für einen solchen Differenzialkondensator gilt für die beiden Kapazitäten C 1 / 2
Abbildung in dieser Leseprobe nicht enthalten
Abbildung in dieser Leseprobe nicht enthalten
wobei A die Fläche der Kondensatorplatten, ε die elektrische Leitfähigkeit und ε 0 die elektrische Feldkonstante ist. Die Parallelschaltung vieler einzelner solcher Kondensatorpaare (vgl. Abbildung 2-5) verbessert die Genauigkeit, da eine höhere Gesamtkapazität Abbildung in dieser Leseprobe nicht enthalten und damit auch ein stärkeres Spannungssignal bei der Verschiebung der seismischen Masse generiert wird (vgl. Dadafshar 2014). Dieses Signal hängt linear von der Beschleunigung ab (vgl. Glück 2005: 150). Ist die Prüfmasse aufgrund der angreifenden Gewichtskraft ausgelenkt, wird demnach die Erdbeschleunigung als Messwert ausgegeben, wenngleich sich der Sensor in Ruhe befindet. Entsprechend ist beim freien Fall mit dem Messergebnis a= 0m/s² zu rechnen, obwohl eine gleichförmig beschleunigte Bewegung vorliegt. Dieser Umstand ist bei der Konzipierung und Auswertung von Experimenten mit diesem Beschleunigungssensor stets zu berücksichtigen.
2 .2 Magnetfeldsensor
Zur Messung der magnetischen Flussdichte, auch Magnetfeldstärke genannt (vgl. Kapitel 5.2.1), können eine Vielzahl verschiedener Effekte ausgenutzt werden (vgl. Tränkler & Reindl 2014: 67). In der Unterhaltungselektronik sind beispielsweise folgende fünf Prinzipien am weitesten verbreitet (vgl. Cai u. a. 2012: 1)
- Hall-Effekt
- Anisotroper magnetoresistiver Effekt (AMR15 )
- Riesenmagnetowiderstand (GMR16 )
- Magnetischer Tunnelwiderstand (MTJ17 )
- Lorentzkraft
Hall-Effekt
Abbildung 2-7 zeigt ein metallisches Band der Breite b und Tiefe d, welches von dem Strom I durchflossen wird. Die Elektronen mit der Ladung e bewegen sich dabei mit der Driftgeschwindigkeit v durch den Leiter. Ein Magnetfeld Abbildung in dieser Leseprobe nicht enthalten durchdringt das Band. Auf die bewegten Elektronen in diesem Feld wirkt die Lorentzkraft (vgl. Meschede 2010: 369)
Abbildung in dieser Leseprobe nicht enthalten
Die Ladungen werden senkrecht zum Magnetfeld und ihrer Flugrichtung abgelenkt, so dass sich ein Ladungsüberschuss an den Seitenflächen des Leiters bildet. Zwischen den beiden Flächen gibt es ein stärker werdendes elektrisches Feld Abbildung in dieser Leseprobe nicht enthalten, welches von den getrennten Ladungen erzeugt wird. Die daraus resultierende elektrostatische Kraft �⃑𝐸 gleicht die Lorentzkraft rasch aus, so dass keine weitere Ladungstrennung mehr stattfindet. Dann gilt (vgl. Meschede 2010: 369)
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2-7: Hall-Effekt (Meschede 2010: 369)
Abbildung in dieser Leseprobe nicht enthalten
Durch weitere Umformung und unter der Bedingung, dass das Magnetfeld senkrecht zur Stromrichtung verläuft, kann die Hallspannung U H mit dem materialabhängigen Hall- Koeffizienten A H nach Gleichung 2.6 bestimmt werden. Die gemessene Spannung ist demnach proportional zur magnetischen Feldstärke.
Abbildung in dieser Leseprobe nicht enthalten
Der Hall-Effekt ist für die industrielle Nutzung erst beim Einsatz von Halbleitern ausreichend groß, da gut leitende Materialen eine zu kleine Materialkonstante aufweisen (vgl. Meschede 2010: 370). Der beschriebene Hall-Effekt war vor wenigen Jahren, und ist vermutlich auch heute noch, die am weitesten verbreitete Methode zur Messung der magnetischen Feldstärke in den Sensoren von Smartphones (vgl. Cai u. a. 2012: 1). Dies liegt auch an der einfachen und günstigen Herstellbarkeit (vgl. Glück 2005: 110f). Nachteilig im Vergleich zu den anderen Methoden sind die geringere Sensitivität wie auch Temperaturempfindlichkeit (vgl. Cai u. a. 2012: 1). Hall-Sensoren beinhalten zwar keine mechanischen Komponenten, werden aber dennoch häufig, wie die nachfolgend vorgestellten Sensoren auch, unter dem weit gefassten Begriff der MEMS geführt (vgl. Glück 2005: 15ff).
Anisotroper magnetoresistiver Effekt (AMR)
Der AMR-Effekt ist ein Materialeffekt. Werden bestimmte ferromagnetische Legierungen einem äußeren Magnetfeld ausgesetzt, so ist dies mit einer, von der Stärke des Feldes abhängigen, Änderung des elektrischen Widerstands verbunden (vgl. Tränkler & Reindl 2014: 74). Bei dem Material handelt es sich häufig um MU-Metall (engl. Permalloy), welches im Wesentlichen aus ungefähr 80% Nickel und 20% Eisen besteht (vgl. Cai u. a. 2012: 2). Entscheidende Voraussetzung für den Effekt ist das Vorhandensein einer Richtungsabhängigkeit der spezifischen elektrischen Leitfähigkeit der Legierung. Das externe Magnetfeld führt zu einer Magnetisierung des Sensormaterials, wobei es in diesem eine während der Herstellung erzeugte Vorzugsrichtung gibt („Formanisotropie“) (vgl. Tränkler & Reindl 2014: 75). Die Widerstandsänderung von 2-3% ergibt sich aus dem Winkel zwischen der, von der Magnetfeldstärke abhängigen, Magnetisierungsrichtung und Stromflussrichtung (vgl. Cai u. a. 2012: 2). Häufig werden vier solcher Sensoren in einer Wheatstone- Brückenschaltung zusammengeschaltet, um die Messgenauigkeit zu erhöhen. Die Methode bietet trotz eines vergleichsweise kleinen Messsignals eine hohe Empfindlichkeit bei einer vertretbaren Temperaturabhängigkeit (vgl. Cai u. a. 2012: 3).
Riesenmagnetowiderstand (GMR), Magnetischer Tunnelwiderstand (MTJ)
Eine neue Generation von hochempfindlichen Magnetfeldsensoren basiert auf quantenmechanischen Transportphänomenen (vgl. Tränkler & Reindl 2014: 77). GMR- Sensoren sind aus abwechselnd dünnen Schichten magnetischen und nichtmagnetischen Materials aufgebaut. Dabei wird ausgenutzt, dass der elektrische Widerstand von der Magnetisierungsrichtung der leitenden Schichten abhängt, welche sich bereits bei kleinen äußeren Magnetfeldern stark ändert. Wesentlich ist dabei auch die Abhängigkeit der Leitfähigkeit vom Elektronenspin. GMR-Sensoren zeichnen sich durch hohe Genauigkeit, kleine Abmessungen und sehr gute Temperaturstabilität aus. Nachteilig sind jedoch die vergleichsweise hohen Fertigungskosten, was den Einsatz in Smartphones unattraktiver macht (vgl. Cai u. a. 2012: 2).
Der MTJ basiert auf dem magnetoresistiven Effekt. Zwei ferromagnetische Schichten werden durch eine isolierende Barriere (Tunnelbarriere) getrennt. Die Schichtdicke liegt im Nanometerbereich, so dass einer ausreichend großen Zahl an Elektronen das Hindurchtunneln ermöglicht wird. Dabei besteht eine Abhängigkeit der Tunnelwahrscheinlichkeit von der Stärke des äußeren Magnetfelds, so dass MTJ-Sensoren als Magnetfeld-Widerstände aufgefasst werden können (vgl. Cai u. a. 2012: 2). Sie besitzen einen in der Regel kleinen Messbereich um ±1000μT, sehr gute Sensitivität und ein nur geringes Rauschen. Aufgrund der relativ hohen Kosten und des Energiebedarfs kommen sie jedoch nur selten in Smartphones zum Einsatz.
Lorentzkraft
Lorentzkraft-Magnetometer verbinden, anders als die bisher vorgestellten Sensortypen, mechanische mit elektronischen Komponenten und sind damit „echte“ MEMS. Die Technologie ist noch vergleichsweise jung und daher geringer verbreitet (vgl. Cai u. a. 2012: 3). Ein stromdurchflossener Leiter wird aufgrund der Lorentzkraft in einem Magnetfeld abgelenkt. Im Gegensatz zum Hall-Effekt ist dieser so dünn, dass keine wesentliche Ladungstrennung stattfindet. Es gilt für einen geraden Leiter im homogenen Magnetfeld mit dem in Stromrichtung weisenden Längenvektor 𝐿⃑⃑ (vgl. Halliday u. a. 2007: 621)
Abbildung in dieser Leseprobe nicht enthalten
Die Auslenkung ist ein Maß für die magnetische Feldstärke und kann auf verschiedenen Wegen gemessen werden (vgl. Kapitel 2.1). Anders als die magnetoresistiven Sensoren lassen sich Lorentzkraftsensoren in heutzutage bereits weit verbreiteten Prozessen herstellen und daher z. B. auch mit Inertialsensoren (Beschleunigungssensor, Gyroskop) integrieren. Sie bieten zudem eine sehr gute Empfindlichkeit und haben eine nur geringe Leistungsaufnahme (vgl. Sung u. a. 2016: 978).
3 Messwerterfassung für Android-Endgeräte
Apps zur Aufzeichnung von Sensordaten können grob nach zwei Kriterien unterschieden werden:
- Aufzeichnung und ggf.. Darstellung der Messwerte von mehreren Sensoren möglich.
- Aufzeichnung und ggf. Darstellung der Messwerte eines einzelnen Sensors.
In den Unterkapiteln 3.1 bis 3.3 werden die in den gesichteten Publikationen (vgl. Anhang A.9) mit Abstand am häufigsten erwähnten Anwendungen für die beiden hier untersuchten Sensoren aufgeführt und ihre wesentlichen Merkmale kurz beschrieben. Ein wichtiger Parameter ist die Rate, mit der die Daten des Sensors ausgelesen werden. Je höher sie ist, desto besser können zeitlich veränderliche Messsignale theoretisch aufgelöst werden. Auf der anderen Seite steigen die generierte Datenmenge und die Leistungsaufnahme des Sensors. Die Erfassungsrate kann in der Regel innerhalb der App eingestellt werden und ist nach oben hin in Abhängigkeit von der Sensorhardware begrenzt. Ab Android 3.0 wird die freie Wahl der Rate unterstützt und lässt sich entsprechend in einer Reihe von Apps mehr oder weniger kleinschrittig vornehmen. Im Android-Basiscode sind auch Standards für die Verzögerungen der Sensorantwort implementiert, welche in einigen Anwendungen daher namentlich gewählt werden können. (vgl. Android Open Source Project 2016b)
Abbildung in dieser Leseprobe nicht enthalten
Im Rahmen der Versuchsauswertungen in dieser Arbeit wird auch die tatsächlich erreichte Erfassungsrate untersucht und beim Einsatz verschiedener Apps verglichen.
3 .1 Datenerfassung für multiple Sensoren
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3-1: App – AndroSensor (Fiv Asim 2016)
Abbildung in dieser Leseprobe nicht enthalten
3 .2 Datenerfassung Beschleunigung
Tabelle 3-4: App ─ AccelVisu (PiD UNI Würzburg 2016)
Die Auswahl an Anwendungen zur Messung und Aufzeichnung der Beschleunigung ist groß. Im Folgenden werden einige weitere Apps vorgestellt, die jedoch im Rahmen der experimentellen Untersuchungen nicht verwendet wurden, weil von ihnen i. d. R. kein Mehrwert für die Ziele dieser Arbeit zu erwarten war. Die Zusammenstellung basiert im Wesentlichen auf Erwähnungen in Fachzeitschriften (vgl. Anhang A.9) sowie in einem Einzelfall (VibSensor) auf der ausführlichen Recherche im Android App Store GooglePlay.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3-7: App ─ Acceleration Monitor (Apotheosis Development 2015)
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3-8: App ─ Accelerometer Meter (Keuwlsoft 2015)
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3-9: App ─ Vernier Graphical Analysis (Vernier Software & Technology 2015)
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3-10: App ─ Accelerometer Analyzer (Mobile Tools 2016)
3 .3 Datenerfassung Magnetfeldstärke
Die Literatur- und Internetrecherche ergab, dass die Anzahl an verfügbaren Apps zur Untersuchung von Magnetfeldern deutlich begrenzter ist als für den Beschleunigungssensor. Zur Messwertaufzeichnung scheint es zu den Apps die verschiedene Sensoren unterstützen (vgl. Kapitel 3.1) keine sinnvollen Alternativen zu geben. Häufig vertreten sind jedoch Anwendungen, die das Smartphone als Kompass nutzen und dafür auf die Daten des Magnetfeldsensors zurückgreifen. Diese beschränken sich jedoch fast vollständig auf eine zweidimensionale, klassische Darstellung ohne Messwertanzeige für die Magnetfeldstärke. Eine Ausnahme bildet die App „3D Compass and Magnetometer“, welche auch in der Literatur Erwähnung findet (vgl. Silva 2012). Darüber hinaus sind Anwendungen zur Nutzung des Smartphones als „Metalldetektor“ häufig bei GooglePlay vertreten, für welche jedoch kein sinnvoller messtechnischer Einsatz erkennbar ist.
Tabelle 3-11: App ─ 3D Compass and Magnetometer (Fodor 2016)
3 .4 Remote Control
Häufig ist die Bedienung des Smartphones während eines Experiments unpraktisch, droht Messergebnisse durch eine berührungsbedingte Lageänderung zu beeinflussen oder ist aufgrund einer nicht vorhandenen Zugänglichkeit schlichtweg unmöglich. Verschiedene Apps erlauben die Fernbedienung des Geräts durch einen Computer, entweder über eine Kabelverbindung oder das WLAN. Für den experimentellen Teil der Arbeit wurde zu diesem Zweck die Anwendung „Mobizen Mirroring“ genutzt. Eine aus einer Reihe möglicher Alternativen ist die App „AirDroid“, welche über einen erweiterten, hier jedoch nicht erforderlichen, Funktionsumfang verfügt.
Die Verbindung zwischen Smartphone und PC erfolgt, nach dem Starten der entsprechenden Software auf beiden Geräten, durch die Eingabe eines Zahlencodes. Für die kabellose Bedienung muss eine möglichst stabile Verbindung zu dem gleichen Netzwerk bestehen. Ansonsten kann es zu erheblichen Verzögerungen oder Verbindungs- abbrüchen kommen. Mobizen erlaubt die uneingeschränkte, intuitive Bedienung des Smartphones mit Maus und Tastatur, wobei sich der Bildschirminhalt sowohl als Video aufzeichnen, als auch im Vollbildmodus darstellen lässt („screen mirroring“). Auf diese Weise können z. B. Messergebnisse direkt über einen Beamer präsentiert werden. Das Live-Streaming des Kamerabildes macht das Smartphone so zu einer drahtlosen Videokamera, was etwa bei Versuchsbeobachtungen in der Schule eingesetzt werden könnte. Bei den im Rahmen dieser Arbeit durchgeführten Experimenten hat sich die Möglichkeit eines einfachen Zugriffs auf den
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3-1: App „mobizen“ (PC-Screenshot). Datentransfer ausgewählt.
Speicher des Smartphones als sehr nützlich erwiesen. So können erfasste Messdaten, z. B. auch per Drag & Drop auf den PC übertragen und weiterverarbeitet werden, ohne dass das Smartphone berührt werden muss. Das Menü (Screenshot, Video, Datentransfer, Einstellungen usw.) wird am PC über einen Klick im Bereich des Samsung-Logos geöffnet (vgl. Abbildung 3-1).
Es gilt zu beachten, dass diese einfache Art der Bedienung bei älteren Android-Versionen häufig nicht, oder nur durch die Freischaltung erweiterter Benutzerrechte („Rooten“), möglich ist. So war bei einem Samsung Galaxy S3 (Android 4.4) eine Fernsteuerung nicht ohne weiteres realisierbar, während es bei dem für diese Arbeit genutzten Nachfolgemodell S4 (Android 5.0) keinerlei Probleme gab.
3.5 Samsung Galaxy S4
Tabelle 3-12 beinhaltet die wesentlichen Randinformationen des für die Experimente verwendeten Smartphones. Die im Gerät verbauten Sensoren sind im Anhang A.1, zusammen mit Zusatzinformationen wie etwa Hersteller, Modell, Messbereich und Auflösung, tabellarisch aufgeführt. GPS, Kamera und Mikrofon werden, anders als hier, im Android- Basiscode nicht als Sensoren verstanden (vgl. Kapitel 2).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3-12: Datenblatt Samsung Galaxy S4 (vgl. Inside-Handy 2016)
Wie die spätere Auswertung zeigt (vgl. Kapitel 4.3.3, Kapitel 5.2.4), können Differenzen zu diesen, weitestgehend auf Datenblätter der Hersteller basierenden, Werten jedoch nicht ausgeschlossen werden. Hersteller und Modell der Sensoren lassen sich durch verschiedenen Apps auslesen, z. B. von „My Sensors“ (vgl. Fodor 2016) oder „AndroSensor“. Letzteres Programm wird auch zur Messwerterfassung im experimentellen Teil der Arbeit genutzt. Dabei ist zu beachten, dass nicht im Android-Basiscode vorgesehene Sensoren (vgl. Kapitel 2) auf diese Weise in der Regel nicht identifiziert werden können. Hier bietet sich daher auch die Nutzung von USSD22 -Codes an. Dabei handelt es sich um Service- und Steuerbefehle im Mobilfunknetz (vgl. Milosevic 2015), welche in der Praxis häufig über das Abrufen von Prepaid-Guthaben (Code: *100#) bekannt sind. Die Codes ermöglichen jedoch auch verschiedenste Informationen zur Soft- und Hardware des Geräts abzurufen, Diagnosemodi des Smartphones zu starten, Firmware-Updates durchzuführen oder das Telefon in den Werkszustand zurückzusetzen (vgl. Milosevic 2015). Welche Codes gültig sind hängt im Allgemeinen sowohl vom Hersteller des Geräts-, als auch vom Netzbetreiber ab (vgl. Kneussel 2015). Der Zugang zu einem allgemeinen Testmodus des Samsung Galaxy S4 wird über die Kombination *#0*# gewährt. Hier zeigt sich, dass auch ein RGB23 - sowie Gestensensor verbaut ist und welche Daten diese liefern können. Letzterer erkennt einfache Handbewegungen (Up, Left, usw.) oder die Fingerposition oberhalb des Displays zur Steuerung des Geräts, ohne dass dieses berührt werden muss. Da beide Sensoren keinen Standard in Android darstellen (vgl. Kapitel 2), finden sich bei Google Play derzeit auch keine geeigneten Apps zur Erfassung ihrer Messwerte. Ebenso kann über den Testmodus erkannt werden, dass Samsung weitere Software-Sensoren programmiert hat. Dabei handelt es sich z. B. um einen Schrittzähler und Sensor zur Lagebestimmung des Geräts (z. B. „1“ = Bildschirm zum Boden ausgerichtet usw.).
4 Experimente: Beschleunigung
Der Beschleunigungssensor im Smartphone kann für qualitative wie auch quantitative Experimente eingesetzt werden. In den letzten Jahren veröffentliche Beispiele sind sehr vielfältig und betreffen z. B. Federschwingungen, Pendel, die Untersuchung von Radial- und Coriolisbeschleunigungen, Stöße, den freien Fall und einiges mehr (vgl. Anhang A.9). Die im Rahmen dieser Arbeit durchgeführten Experimente decken einen großen Bereich der beschriebenen Einsatzmöglichkeiten ab und zeigen dabei nicht nur die Möglichkeiten, sondern auch die Grenzen und Probleme der Beschleunigungsmessung mit dem Samsung Galaxy S4 auf.
4 .1 Versuch A1: Federpendel
Mit diesem Experiment wird die Federkonstante einer Schraubenfeder bestimmt. Der mit dem Smartphone gemessene Beschleunigungsverlauf wird dabei genutzt, um die Periodendauer der Schwingung zu ermitteln. Vergleichswerte konnten mit der Durchführung der hier als „statisch“ und „dynamisch“ bezeichneten Verfahren gewonnen werden. Weiterhin wird mit diesem Experiment die Reproduzierbarkeit der Sensormesswerte überprüft und ein Vergleich zwischen verbreiteten Apps zur Beschleunigungsmessung (vgl. Kapitel 3) durchgeführt.
4 .1.1 Versuchsprinzip
Smartphone
Die lineare Differentialgleichung für die freie, ungedämpfte, harmonische Federschwingung
Abbildung in dieser Leseprobe nicht enthalten
besitzt die allgemeine Lösung (vgl.Abbildung in dieser Leseprobe nicht enthalten
Die Amplitude y 0 und Phasenverschiebung φ ergeben sich aus den Anfangsbedingungen. Die Schwingungsdauer kann mit der Gleichung
Abbildung in dieser Leseprobe nicht enthalten
berechnet werden. Eine Energiebetrachtung (vgl. Walcher 2004: 90) zeigt, dass auch die Masse der Feder m F nicht vernachlässigt werden darf. Die erweiterte Gleichung für die Periodendauer lautet daher
Abbildung in dieser Leseprobe nicht enthalten
Umgestellt ergibt sich die Bestimmungsformel für die Federkonstante k
Abbildung in dieser Leseprobe nicht enthalten
Die Dämpfung der Schwingung ist in dem ausgewerteten Zeitintervall dieses Experiments gering und wird daher im Rahmen der theoretischen Betrachtung vernachlässigt. Bei einem der folgenden Experimente (vgl. Kapitel 4.5) werden die Ursachen der Dämpfung näher untersucht.
Statisches Verfahren
Die Dehnung einer Spiralfeder folgt in ihrem Arbeitsbereich dem Hookeschen Gesetz, wobei
Δ y= y – y 0 eine definierte Längenänderung ist. Hier gilt
Abbildung in dieser Leseprobe nicht enthalten
Die auf die Feder wirkende Gewichtskraft verhält sich demnach proportional zur Längenänderung der Feder, wobei die Federkonstante der Proportionalitätsfaktor ist. Die in dem Experiment verwendete Schraubenfeder besitzt eine lineare Kennlinie, so dass k von der Auslenkung unabhängig ist. Durch Bestimmung der linearen Funktion m·g(y) oder auch m(y) kann die Federkonstante aus der Steigung der Geraden ermittelt werden.
Dynamisches Verfahren
Für das Quadrat der Periodendauer gilt (vgl. Gleichung 4.4)
Abbildung in dieser Leseprobe nicht enthalten
T ² verhält sich also proportional zu der Masse des Systems, wobei 4𝜋² die Proportionalitätskonstante darstellt. Durch Auftragung der quadrierten Schwingungsdauer für mindestens zwei verschiedene Prüfmassen m kann die Proportionalitätskonstante und damit auch die Federkonstante über die Steigung der Funktionsgeraden bestimmt werden. Die aus den aufgenommenen Messwerten ermittelte Steigung beträgt demnach � = 4𝜋², wobei die Masse der Feder m F für die Bestimmung der Federkonstante nicht berücksichtigt werden muss. Sie führt zu einem Ordinatenachsenabschnitt.
4.1.2 Versuchsaufbau
Smartphone
Die Aufhängung des Smartphones an die am Stativ befestigte Feder erfolgt über einen dünnen Faden, welcher mit einer Nadel durch die Ecken einer handelsüblichen Silikon-Schutzhülle gezogen wurde. Da der Versuch auch zur Überprüfung der Apps zur Messwerterfassung dient, wird ein Magnetschalter zur berührungslosen Freigabe des Smartphones verwendet. Zu diesem Zweck ist ein kleiner Stahlwinkel mit doppelseitigem Klebeband am Telefon fixiert worden. Auf diese Weise ist eine definierte Anfangsauslenkung vorgegeben und es wird eine Verfälschung der Messwerte durch die Berührung und unabsichtlicher Auslenkung bei der Freigabe der Schwingung vermieden.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-1: Aufbau Expe- riment A1 (Smartphone)
Statisch/Dynamisch
Der Versuchsaufbau unterscheidet sich für den statischen und dynamischen Versuch kaum. Die Schraubenfeder wird an dem Stativ aufgehängt und ein Maßstab mit Millimetereinteilung parallel dazu positioniert. Zur Belastung der Feder stehen geschlitzte Stahlscheiben verschiedener Massen zur Verfügung. Die Befestigung der Gewichte erfolgt über eine Aufhängung, die an der Feder eingehängt werden kann. Im statischen Versuch wird der
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-2: Aufbau Experiment A1 (links: statisch, rechts: dynamisch)
Maßstab zur Messung der Auslenkung verwendet, wofür ein verschiebbarer Anschlag verwendet wird. Messpunkt ist, wie abgebildet (vgl. Abbildung 4-2 links), der Befestigungspunkt der Aufhängung. Im dynamischen Versuch wird der Anschlag hingegen nicht verwendet. Hier kommt eine digitale Stoppuhr für die Zeitmessung zum Einsatz.
4.1.3 Versuchsdurchführung
Smartphone
Die Messung der Beschleunigung erfolgte nacheinander mit den fünf Apps (vgl. Kapitel 3):
- Andro Sensor (AS)
- Physics Toolbox (TB)
- Sensor Kinetics (SK)
- AccelVisu (AV)
- SPARKvue (SV)
Dabei wurde stets die minimal mögliche Datenerfassungsrate in den Einstellungen ausgewählt, um eine bestmögliche Auflösung des zeitlichen Verlaufs der Beschleunigung zu gewährleisten. Nach dem Start der Aufzeichnung wird das Smartphone mit einer Verzögerung von etwa fünf Sekunden freigegeben. Die Aufzeichnung der Schwingung erfolgt anschließend für eine Dauer von mindestens 14 Sekunden. Mit jeder App werden dabei drei Einzelmessungen durchgeführt.
Statisches Verfahren
Die Auslenkung aus der statischen Ruhelage wird an 10 Messpunkten bestimmt. Es kommen Massen von 10g (Aufhängung ohne Zusatzgewicht) bis 200g zum Einsatz, wobei die Messung in 20g Abständen erfolgt. So ergibt sich so ein möglichst großer Messbereich, in welchem die Feder noch nicht überdehnt wird (Hooke‘scher Bereich).
Dynamisches Verfahren
Für die dynamische Messung der Federkonstante wird die Feder mit vier unterschiedlichen Zusatzmassen beaufschlagt. Dies sind die Prüfmassen 50g, 70g, 130g und 170g. Die Anfangsauslenkung und Freigabe der Feder wird von Hand vorgenommen. Da die Schwingungsdauer nicht von der Amplitude abhängt, wird keine definierte Anfangsauslenkung festgelegt. Es ist jedoch darauf geachtet worden die Federn nicht zu überdehnen. Beim Freigeben der Feder wird zeitgleich die Stoppuhr gestartet und die Schwingungsdauer für 15 Perioden bestimmt.
4.1.4 Messwerterfassung Smartphone
Abbildung 4-3 bis Abbildung 4-7 zeigen die mit den fünf verschiedenen Apps ermittelten Messwerte für eine einzelne Periode der Schwingung, was einer Zeitspanne von etwa 1,4 Sekunden entspricht. Unter dem Verlauf der resultierenden Beschleunigung wurde der zeitliche Abstand von jeweils zwei aufeinanderfolgenden Messwerten (= Datenerfassungsrate) aufgetragen. Zur besseren Übersicht ist diese Darstellung auf die erste der drei durchgeführten Messungen (Linie mit Datenpunkten) eingeschränkt. Der Verlauf ist jedoch repräsentativ für die jeweilige App.
Es zeigt sich, dass die Messergebnisse durch Verwendung des Magnetschalters (vgl. Kapitel 4.1.2) jeweils sehr gut reproduziert werden konnten. Dabei sind wesentliche Unterschiede zwischen den Apps, sowohl in der Aufzeichnungsrate als auch im qualitativen Verlauf, festzustellen. Besonders die mit „Physics Toolbox“ (vgl. Abbildung 4-6) und „Sensor Kinetics“ (vgl. Abbildung 4-7) aufgezeichneten Daten weisen starke Schwankungen in der Aufzeichnungsrate auf, wobei beide den Zielwert von 10ms im arithmetischen Mittel erreichen. Der maximale Messwertabstand kann diesen Wert hier um den Faktor vier (App TB) bis zu sechs (App SK) übersteigen, was zu den gut auszumachenden Sprüngen im Verlauf der Beschleunigung führt. Auffällig ist auch die Periodizität der Schwankung bei Verwendung der App „Sensor Kinetics“. Es scheint, als ob die Sensordaten nicht schnell genug abgespeichert werden können, was nach etwa acht Messwerten mit Hilfe eine längere Pause kompensiert wird. Durch eine Reduzierung der Auslastung der App war es möglich, die Spitzen auf unter 30ms zu senken. Dies wurde erreicht, indem die Rate mit der die Messwerte in dem Diagramm auf dem Display darstellt werden, auf das von der App gestattete Minimum (100ms) gesetzt wurde. Vergleichbares Optimierungspotential besitzt ansonsten nur die Anwendung „AndroSensor“. Sie erreicht allerdings bereits ohne Veränderung dieses Parameters eine sehr konstante Aufzeichnungsrate (vgl. Abbildung 4-5), weist jedoch die im Vergleich schlechteste Auflösung des Beschleunigungsverlaufs auf. So kann eine charakteristische treppenartige Struktur ausgemacht werden. Eine absolut konstante Aufzeichnungsrate von 10ms konnte nur bei der App „SparkVue“ nachgewiesen werden (vgl. Abbildung 4-3). Der qualitativ beste Beschleunigungsverlauf wurde mit der Anwendung „Accel Visu“ gemessen (vgl. Abbildung 4-4), dicht gefolgt von „SparkVue“. Erstere App zeichnet die Messwerte jedoch nur mit einem minimalen Intervall von 20ms auf, obwohl in den Einstellungen 10ms gewählt wurden. „Accel Visu“ bietet eine Option zur Glättung von Messwerten. Diese blieb für den Versuch jedoch ungenutzt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-3: Auswertung Experiment A1 (Messwerte SparkVue (SV))
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-4: Auswertung Experiment A1 (Messwerte AccelVisu (AV))
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-5: Auswertung Experiment A1 (Messwerte AndroSensor (AS))
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-6: Auswertung Experiment A1 (Messwerte Physics Toolbox (TB))
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4-7: Auswertung Experiment A1 (Messwerte Sensor Kinetics (SK))
4.1.5 Versuchsauswertung
Die aufgenommen Messwerte aller Teilversuche sind im Messprotokoll notiert (vgl. Anhang A.2) und liegen dieser Arbeit zusammen mit dem verwendeten MATLAB-Code in digitaler Form bei.
Smartphone
Vor der Freigabe des Smartphones zeigt dieses, bedingt durch das Messprinzip, die Erdbeschleunigung an. Der Sensor misst dabei die Gewichtskraft und gibt eine Beschleunigung aus, obwohl sich das Gerät in Ruhe befindet (vgl. Kapitel 2.1). Der Messwert beträgt, anders als die zu erwartenden 9,8m/s², lediglich 9,6m/s². Da die Periodendauer unabhängig von der Amplitude ist, sind die absoluten Beschleunigungswerte für die Bestimmung der Federkonstante nicht relevant. Die erreichbare Genauigkeit wird daher im Rahmen dieses Versuchs nicht thematisiert und folglich auch keine Korrektur der bestehenden Differenz vorgenommen. Da leichte Rotationen des Smartphones um alle drei Achsen trotz sorgfältiger Versuchsdurchführung nicht gänzlich vermieden werden konnten, wurden Beschleunigungen neben der senkrechten Richtung (y-Achse) auch für die y- und z-Achse gemessen (mitbewegtes Koordinatensystem, vgl. Kapitel 2). Die Messwerte schwanken hier zwischen 0m/s² und 1m/s². Zur Vermeidung dieser möglichen Fehlerquelle erfolgte die quantitative Auswertung in Hinblick auf eine bestmögliche Vergleichbarkeit der Messergebnisse nach der Gesamtbeschleunigung
Abbildung in dieser Leseprobe nicht enthalten
Nach der Freigabe des Smartphones wird es vertikal nach oben (y-Achse positiv) beschleunigt. Da die Federkraft vorzeichenverkehrt zur Gewichtskraft wirkt, wäre ein Verlauf der Beschleunigung auf dieser Achse zu erwarten, der bei ay= -g beginnt und nach Freigabe zunächst auf einen positiven Wert springt. Dies ist jedoch nicht der Fall (vgl. Abbildung 4-8). Ursache ist, dass die Anwendungen, mit Ausnahme der von der Universität Würzburg entwickelten App „AccelVisu“, die Erdbeschleunigung stets positiv ausgeben. Die daraus resultierende Verschiebung der Messwerte ist für die quantitative Versuchsauswertung jedoch irrelevant, da nur die Lage der Maxima und Minima von Interesse ist. Auch das abweichende Vorzeichen von „AccelVisu“ hat keinen Einfluss, da der Wert zur Berechnung von ages quadriert wird (vgl. Gleichung 4.8). Beim Durchlaufen der statischen Ruhelage ist die Federkraft null, so dass wieder nur die Erdbeschleunigung gemessen wird. Die Amplitude der Schwingung nimmt aufgrund der Dämpfung durch Luftreibung und Verlusten an der Aufhängung im Laufe der Zeit langsam ab. Abbildung 4-8 ordnet den gemessen Verlauf der Beschleunigung den Phasen der Bewegung zu. Für den tatsächlichen Beschleunigungsverlauf ist der Messwert der statischen Ruhelage (Erdbeschleunigung gmess= 9,6m/s²) zu subtrahieren.
[...]
1 In der Regel sind die Apps sowohl für das Betriebssystem iOS (Apple), als auch für Android (Google)
verfügbar.
2 https://play.google.com/store/apps
3 Ggf. auch beides, sofern eine eindeutige theoretische Betrachtung möglich ist.
4 MATrix LABoratory (http://www.mathworks.de)
5 „Jedes Bezugssystem, in dem sich ein kräftefreier Körper geradlinig gleichförmig bewegt, ist ein I nertialsystem.“ (Tipler & Mosca 2015: 78)
6 Größe bis in den μm-Bereich (vgl. Tränkler & Reindl 2014: 247)
7 Strukturerzeugung durch Bestrahlung eines fotoempfindlichen Lacks und anschießender Übertragung auf einen Wafer/Substrat (Grundplatte für elektronische Bauelemente) in einem Ätzprozess (vgl. Tränkler & Reindl 2014: 247)
8 1. Newton’sche Axiom. „Der Impuls eines freien Teilchens ist zeitlich konstant.“ (Demtröder 2008: 49)
9 Hier wird � = 0 vorausgesetzt
10 Dämpfung wird meist durch ein umgebendes Medium, häufig Luft, erzielt (vgl. Leondes 2006: 9)
11 Ursache ist im Wesentlichen die Änderung des Abstands zwischen Leitungs- und Valenzband des Halbleiters bei einer Verschiebung der Kristallstruktur. Die Empfindlichkeit kann um den Faktor 60 (oder mehr) höher liegen als bei metallischen DMS (vgl. Glück 2005: 143)
12 Grundplatte für elektronische Bauelemente
13 Anisotropic magnetoresistance
14 Giant magnetoresistance
15 Magnetic tunneling junction
16 U nstructured S upplementary S ervice D ata
17 Farbsensor (Getrennte Intensitäten im Farbraum: R ot G rün B lau)
- Quote paper
- Martin Lamker (Author), 2016, Das Smartphone im Physikunterricht. Experimentiermöglichkeiten mit dem Samsung Galaxy S4, Munich, GRIN Verlag, https://www.grin.com/document/459449
-
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X.