Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kendali prediktif merupakan salah satu teknik pengendalian yang konsepnya telah ada sejak akhir dekade 70-an. Karenanya telah banyak jenis pengendali prediktif yang ada saat ini. Satu jenis pengendali prediktif diperoleh melalui satu cara pendekatan, hingga konsekuensinya terdapat banyak cara pendekatan untuk mendisain pengendali prediktif tersebut. Akhirnya dibuatlah satu cara pendekatan yang merupakan hasil penyatuan dari beberapa cara pendekatan yang paling sering digunakan dalam mendisain pengendali prediktif. Pengendali prediktif yang diperoleh dari disain dengan menggunakan cara pendekatan ini dinamakan UPC (Unified Predictive Controller). Banyak perhitungan-perhitungan, khususnya perhitungan-perhitungan matriks, yang harus diselesaikan dalam prosedur disain UPC. Karena perhitungan-perhitungan tersebut rumit maka diperlukan alat bantu untuk menyelesaikannya. MATLAB 4.0 merupakan perangkat lunak yang sesuai untuk menyelesaikan perhitungan-perhitungan tersebut, ditambah lagi dengan tersedianya toolbox SimuliNK. dalam perangkat lunak tersebut. Oleh karena itu dalam Tugas Akhir ini diciptakan suatu program komputer dalam MATI.AB 4.0 yang mempermudah proses disain UPC; program komputer tersebut selanjutnya diberi nama program Disain UPC. Bagian inti program komputer tersebut dibangun dari beberapa fungsi yang dibuat berdasar pada algoritma penyelesaian persamaan-persamaan yang terdapat pada prosedur disain UPC. Untuk mengetahui performansi program Disain UPC, dua contoh aplikasi program tersebut diberikan dalam Tugas Akhir ini. Contoh pertama adalah aplikasi program untuk mendisain UPC yang digunakan dalam pengendalian nilai Mach pada terowongan angin yang terdapat pada National Aerospace Laboratory di Amsterdam. Dan contoh lainnya adalah aplikasi program Disain UPC untuk mendisain pengendali UPC sebagai pengganti PID dalam mengendalikan suatu proses. Pada contoh kedua ini nampak adanya kelebihan performansi pengendalian UPC dibandingkan dengan PID."

"Skripsi ini mengatasi tantangan pelatihan agen Deep Reinforcement Learning (DRL) untuk mengemudi otonom dengan mengembangkan filter keselamatan prediktif berbasis model untuk mencapai pelatihan yang aman. Efektivitas pendekatan ini dievaluasi melalui analisis komparatif dari masalah mengemudi otonom yang diselesaikan menggunakan tiga skenario implementasi yang berbeda: pengendali berbasis pembelajaran konvensional, pengendali berbasis pembelajaran dengan filter keselamatan prediktif, dan pengendali prediktif berbasis model. Tujuan utama dari masalah mengemudi optimal dalam penelitian ini adalah meminimalkan waktu putaran pada lintasan tertutup, di mana agen tidak dibatasi oleh lintasan yang telah ditentukan tetapi dibatasi oleh batas lintasan. Oleh karena itu, filter keselamatan prediktif bertujuan untuk mempertahankan posisi agen dalam batas lintasan selama pelatihan, dengan intervensi minimal. Penelitian ini menyediakan desain dan implementasi dari pengendali prediktif berbasis model, pengendali berbasis pembelajaran konvensional, dan pengendali berbasis pembelajaran dengan filter keselamatan prediktif untuk masalah mengemudi optimal. Ditemukan bahwa filter keselamatan secara efektif mengurangi potensi kerusakan perangkat keras akibat tabrakan selama pelatihan dan meningkatkan efisiensi sampel. Dari segi kinerja, pengendali dengan filter keselamatan mencapai waktu putaran yang lebih cepat dibandingkan pengendali prediktif berbasis model, tetapi sedikit lebih lambat dibandingkan pengendali berbasis pembelajaran konvensional, terutama karena pendekatannya yang konservatif terhadap tikungan akibat penggunaan filter keselamatan prediktif berbasis model.

---

This thesis addresses the challenge of training Deep Reinforcement Learning (DRL) agents for autonomous driving with an emphasis on optimal performance and safety. The primary objective is to develop a model-based predictive safety filter to achieve safe training. The effectiveness of this approach is evaluated through a comparative analysis of an autonomous driving problem solved using three distinct implementation scenarios: a conventional learning-based controller, a learning-based controller with a predictive safety filter, and a model predictive controller. The core goal of the optimal driving problem in this research is to minimize lap times on a closed-loop track, where the agent is not restricted to predefined trajectories but is constrained by track boundaries. Consequently, the predictive safety filter aims to maintain the agent’s position within track boundaries throughout training, with minimal intervention This research provides implementation of a model predictive controller, a conventional learning-based controller, and a learning-based controller with a predictive safety filter for optimal driving problems. The findings reveal that the safety filter effectively reduces potential hardware damage from crashes during training and increases sample efficiency. Performance-wise, the safety filter-equipped controller achieves faster lap times than the traditional model predictive controller but is marginally slower than the conventional learning-based controller, primarily due to its conservative approach to turns because of using the model-based predictive safety filter."

"Dalam sistem tenaga listrik yang kompleks, terjadinya ganggan short circuit dapat timbul kapan saja. Dampak dari gangguan tersebut akan semakin parah dan berpengaruh terhadap kestabilan sistem yang ada. Pada sistem tenaga listrik Pacitan, terdapat jalur transmisi pembangkit yang merupakan jalur utama penyaluran daya aktif dari pembangkit menuju gardu-gardu induk di sekitarnya. Oleh karenanya, jalur tersebut harus diminimalisir dampak dari gangguannya. Selain itu, kapasitas cadangan dari PLTU Pacitan masih tersisa banyak untuk menyuplai beban-beban yang berlebih dan perencanaan beban yang akan mendatang. Namun, apabila kapasitas standar pembangkit ditingkatkan akan terjadi ketidakstabilan pada sudut rotor maupun daya aktif pembangkitnya. Oleh karena itu, Unified Power Flow Controller (UPFC) salah satu divais Flexible AC Transmission System (FACTS) merupakah jawaban dari kedua permasalahan tersebut. Dengan pemasangan UPFC, kestabilan dari sudut rotor dan osilasi daya aktif pembangkit dapat teredam sehingga masih dalam ambang stabil. Injeksi yang diberikan UPFC kepada sistem berupa daya reaktif dan tegangan p.u pada saluran transmisi PLTU Pacitan-Nguntoronadi dengan menganut pemasangan dengan impedansi paling besar juga memberikan keunggulan dalam menangani bus-bus yang undervoltage serta pemerataan aliran daya aktif saat pembangkit ditingkatkan 10 MW dari kapasitas standarnya.

---

In complex electric power systems, the occurrence of a short circuit can occur at any time. The impact of these disturbances will be more severe and affect the stability of the existing system. In the Pacitan power system, there is a generator transmission line which is the main channel for channeling active power from the generator to the surrounding substations. Therefore, the pathway must be minimized from the impact. Apart from that, there is still a lot of spare capacity from the PLTU PLTU to supply excessive loads and plan future loads. However, if the standard capacity of the generator is increased there will be instability in the rotor angle and the active power of the generator. Therefore, the Unified Power Flow Controller (UPFC), one of the Flexible AC Transmission System (FACTS) devices, is the answer to these two problems. With the installation of UPFC, the stability of the rotor angle and generator active oscillation can be damped so that it is still in a stable threshold. The injection given by UPFC to the system in the form of reactive power and p.u voltage on the transmission line of the Pacitan-Nguntoronadi PLTU with the highest impedance installation also provides advantages in handling undervoltage buses and even distribution of active power when the plant is increased by 10 MW from its standard capacity."

"Kenyamanan dalam berkendara merupakan salah satu hal penting yang dikembangkan pada industri otomotif. Salah satu komponen yang memegang peranan penting dalam memberikan rasa nyaman bagi pengemudi saat berkendara adalah sistem suspensi, salah satu jenisnya adalah sistem suspensi semi-aktif. Sumber tenaga eksternal tidak diperlukan pada sistem suspensi semi aktif dimana nilai damping coefficient dapat diubah untuk mengendalikan disipasi energi pada damper. Karakteristik sistem suspensi semi-aktif yang hanya dapat mendisipasikan energi menjadi constraint sinyal kendali sesuai dengan state dari sistem. Kontur jalan juga menjadi gangguan pada sistem suspensi yang akan mempengaruhi kinerja sistem, oleh karena itu diperlukan pengendali yang prediktif.Pengendali model predictive control (MPC) dengan constraint digunakan untuk mengendalikan sistem suspensi semi-aktif diskrit hasil identifikasi dari sistem kontinu dengan menggunakan metode identifikasi least square. Perancangan pengendali MPC dilakukan dengan menentukan panjang prediction horizon, control horizon serta matriks bobot Q dan R. Uji pengendalian sistem suspensi semi-aktif menggunakan pengendali MPC dengan constraint dilakukan dengan mengamati kinerja pengendalian perpindahan sprung mass dari sistem suspensi semi-aktif dengan road profile sebagai gangguan sistem. Hasil pengendalian sistem suspensi semi-aktif kontinu dengan half car model yang dilakukan dengan simulasi menunjukkan kinerja pengendalian perpindahan sprung mass yang baik untuk berbagai jenis road profile.

---

Ride comfort is one of the important things in automotive industry. The component which took the responsibility in ride comfort are suspension system, one of them is semi-active suspension. An external power source is not needed in semi-active suspension system where the damping coefficient value is adjusted to control the amount of dissipated energy by damper. The characteristics of semi-active suspension system which only can dissipate energy become constraints to control signal appropriate with the state of system. The height of road surface also affect suspension system?s performance as disturbances so in order to overcome that problem a predictive controller is needed.

Controller with model predictive control (MPC) strategy with constraints is used to control discrete semi-active suspension system from identification result of continuous system by using least square identification method. Design of MPC controller is done by determine the length of prediction horizon, control horizon and weight matrix Q and R. The test of semi-active suspension system control using MPC controller with constraints is determined by sprung mass displacement control performance of semi-active suspension system with road profile as disturbances. Simulation result of the control of continuous semi-active suspension system with half car model show that the sprung mass displacement control performance is good for many kinds of road profiles."

"Quantitative Feedback Theory (QFT) atau Teori Umpan-Balik Kuantitatif (TUF) yang dikembangkan oleh Dr. Isaac Horowitz pada tahun 1979 merupakan metode yang mengutamakan penggunaan umpan-balik untuk perolehan performansi sistem yang diinginkan seperti rise rime, settling time, peak time, percent overshoot, gain margin dan phase margin. Sistem kendali yang disintesis mempunyai plant dengan variasi parameter. Sejumlah plant terbentuk dari variasi parameter plant. Plant-plant ini jugs akan membentuk sejumlah rasio kendali baik terhadap masukan acuan maupun gangguan. Oleh karena itu, dalam metode ini dinyatakan dua bentuk himpunan, yaitu himpunan rasio kendali dan himpunan plant. Dalam proses perancangan, setiap rasio kendali dihitung secara terpisah terhadap masing-masing masukan (acuan dan gangguan), dan setelah seluruh proses dilakukan, respon frekuensi model basil perancangan harus memenuhi spesifikasi performansi yang diinginkan. Dalam tugas akhir ini dibuat program sintesis TUF dalam perangkat lunak MATLAB for Windows versi 4.0. Program sintesis TUF dilakukan pada sistem kendali linier analog yang mempunyai plant fasa minimum. Selain itu, program analisis dibuat yang meliputi analisis respon waktu dan respon frekuensi sistem yang diinginkan, sebelum perancangan dan setelah perancangan, baik berupa tabel atau grafik. Blok diagram sistem kendali dibuat dengan fasilitas SIMULINK yang telah tersedia dalam MATLAB. Tampilan program dibuat menarik dan mudah dioperasikan. Uji coba perangkat lunak dilakukan pada beberapa perancangan, yaitu perancangan TUF pada kasus sistem kendali dengan dua masukan (acuan dan gangguan) dan pada manipulator derajat kebebasan robot. Uji coba ini juga dibuat ke dalam program demonstrasi dan menjadi contoh implementasi metode umpan-balik kuantitatif serta sekaligus menjadi petunjuk cara-cara penggunaan program ini. Hasil uji coba berupa respon waktu dan respon frekuensi sistem yang diinginkan, sistem sebelum perancangan dan setelah. perancangan, baik berupa tabel maupun grafik. Hasil simulasi menunjukkan bahwa respon sistem setelah menggunakan metode ini berada di antara respon sistem yang diinginkan (rise time dan settling time). Respon waktu dan respon frekuensi yang dihasilkan dapat dicetak ke printer. "

"Kemajuan teknologi dibidang otomotif telah berkembang sangat pesat. Salah satu perkembangannya yaitu sistem kendali pada kendaraan dengan menggunakan mikroprosesor. Sistem kendali ini digunakan untuk pengamanan kendaraan yang dapat mengurangi angka kecelakaan yang terjadi. Sistem keamanan yang dikembangkan untuk mencegah terjadinya kecelakaan berkendara yang berpusat pada stabilitas yaw dan slip samping pada kendaraan. Dalam rangka mengembangkan sistem tersebut dibutuhkan pengujian berulang-ulang untuk mendapatkan hasil yang sesuai dengan keinginan. Perancangan yang dibantu dengan simulasi Hardware in The Loop (HIL) merupakan metode yang tepat untuk melakukan pengujian dari sistem. Pengujian ini dapat mengurangi waktu dan jumlah uji kendaraan yang sebenarnya di jalan, menurunkan biaya pengembangan dan meningkatkan kualitas pengembangan produk baru. Pada penelitian ini akan dilakukan simulasi HIL menggunakan Model Predictive Control (MPC) yang diawali dengan simulasi Software In The Loop untuk mempelajari dan menguji sistem kendali untuk stabilitas laju yaw pada otomotif. Dimana hasil pengujian simulasi HIL berjalan cukup baik dan bekerja secara real time.

---

Advances in automotive technology has developed very rapidly. One development is the vehicle control system using a microprocessor. This control system is used for security vehicles that can reduce the number of accidents that occur. Security system developed to prevent accidents driving centered yaw stability and side slip of the vehicle. In order to develop such a system required repeated testing to get the results as you wish. The design with Hardware in The Loop (HIL) is an appropriate method for the testing of the system. This test can reduce the time and the amount of the actual vehicle test on the road, lowering development costs and improve the quality of new product development. This research will be conducted HIL simulation that use Model Predictive Control (MPC) with doing Software In The Loop Simulation previuosly to learn and test the stability control system for yaw rate at automotive. The result of the simulation are doing very well and give the real time output."

"Penelitian mengenai permasalahan konsensus pada konvergensi dan stabilitas multi-agent systems MAS merupakan salah satu topik penelitian fundamental terkait dengan perlunya kendali terdistribusi untuk masing-masing agent pada MAS. Permasalahan dalam perancangan pengendali ini dapat dipengaruhi oleh berbagai variabel, diantaranya adalah model dinamik MAS, skema organisasi dan jenis topologi komunikasi. Pada penelitian ini, protokol konsensus berbasis sistem kendali prediktif terdistribusi dengan skema organisasi leaderless dirancang untuk menyelesaikan permasalahan konsensus pada model MAS domain waktu diskrit. Dinamika sistem multi-agent dideskripsikan dalam model integrator tunggal. Protokol pengendali konsensus dibentuk dengan mengkombinasikan antara teori graph untuk mengatur topologi komunikasi antar agent, dengan algoritma kendali prediktif tanpa constraint untuk mengatur respon gerak setiap agent. Pengendali prediktif memprediksi masukan dan keluaran agent sepanjang receding horizon. Kombinasi parameter bobot respon masukan dan keluaran ditala untuk mendapatkan respon terbaik. Pada metode kendali ini, nilai control horizon dapat dibuat sama dengan nilai prediction horizon untuk menambah derajat kebebasan pada sistem lup tertutup. Teori analisis matriks stokastik digunakan untuk menguji konvergensi dan stabilitas sistem berdasarkan topologi komunikasi dan pemilihan periode pencuplikan. Hasil rancangan protokol pengendali DMPC diujikan pada skenario graph topologi tetap dan berubah, dan periode pencuplikan yang berbeda. Hasil uji simulasi menunjukkan bahwa MAS mampu mencapai konsensus secara konvergen pada setiap kondisi kecuali pada graph yang tidak memiliki directed spanning tree.

---

Consensus problem in convergence and stability of multi agent systems MAS is one of fundamental research topics related to the urge of distributed control for each agent in MAS. The matter of controller design is affected by some variables such as dynamic model, organization scheme and communication topology. This research addresses the design of distributed model predictive control DMPC based consensus protocol to solve consensus problem in discrete time leaderless MAS. The dynamics of MAS is described as single integrator model. Consensus control protocol is built by combining graph theory to control the communication topology between agents, with predictive control algorithm to control each agent's motion.

Predictive control is used to predict input and output of agent throughout receding horizon. Parameter combination of input and output response weight is also predicted to obtain optimum response. In this control method, the control horizon can be adjusted to be the same length as prediction horizon which provides extra degree of freedom to the closed loop system. By using the property of stochastic matrices theory, convergence and system stability can be analyzed based on communication topology used and selection of sampling period. Several simulations are conducted to test the DMPC consensus protocol designed under fixed and switching topology, and different sampling period. The simulation results show that MAS can achieve convergent consensus on every condition, unless if the graph has no directed spanning tree."

"Multi-Agent System MAS atau sistem dengan agen-ganda didefinisikan sebagai sebuah sistem yang terdiri dari beberapa autonomous agents yang saling berinteraksi satu sama lain. MAS dapat diaplikasikan di berbagai disiplin ilmu, seperti di bidang biologi, fisika, ekonomi, ilmu komputer, dsb. Pada penelitian dalam beberapa tahun terakhir, MAS yang dirancang dapat dibedakan berdasarkan: model, skema organisasi, topologi komunikasi, protokol dan algoritma pengendalian MAS yang digunakan, serta parameter lain pada MAS, seperti waktu pencuplikan, waktu tunda, gangguan, batasan, dsb. Walaupun teknologi MAS tidak dapat dikatakan sebagai teknologi yang baru, berbagai masalah masih kerap alam ditemukan dalam implementasinya. Masalah yang biasa ditemukan dalam perancangan MAS antara lain berupa masalah komunikasi, pengendalian agent, hingga MAS yang terlalu kompleks seperti MAS dengan model dinamik agent yang berubah-ubah terhadap waktu . Oleh karena itu, diperlukan penelitian lebih lanjut mengenai MAS dengan kompleksitas tinggi. Pada penelitian ini, akan dikembangkan protokol pengendalian yang tepat guna untuk MAS dengan kompleksitas tinggi sehingga dapat mencapai konsensus walaupun dihadapkan dengan batasan-batasan yang ditemukan pada sistem, seperti topologi komunikasi yang berubah-ubah yang mengganggu ketahanan sistem.

---

Multi Agent System MAS or a system with multiple agents is defined as a system consisting of multiple autonomous agents interacting with each other. MAS can be applied in various disciplines, such as in the fields of biology, physics, economics, computer science, etc. In researches in the recent decades, the designed MAS can be distinguished by model, organizational scheme, communications topology, protocol and control algorithm which is used, and other parameters on MAS, such as sampling time, delay time, interruption, constraints, etc.

Although MAS technology can not be said to be a new technology, various problems are still often found in implementation. Common problems can be found in communication problems, agent control, up to MAS that is too complex such as MAS with time varying dynamic model of agents. Therefore, further research is needed on MAS with high complexity. In this research, appropriate control protocol will be developed for MAS with time varying dynamic model of agents so that it can reach consensus, although faced with the constraints found in the system, such as the changing communications topology."