Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perangkat di dalam pusat data berkerja secara terus menerus sepanjang waktu dan akan menghasilkan panas yang cukup tinggi. Dengan demikian ruangan pusat data akan dikondisikan dingin. Spesifikasi dari ruangan pusat data yaitu dengan ruangan suhu sebesar 18o-27o C dan kelembaban sebesar 45%-60%. Suhu tersebut dibutuhkan untuk menjaga perangkat didalam pusat data karena beberapa peralatan didalam pusat data sensitif terhadap panas. Kelembaban mempengaruhi kadar air didalam ruangan yang berpotensi mengakibatkan hubugan singkat listrik dari perangkat. Dengan demikian diperlukan suatu perangkat mesin pendingin data center atau dikenal dengan Computer Room Air Conditioner (CRAC) Laporan skripsi ini bertujuan untuk untuk merancang suatu pengendali prediktif MPC dengan constraint yang diterapkan pada sistem CRAC nonlinear, dimana model yang digunakan merupakan Model Linear bertingkat. Dilakukanproses Identifikasi dan Perancangan Pengendali MPC Sistem CRAC dengan menggunakan ketiga jenis model Least Square bertingkat. Hasil Simulasi identifikasi Least Square bertingkat dari sistem CRAC menunjukkan bahwa salah satu jenis model menghasilkan hasil yang baik dan dapat digunakan untuk mendisain pengendali MPC. Hasil validasi model tersebut pun baik. Model yang diperoleh dari hasil identifikasi dapat digunakan untuk pengendalian MPC sebab memiliki nilai 𝑱𝑳𝑺 dan FPE yang rendah, nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Dilakukan simulasi pengendali MPC dengan menggunakan model Least Square bertingkat untuk mengendalikan mesin pendingin CRAC yang bersifat MIMO (multi input singleoutput), dengan keluaran berupa temperatur udara masuk ke dalam pusat data. Percobaan simulasi menggunakan MPC dengan constraint dengan model linier dan nonlinier yang divariasikan parameter Hu, Hp, Q, dan R. Hasil dari pengujian tersebut adalah MPC menghasilkan nilai yang baik dan mengikuti acuan pada nilai Hp= 8, Hu=4, Q=1,5, dan R=50 untuk sistem linier, dan nilai Hp=8, Hu=4, Q=1,5, dan R=10 untuk sistem nonlinier. Serta hasil pengendalian MPC menggunakan model Least Square bertingkat menujukkan hasil yang lebih baik daripadapengendalian MPC menggunakan model Least Square biasa.

---

Hardwares in data center work continuously over time and will produce high enough heat. Thus the data center will be conditioned cool. The spesification of data center temperature is 18o-27o C and the humidity is 45%-60%. The temperature needed to keep the hardwares work in their optimal state. Humidity affect water content of air in data center. Thus we need a device to keep temperature and humidity. The device known as Computer Room Air Conditioner (CRAC). This essay aims to report the design of a predictive controller with MPC constraint applied to the CRAC nonlinear systems, where the model used a multi stage linear model. Carried out the MPC Identification and Control Design CRAC system with three types of models using Least Square multistage. Simulation results of a multistage least squares identification of CRAC system shows that the model produces one type of good results and can be used to design the MPC controller. The results of the validation of the model also good. Models obtained from the identification could be used to control MPC because gives low value of JLS and FPE, eigen value in unit circle, and have fully controllable and fully observable characteristic. MPC controller simulation using Least Square multistage models. Simulation experiments using MPC with constraints with linear and nonlinear models were varied parameters Hu, Hp, Q, and R. The results of these tests are MPC produces good value and follows the reference at Hp= 8, Hu=4, Q=1,5, and R=50 for linear system, and Hp=8, Hu=4, Q=1,5, and R=10 for nonlinear system. And the results of the MPC control using Least Square multilevel models showed better results than the MPC control using ordinary least square models."

"Sistem pendinginan pada ruang pusat data menjadi hal yang sangat penting bagi keselamatan sistem komputer di dalamnya Oleh karena itu diperlukan pengendalian yang baik pada Computer Room Air Conditioning CRAC ruang pusat data tersebut Karena itu pada penelitian ini akan digunakan pengendali Model Predictive Control MPC model nonlinier yang mampu menangani sistem multivariabel dengan cukup mudah dan juga kemampuannya untuk memberikan constraint atau batasan tertentu baik pada sinyal pengendali maupun pada keluaran sistem Sistem CRAC merupakan sistem multivariabel berorde tinggi yang memiliki dua masukan dan dua keluaran Model nonlinier sistem CRAC diperoleh dari hasil pemodelan menggunakan persamaan fisika Sementara model linier yang akan dipakai diperoleh dari hasil identifikasi subspace MOESP Multivariable Output Error State Space dan Least Square di mana hasil identifikasi MOESP digunakan dalam pengendalian MPC untuk model linier dan hasil identifikasi Least Square digunakan dalam pengendalian MPC untuk plant nonlinier Hasil pengendalian menggunakan MPC untuk plant nonlinier ini akan dibandingkan dengan pengendalian MPC untuk model linier.

---

Cooling system in data center is become important thing for durability computer system inside Therefore the good controller required for Computer Room Air Conditioning CRAC in data center Because of that in this research will be used Model Predictive Control MPC controller which capable to easily handle multivariable systems and its feature to provide constraints both for control signals and output signals CRAC system is a high order multivariable system with two inputs and two outputs Nonlinear system model of CRAC are obtained from modelling using physics equation Besides that the linear model that is used in the controller are obtained from identification with subspace MOESP Multivariable Output Error State Space and Least Square which the result of MOESP identification will be used in linier model MPC controlling and the result of Least Square identification will be used in MPC controlling for nonlinear plant The result of MPC controlling for nonlinear plant will be compared with the result of linear model MPC controlling."

"Sistem tata udara presisi merupakan komponen yang sangat penting dalam sebuah ruang pusat data untuk menjaga agar perangkat yang disimpan tidak mengalami kerusakan pada waktu singkat. Sistem ini merupakan sistem multivariabel dan diperlukan untuk menjaga suhu dan kelembaban ruang pusat data pada batasan yang sesuai dengan kondisi kerja peralatan IT, sehingga diperlukan pengendali cerdas yang mampu bekerja pada batasan tertentu dan mampu menangani sistem multivariabel. Selain itu, pengendali tersebut juga harus mampu menangani karakteristik sistem tata udara presisi yang nonlinier. Oleh karena itu, pengendali MPC (Model Predictive Control) digunakan untuk mengendalikan sistem tersebut.Pengendali MPC merupakan pengendali yang menggunakan model proses secara eksplisit dalam penghitungan sinyal kendalinya. Model linier digunakan untuk menghitung prediksi keluaran sistem nonlinier dan menghitung besar sinyal kendali agar keluaran sistem nonlinier sesuai dengan acuan. Agar besar kesalahan prediksi keluaran dari model dan keluaran sesungguhnya dari sistem dapat diminimalisasi maka digunakan model ruang keadaan multimodel yang diperoleh melalui metode identifikasi least square.Model yang diperoleh dari hasil identifikasi dapat digunakan untuk pengendalian MPC sebab memiliki nilai 𝐽𝑒𝑒 dan FPE yang rendah (< 10−5), nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Pengendali MPC berbasis multimodel linier kemudian dirancang untuk mengendalikan sistem tata udara presisi yang bersifat MISO (multi input single output), dengan keluaran berupa temperatur udara masukan kabinet (𝑇𝑖𝑛,𝑐𝑎𝑏). Untuk memperoleh pengendalian yang terbaik, pengendali MPC disimulasikan pada sistem linier dan nonlinier. Variasi nilai 𝐻𝑝, 𝐻𝑢, Q, dan R diberikan untuk mengetahui pengaruh perubahan nilai parameter pengendali MPC terhadap karakteristik sinyal kendali masukan dan sinyal respon keluaran sistem, serta waktu komputasi dan nilai loss function. Simulasi pengendalian MPC menunjukkan hasil yang baik pada nilai 𝐻𝑝 = 𝐻𝑢 = 6, 𝐐 = 50, dan 𝐑 = 5 untuk sistem linier, dan nilai 𝐻𝑝 = 12, 𝐻𝑢 = 3, 𝐐 = 70, dan 𝐑 = 0.5 untuk sistem nonlinier.

---

Precision air conditioning is a vital component in a data center to keep the stored devices from failures. This system is a multivariable system and needed to keep the temperature and humidity of a data center in a certain constraints which is suitable for IT devices operating condition. Hence, an intelligent controller which can take constraints into account and handle multivariable system is needed. Furthermore, the controller must be capable to handle nonlinear characteristic of such system. Thus, Model Predictive Controller (MPC) is used to control such systems.

MPC is a controller that used the model of a process explicitly to compute the control signal. The linear model is used to predict the output of nonlinear system and calculate the control signal to meet the given target. To minimize error between predicted output from the model and the actual output of the plant, double-stage state space model is used.

The model is identified using least square method and can be used for system control using MPC due to its low 𝐽𝑒𝑒 and FPE (< 10−5), its eigenvalues located inside the unit circle, and its characteristics which is fully controllable and fully observable. MPC based on linear multimodel linear is designed to control PAC system which is a MISO (Multiple Input Single Output) system, which output is the temperature of input air to cabinet (𝑇𝑖𝑛,𝑐𝑎𝑏). In order to obtain the best control action, MPC is simulated in linear and nonlinear system. The value of controller parameters 𝐻𝑝, 𝐻𝑢, Q, and R is varied to study the effect of changes in parameter value to the characteristic of input control signal and system responds, input signal computing time and the value of loss function. The best simulation result is obtained at 𝐻𝑝 = 𝐻𝑢 = 6, 𝐐 = 50, and 𝐑 = 5 for linear system, and 𝐻𝑝 = 12, 𝐻𝑢 = 3, 𝐐 = 70, and 𝐑 = 0.5 for nonlinear system."

"ABSTRACTSetiap tahun, jumlah kecelakaan mobil sangat banyak terjadi di berbagai penjuru dunia, bahkan cenderung meningkat dari tahun ke tahun. Salah satu faktor penyebab kecelakaan mobil ini adalah kecelakaan ganda, yang dimana hal tersebut bisa terjadi, diakibatkan pengendara kurang memperhatikan jarak aman antar kendaraan. Untuk menyiasati kecelakaan akibat hal tersebut, diciptakanlah teknologi Intelligent Cruise Control ICC, sebagai salah satu teknologi pengembangan dari teknologi Cruise Control CC. Perbedaannya terletak pada tujuan sistem. Jika CC hanya menjadikan mobil bergerak dalam kecepatan konstan, ICC menjadikan mobil bergerak dalam kecepatan konstan, serta menjaga jarak dengan mobil di depannya. Namun, mendesain ICC tidak bisa dilakukan secara acak. Hal ini disebabkan kualitas dari teknologi ICC tersebut sangat dipengaruhi oleh model mobil serta jenis pengendali yang digunakan. Jika model mobil dan pengendali tidak sesuai, maka teknologi tersebut tidak berjalan dengan baik. Dalam skripsi ini, peneliti mencoba mendesain teknologi ICC dengan bantuan pengendali prediksi bertingkat, dengan terlebih dahulu mengidentifikasi model yang digunakan, kemudian hasil model identifikasi dan pengendali akan diuji dalam bentuk simulasi untuk membuktikan kualitas model dan pengendali yang telah dirancang sebelumnya.

---

ABSTRACTEvery year, there are so many car accidents which is happened in the world, even, the accidents tends to increase from year to year. One of the factors causing this car accident is a collision, which can happen, due to the driver 39 s lack of attention to the safe distance between two vehicles. To minimalize the accident, Intelligent Cruise Control ICC technology was created, as one from so many technologies which is developed from Cruise Control CC technology. The difference lies in the purpose of the system. If the CC only keeps the car moving at a constant speed, the ICC keeps the car moving at constant speed, and also can keeps the car 39 s distance in front, However, designing an ICC can not be inconsequentially. This is due to the quality of the ICC technology is strongly influenced by the car model and the type of controller used. In this research, this paper tries to design the ICC technology with multistage model predictive controller MPC , by first to do is identifying the model that is used, then the result of the identification model and the controller will be tested in the form of simulation to prove the quality of the model and the controller that has been previously designed."

"ABSTRAKKendaraan roda empat dapat mengalami perilaku understeer atau oversteer ketika berbelok. Perilaku tersebut menunjukkan ketidakstabilan pada kendaraan yang dapat terjadi ketika kendaraan di laju dengan kecepatan tinggi diatas permukaan jalan dengan koefisien gesek yang rendah. Ketidakstabilan ini dapat menjadi potensi bahaya ketika berkendara.Desain pengendali prediktif bertingkat dengan model gerak kendaraan double track, diajukan dalam skripsi ini untuk mengatasi perilaku understeer dan oversteer. Perancangan pengendali dimulai dari mendapatkan data masukkan dan keluaran pergerakkan kendaraan. Kemudian dengan metode least square bertingkat, didapatkan matrik matrik model identifikasi bertingkat. Model identifikasi tingkat pertama digunakan untuk mendapatkan nilai eror estimasi keluaran, sedangkan model identifikasi tingkat kedua digunakan sebagai model pengendali prediktif bertingkat.Pada akhir penelitian, desain pengendali prediktif bertingkat diuji melalui simulasi untuk melihat kemampuan pengendali yang telah dirancang.

---

ABSTRACTOversteer and understeer could be experienced by each of four wheel vehicle. The behaviours show the instability of the vehicle, and might be happened because of high velocity of the vehicle and low friction coefficient of the road. The instability could be one of the potential risks in driving the vehicle.The design of multistage predictive control with double track vehicle model is proposed in this research to handle understeer and oversteer behaviours. The design started from collecting the related input and output. Then the multistage least square method is used to find the matrix used in multistage identification model. The first stage of identification model is used to get prediction error that happened while estimating the output. The second level of identification model is used as multistage predictive control model.In the end of research, the multistage predictive control is tested through simulation to check the performance of the controller."

"Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang bekerja berdasarkan konsep termodinamika. Sistem tata udara presisi digunakan di ruang pusat data untuk menjaga temperatur dan kelembaban di dalam kabinet agar peralatan IT di dalam kabinet tidak cepat rusak. Temperatur ideal yang harus dicapai di dalam kabinet berkisar antara 20º - 25ºC, sedangkan kelembaban relatif (RH) yang harus dijaga di dalam kabinet berkisar antara 45-55%. Namun untuk mencapai keadaan tersebut, dibutuhkan pengendalian sistem supaya sistem dapat bekerja dengan keluaran seperti yang diinginkan.Model predictive control merupakan salah satu metode pengendali prediktif yang populer digunakan di dunia indutri. Sistem tata udara presisi yang dikendalikan dalam penelitian ini merupakan sistem multi input single output (MISO) dengan masukan berupa kecepatan putaran kipas kompresor dan kecepatan aliran udara volumetrik, dan keluaran yang dikendalikan adalah suhu keluaran dari kondenser kedua yang menuju kabinet dari sistem tata udara presisi. Diuji tiga model sistem tata udara presisi, model linier, model nonlinier tanpa beban heat sensible peralatan IT, dan model nonlinier dengan beban sensible peralatan IT yang divariasikan dengan pendekatan model linier biasa hasil identifikasi PO-MOESP dan model linier dengan vektor bias hasil identifikasi menggunakan metode kuadrat terkecil.Hasil pengendalian MPC untuk ketiga plant sistem tata udara presisi menujukkan performa yang baik dalam pengendalian, dilihat dari keluaran sistem yang mengikuti trajektori acuan yang diberikan.

---

Precision Air Conditioning (PAC) is a refrigerant machine that works based on thermodynamics concept. PAC is in implemented data center in order to stabilize the temperature and the humidity in cabinet in order to prevent IT damage integrated in the cabinet. The desired ideal temperature for the cabinet is from 20oC to 25oC and the desired relative humidity (RH) is from 45-55%. However, to achieve such a state, it takes control of the system so that the system can work with the output as desired.

Model predictive control is a predictive control method which is popularly used in industries world. Precision air conditioning system are controlled in this study is a multi-input single output (MISO) system with input in the form of fan rotation speed of the compressor and the air volumetric flow rate, and the controlled output is the temperature of the output of the second condenser to the cabinet of the precision air conditioning system. Tested three models of precision air conditioning system, linear models, nonlinear models without the burden of sensible heat IT equipment, and nonlinear models with variation of sensible heat IT equipment load with ordinary linear model approach to the identification of PO-MOESP and linear models with bias the results of identification using the method least squares.

MPC control results for the third plant of PAC systems showed good performance in control, viewed from the system output to follow a given reference trajectory."

"Grip atau adhesi antara ban dan jalan adalah salah satu aspek yang paling penting dalam dinamika kendaraan karena grip akan menentukan apakah gaya gerak yang dihasilkan oleh mesin akan berubah menjadi gaya gerak seluruhnya oleh roda atau akan ada kerugian dalam bentuk perputaran roda yang berlebihan atau slip. Slip itu sendiri tergantung kepada besarnya gaya yang dihasilkan oleh mesin dan dengan koeifisen gesek dari jalanan dengan sehingga kondisi dari jalanan, seperti basah, kering, atau bersalju, akan mempengaruhi besarnya slip yang terjadi. Slip memiliki relasi yang bersifat nonlinear dengan miu terlebih lagi ketika terjadi perubahan kondisi jalanan dengan sehingga untuk perlu untuk dikendalikan dengan menggunakan pengendali prediktif agar transisi perubahan kondisi jalan yang terjadi menjadi lebih lembut. Pada penelitian ini, model dua roda nonlinear akan diidentifikasikan dengan menggunakan least square dan lalu hasil model linear yang telah diperoleh akan digunakan sebagai model acuan bagi pengendali MPC. MPC akan mengendalikan torsi yang masuk ke dalam plant berdasarkan masukan slip optimal untuk masing-masing kondisi jalanan. Hasil simulasi menunjukan disaat terjadi perubahan kondisi jalanan, seperti dari kering ke basah, MPC mampu memberikan sinyal pengendali sebelum terjadinya perubahan kondisi tersebut dan juga dengan respon slip dan kecepatan yang cepat tetapi tidak agresif.

---

Grip, the adhesion between the tire and the road, is one of the most important aspect in vehicle dynamics because grip will determine if the driving force generated by the engine will be turned into moving force entirely by the wheel or will there be losses in forms of excessive wheel spin or slip. Slip alone depends on the force generated by the engine and the road friction coefficient thus the conditions of the road, e.g. dry, wet, snowy, will affect the slip.

Slip has a nonlinear relation with road friction coefficient and furthermore the changing conditions of the road will make the relation even more nonlinear and thus the system is needed to be controlled with a predictive controller to make transitions of the changing road conditions smoother.

In this research, a nonlinear two wheel model will be identified with least square and then the linear model generated by least square will be used as a model reference for MPC. MPC will control the torque entering the plant based on an optimal slip for each road conditions.

Results of the simulations shows that when the road conditions are changed, e.g. from dry to wet, MPC is capable of giving a control signal well before the actual road conditions are changed, and furthermore the slip and speed response from the system is fast but not aggressive."

"Perkembangan teknologi otomotif semakin pesat pada dekade ini. Tidak hanya pada pengembangan mekanik, pengembangan sistem elektrikal, dan pengaturan dinamika pergerakan mobil juga turut berkembang seiring meningkatnya penggunaan kendaraan elektrik (electric vehicle / EV). Traction control system (TCS) merupakan salah satu teknologi yang berkembang, dengan tujuan memaksimalkan traksi demi tercapainya performa tinggi, kenyamanan, dan kestabilan saat berkendara. Namun, sifat dinamika traksi kendaraan yang tidak linear menghasilkan kesulitan untuk dikendalikan. Oleh karena itu, dalam penelitian ini akan dikaji dan dirancang sebuah skema pengendalian traksi yang bekerja dengan memaksimalkan gaya penggerak pada model dua roda. Torsi yang dihasilkan motor selain menjadi gaya penggerak juga menjadi gaya putar roda. Menurut model Pacejka jika slip terlalu besar, gaya gesek jalan akan mengalami saturasi sehingga sebesar apapun pengemudi meningkatkan torsi motor, tidak akan meingkatkan gaya penggerak, hanya memutar ban sehingga energi terbuang sia-sia. Oleh karena itu diusulkan metode pengendali prediktif untuk mengoptimalkan kinerja mobil sehingga torsi motor dapat diubah menjadi gaya penggerak secara efisien. Model prediksi diperoleh melalui metode estimasi least square karena sifatnya yang mudah dan akurat. Metode kendali MPC (Model Predictive Control) dipilih karena kemampuannya untuk memperhitungkan constraints dalam sintesis pengendalinya sehingga kenyamanan dan keamanan dapat terjamin, juga sifatnya yang dapat meminimumkan perubahan sinyal kendali dapat membantu efisiensi berkendara. Hasilnya pengendali dapat menahan driving force pada batas yang optimal untuk mempertahankan efisiensi dan keamanan berkendara. Tidak hanya pada referensi konstan namun juga pada referensi yang berubah dan pada keadaan jalan baik aspal kering maupun basah.

---

Development in automotive technology have grown rapidly in the past decade. Not only in mechanical section, the development in electrical, and motion dynamics management have also been developed as the increase of electric vehicle (EV) usage and usage of computer for control media. Traction control system (TCS) is one of those technologies developed, with objective to maximize traction to obtain high performing vehicle, with comfort, and stability aspects while being driven. But, non linearity in traction dynamic on vehicle makes it difficult to control.

Thus, in this research a traction control scheme to maximize driving force studied and designed. Torque generated by electric motor beside transformed itu driving force, also become wheel rotation force. According to Pacejka tire friction model, if the longitudinal slip is excessive, friction force will enter saturation zone so no matter how much the driver increase motor torque, it won't increase driving force, only rotates wheel faster that it wastes energy.

That is why a predictive control method is porposed so that motor torque can be transmformed into driving force efficiently. Prediction model is obtained with least square estimation method because its ease of use and good acuracy. MPC (Model Predictive Control) method is chosen because its ability to calculate constraints in its synthesis so that comfort and safety can be asured, also its characteristic that is able to minimize control signal's change to help driving efficiency.

The controller is capable to hold driving force in a good margin to maintain efficiency and driving safety. Not only on constant reference but also on changing reference and it‟s good wether on dry or wet asphalt."

"Sistem tata udara presisi adalah sistem yang mengatur lingkungan udara yang cocok untuk peralatan ICT dalam kebinet ruang Datacenter yang khusus melayani penggunaan yang sangat penting dan kritis. Untuk mencegah kerusakan pada peralatan ICT dan pada media penyimpan akibat thermal shutdown, conductive anodic failures, hygroscopic dust failures, corrosion, dan short circuit, sistem tata udara presisi harus dapat mengendalikan temperatur dan kelembaban didalam kabinet, serta mampu beradaptasi terhadap perubahan temperatur akibat perubahan beban panas peralatan IT. Permasalahan yang dihadapi adalah bahwa sistem ini memiliki karakterisitik kompleks dan nonlinier yang sangat kuat yang sangat sukar dikendalikan oleh teknik kendali lanjut linier. Di dalam dissertasi ini diusulkan teknik kendali prediktif nonlinier baru yang disebut sebagai sistem kendali prediktif multi model berbasis supervisi untuk mengendalikan temperatur keluaran sistem tata udara presisi. Algoritma kendali tersusun dari tiga layer, yaitu layer optimasi kendali real-time untuk mengikuti perubahan sinyal acuan, layer adaptasi untuk menyesuaikan model PAC terhadap variasi beban panas, dan layer supervisi untuk menjamin kestabilan. Sistem PAC memiliki rancangan struktur baru yaitu penambahan kondenser sekunder yang berfungsi sebagai reheater untuk menurunkan RH keluaran evaporator. Prinsip kerja dan siklus kompresi uap sistem PAC diilustrasikan dalam psychrometric chart dan diagram enthalpi-tekanan. Model nonlinier sistem PAC diturunkan menggunakan teori pemodelan fisik berdasarkan prinsip konservasi energi dan kesetimbangan massa, dan kemudian dilinierisasi di sekitar titik kerja untuk mengembangkan model ruang keadaan orde-8 yang cocok untuk perancangan pengendali multivariabel. Kualitas model terlinierisasi dianalisa dari aspek respons transien, sifat controllability dan observability, dan interaksi antar variabel masukan-keluaran. Sebuah model nonlinier yang disebut sebagai multi model linier diusulkan dimana matriks parameter model diestimasi oleh algoritma identifikasi N4SID menggunakan himpunan data eksperimen masukankeluaran. Kontribusi utama dari dissertasi ini adalah multi model linier dapat diestimasi secara bertingkat dimana tiap tingkat identifikasi mempertahankan hubungan linier antar matriks parameter. Konsep model bertingkat ini juga mempermudah perancangan pengendali prediktif multi model dengan tetap mempertahankan optimasi kendali sebagai permasalahan quadratic programming. Mekanisme adaptasi pengendali prediktif dibentuk dengan memperbaharui model prediksi menggunakan algoritma N4SID rekursif. Untuk menjamin kestabilan sistem PAC dan menghindari fenomena bursting, algoritma deteksi ketidakcukupan eksitasi sinyal masukan dan monitoring sinyal diturunkan dalam persamaan rekursif, sehingga penambahan waktu komputasi tidak signifikan. Komputasi rekursif pada layer supervisi menjadi kontribusi terakhir. Kualitas model nonlinier hasil pemodelan fisik dan identifikasi bertingkat divalidasi melalui simulasi dan uji eksperimen baik secara kualitatif maupun kuantitatif. Sebagai indikator kinerja validasi model digunakan kriteria loss function dan kriteria final prediction error. Dari hasil uji simulasi dan eksperimen, hanya multi model linier menunjukkan kinerja model yang baik dari aspek kemampuan meniru karakteristik nonlinear sistem PAC dan nilai parameter analisa model yang baik, sehingga model ini cocok dipakai pada perancangan pengendali. Algoritma kendali yang diusulkan juga diverifikasi baik dalam kasus uji simulasi dan eksperimen, dan menunjukkan kemampuannya untuk menjejaki perubahan sinyal acuan.

---

Precision air conditioning (PAC) is a system that regulate air environment suitable for ICT equipments inside the cabinet of Datacenter room which serves very important and critical works. In order to overcome damage on ICT equipments and media storage due to thermal shutdown, conductive anodic failures, hygroscopic dust failures, corrosion, and short circuit, the PAC should be able to control the temperature and relative humidity inside the cabinet, and also able to adapt againts temperature change caused by interaction with humans, change of environment temperature, and change of heat load of ICT equipments.

The problem encountered is that the PAC shows complex and highly nonlinear dynamics that is usually very difficult to control with linear advanced control systems. In this Dissertation, a new nonlinear predictive control called a supervision-based multi model predictive control to regulate the temperature outlet of PAC is presented. The proposed control algorithm consists of three layers, they are the optimization of real-time control layer for tracking the given set points, the adaptation layer for adjusting the PAC model againts variation of heat load, and the supervision layer for guarantee the closed loop stability.

The work mechanism and vapourcompression cycle for the PAC system are illustrated using psychrometric chart and enthalpypressure diagram. A nonlinear model is derived using physical modeling theory based on the conservation of mass and energy balance principles, and then linearized about operating points for developing a 8th order state space model suited for multivariable control design. The quality of linearized model is analyzed in terms of response transient, controllability, observability, and interaction between input-output variables. A nonlinear model called multi linear model is proposed where the model parameter matrices are estimated by N4SID algorithm using a set of input-output data.

The main contribution of this dissertation is that the multi linear model can be estimated using multi-stage subspace identification algorithm, where the relationship between model parameter matrices is still maintained linear. The concept of multi level models also simplify the design of multi model predictive controller retaining control optimization as a quadratic programming problem. The adaptation mechanism is performed by updating the prediction model using recursive N4SID algorithm.

In order to guarantee system stability and to overcome bursting phenomena, a detection algorithm of less excitation signal and signals monitoring are derived in recursive forms, so that the control algorithm needs no significant additional computing power. The recursive computation in supervision layer is the last contribution for this dissertation. Quality of nonlinear model from physical modeling and system identification is validated through simulation and experimental test both qualitatively and quantitatively. Loss function and final prediction error are choosed as a performance criteria of model validation.

From the simulation and experimental results, only the multi linear model shows good modeling performance in terms of ability to mimic the nonlinear behavior of PAC system and good parameter value of model analysis. The proposed control algorithm is also verified in case of simulation and experimental test showing its ability to track the set-point change."

"Penerapan dan penelitian mengenai multi agent system (MAS) saat ini sedang cepat berkembang. Penggunaan pengendali Model Predictive Control (MPC) cukup populer digunakan untuk menyelesaikan permasalahan konsensus pada korvengensi dan stabilitas MAS. Namun pada MPC konvensional masih terdapat masalah, masalah optimasi yang harus diselesaikan secara periodik menyebabkan pemborosan sumber daya komputasi dan komunikasi antar agen. Oleh karena itu, mekanisme tambahan diperlukan agar masalah optimasi dapat diselesaikan secara aperiodik. Pada peneltian ini, mekanisme self triggered ditambahkan pada pengendali MPC, dan dirancang untuk menyelesaikan permasalahan formation pada MAS dengan model nonholonomic mobile robot. Penggunaan mekanisme ini memungkinkan komputasi MPC tidak perlu dilakukan secara terus menerus, tapi digunakan bila dibutuhkan. Pengendali yang dirancang dibentuk dengan mengkombinasikan antara teori graph sebagai topologi komunikasi antar agent, dengan algoritma MPC, dan ditambah dengan mekanisme self triggered untuk menentukan kondisi kapan MPC melakukan optimasi. Pengendali Prediktif atau MPC akan memprediksi sinyal kendali agent sepanjang horizon prediction. Beberapa simulasi dilakukan untuk menguji rancangan desain pengendali self-triggered MPC, kemudian diuji untuk menyelesaikan permsalahan formation, lama waktu komputasi dihitung dan dibandingkan dengan MPC konvensional. Hasil uji simulasi menunjukan bahwa mekanisme self triggered mampu mengurangi beban komunikasi dan beban komputasi pada pengendali MPC.

---

Application and study of multi-agent systems are growing fast. Model Predictive Control (MPC) has been popularly used to solve consensus problem in corvengence and stability of multi agent system (MAS). But conventional MPC is still having probrems, optimization problems is solved periodically, which may lead to a waste of computation and communication resources between agents. Therefore, additional mechanism is needed so optimization problems can be solved aperiodically. In this study, a self triggered mechanism was added to the MPC controller, which was designed to solve the formation problem for MAS on nonholonomic mobile robot. A self triggered condition allows MPC computing not to be done periodically, but is used if needed.

The designed controller is build by combining graph theory as a communication topology beetwen agents, with the MPC algorithm, and added with a self triggered mechanism to determine the conditions when does the MPC solved optimization. Predictive controllers or MPC is used to predict control signals along the horizon prediction. Several simulation are conducted to test the self triggered MPC controller design, were then tested to solve the formation problem. The computation time is calculated and compared with conventional MPC. The simulation test results show that the self triggered mechanism is able to reduce the communication load and computational load on MPC controllers."