Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPerkembangan teknologi pada dunia otomotif telah berkembang pesat dalam beberapa tahun terkahir. Dunia yang semakin menuntut kenyamanan dan keamanan dalam berkendara membuat produsen-produsen mobil roda empat berlomba-lomba membuat inovasi dalam hal ini. Kenyamanan dan keamanan dalam berkendara dapat ditunjang dari performa mesin, distribusi tenaga, pengereman, suspensi, roda, dan lainnya. Kenyamanan dan keamanan berkendara dengan suspensi mulai berkembang untuk memberikan stabilitas dan kenyamanan pada saat mobil melalui jalan yang tidak rata sehingga suspensi dapat meminimalisir osilasi dari mobil sehingga mobil dapat beraksi mendekati performa di jalan rata. Pengunaan pengendali untuk active suspension terdapat beberapa metode yang dapat diimplementasikan pada actuator suspensi untuk memberikan force actuator pada mobil yang sebenarnya. Pada penelitian ini keadaan yang dikendalikan pada sistem active suspension yaitu body heave (perpindahan dari sprung mass). Pengendalian untuk sistem active suspension pada mobil roda empat yang diajukan pada penelitian ini menggunakan MPC (Model Predictive Control). Metode MPC digunakan pada pengendalian sistem ini karena terdapat banyak constraint dan uncertainty pada sistem ini, kemampuan MPC untuk mengendalikan sistem dengan banyak variabel dan sifat-sifat MPC seperti adanya constraints dapat berguna dalam mengendalikan sistem ini. Dalam Pengembangan model predikisi, road profile dianggap sebagai gangguan. Dinamika model yang kontinu bersifat non-linear diidentifikasi digunakan metode identifikasi least square. Performa dari pengendali kemudian disimulasikan untuk mengetahui kemampuan pengendali dalam mengikuti gangguan dan mengikuti dari setpoint yang diberikan.

---

ABSTRAKThe development of automotive technology has developed rapidly in last few years. In this modern world a few changes has been made and people show up with a new regulation about car comfort and safety. Car manufactures around the world used their resources to invest a new innovation in this area to increase comfort and safety for a joyful ride. Comfort and safety can be increased in some areas like engine performance, power distribution, braking system, suspension, wheel, and many more. Comfort and safety by utilized suspension system has developed rapidly in last few years. The development in suspension area can bring a stability and comfort for the ride when the cars meet a bumpy road, active suspension can minimize vertical body oscillation of the car. Active suspension can be tuned by using many types of controller for implementation in the real car to control suspension actuator so the actuator can produce force to control the state in suspension system which is body heave or sprung mass displacement. In this research a Model Predictive Control or MPC is proposed to control an active suspension system for a four wheel car. MPC is chosen due to it?s capability to control a non-linear system with an uncertainty and constraint. In this research various type of road profile is used as disturbance. In this research least square identification is used to identified a dynamic non-linear model of the car. The performance of the proposed controlled than simulated to show the ability to handle the disturbance and track the setpoint."

"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."

"Seiring dengan bertambahnya tuntutan akan kendaraan yang lebih baik, keamanan pengemudi kendaraan juga harus diperbaiki. Permasalahan yang terkait dengan Vehicle Dynamics Control (VDC) adalah model yang nonlinear yang sering menimbulkan kesulitan dalam mengendalikan variabel-variabel keadaan. Linearisasi model umumnya dilakukan dengan beberapa asumsi dan simplifikasi yang dapat menghasilkan kesalahan yang besar dan mempengaruhi performa sistem. Pada penelitian ini, pengendalian dari yaw rate dan kecepatan mobil listrik diajukan dengan menggunakan pengendali prediktif. Jenis pengendali prediktif nonlinear ini dipilih karena kemampuan optimasi pengendalian sebagai permasalahan quadratic programming. Dalam pengembangan model prediksi, sudut setir dari pengemudi dianggap sebagai gangguan. Dinamika nonlinear kendaraan diidentifikasi dengan menggunakan identifikasi least square multistage dan divalidasi menggunakan performance indicatorloss function dan Final Prediction Error (FPE). Setpoint untuk yaw rate dihasilkan oleh model referensi sebagai fungsi statik dari kecepatan dan sudut setir, sedangkan nilai referensi untuk kecepatan adalah konstan. Pengendali selanjutnya memberikan kompensasi untuk sudut setir dan gaya longitudinal untuk roda. Performa pengendalian diverifikasi dengan simulasi untuk menunjukkan kemampuan untuk mengikuti perubahan setpointyang diberikan.

---

As the demand for better vehicles increases, the driver’s safety must also be improved. The problem with Vehicle Dynamics Control (VDC) is the nonlinearity of the model often causes difficulties in controlling the state variables. Linearization of the model is usually performed with several assumptions and simplification which leads to large errors that affect the performance of the controlled system. In this research, a yaw rate and vehicle’s velocity control of an electric vehicle is proposed using a predictive control. This type of nonlinear predictive controller is chosen due to its capability of optimizing the control as a quadratic programming problem. In the development of the prediction model, the driver’s steer angle is considered as disturbance. The nonlinear vehicle dynamics is identified by a Multistage Least Square identification method and validated using performance indicators loss function and Final Prediction Error (FPE). The setpoint for the yaw rate is generated by a reference model as a static function of vehicle velocity and driver’s steer angle, while the reference value for the velocity is given constant. The controller then gives compensation to the driver’s steer angle and longitudinal forces to the wheels. The control perforrmance is verified by simulation to show the ability to track the setpoint changes."

"Penggunaan komponen pasif pada sistem suspensi kendaraan mempunyai beberapa kelemahan, yaitu sistem tidak dapat menyesuaikan dengan kondisi permukaan jalan yang mengurangi kenyamanan serta keamanan dalam berkendara. Untuk mengatasi masalah tersebut dapat dilakukan dengan menambahkan komponen aktif pada sistem suspensi pasif, yang kemudian lebih dikenal dengan sistem suspensi semi-aktif. Sumber tenaga eksternal tidak diperlukan pada suspensi semi-aktif, sehingga hanya perlu mengubah damping koefisien pada damper. Dengan mengendalikan output berupa suspension deflection dari gangguan eksternal berupa kontur jalan pada model kendaraan full car diperlukan pengendali yang prediktif. Salah satu pengendali prediktif yang umum digunakan dan sudah teruji adalah Model Predictive Control (MPC). MPC digunakan untuk mengendalikan sistem suspensi semi-aktif hasil dari identifikasi sistem dengan metode identifikasi least square bertingkat. Pada laporan skripsi ini diajukan metode simulasi untuk hasil kinerja dari sistem yang akan diuji dengan menggunakan perangkat lunak MATLAB. Sedangkan untuk pengambilan data dan melihat hasil kinerja simulasi pada model kendaraan dengan menggunakan simulator Carsim.

---

The use of passive components in vehicle suspension systems has several disadvantages, one of them is the system cannot adjust to road surface conditions that reduce comfort and safety in driving. To overcome this problem can be done by adding active components to the passive suspension system, which is then better known as a semi-active suspension system. External power sources are not required for semi-active suspensions, so only need to change the damping coefficient on the damper. By controlling the output in the form of suspension deflection from external disturbances in the form of road contours on a full car vehicle model, a predictive controller is needed. One predictive controller that is commonly used and tested is the Model Predictive Control (MPC). MPC is used to control the semi-active suspension system as a result of identifying the system with the multistage least square identification method. In this thesis report, a simulation method is proposed for the performance results of the system to be tested using MATLAB software. Meanwhile, to data collecting and see the performance results on vehicle models using the Carsim simulator."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali MPC. Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Pada skripsi ini, sistem yang akan dikendalikan dengan metode MPC dengan constraints adalah Coupled-Tank Basic Process Rig 38-100. Model yang digunakan pada perancangan pengendali berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan pompa pada tangki pertama dan keluaran yang akan dikendalikan adalah ketinggian air pada tangki kedua. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode Aturan Kendali Ruang Keadaan. Hal tersebut dapat terlihat dari tanggapan sistem, dimana tanggapan sistem dengan menggunakan metode MPC lebih cepat serta tidak adanya overshoot maupun undershoot pada keluaran sistem saat terjadi perubahan nilai trayektori acuan.

---

In conventional control system, constraints, such as amplitude and slew rate of input signal are not computed in control process. This matter of course can make the control result become worst, especially when force cutting occur to input signal before it enters to the plant. To solve those problems, a MPC controller is designed. With MPC, process output can be predicted and the existence of constraints will not be ignored and, as the result, it makes output system become well. Besides improve output system quality, the existence of the constraints can also make the device works at optimum condition everytime.

In this following final thesis, system that will be controlled by MPC with constraints method is Coupled-Tank Basic Process Rig 38-100. Model that is used in controller design has state space form. This model is formed by using Least Squares method based on input and state variable data. Input system is pump in first tank and output that will be controlled is water level in second tank.

Experiments prove that MPC with constriants give better result than State Controller method. With MPC, system response become faster and there are no overshoot nor undershoot when the set point change."

"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."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali Model Predictive Control (MPC). Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Skripsi ini bertujuan untuk merancang jenis pengendali Model PredictiveControl (MPC) yang akan diterapkan pada sebuah sistem nyata Level/Flow and Temperature Process Rig 38-003 dengan metode Quadratic Programming. Dalam merancang pengendali MPC untuk Level/Flow and Temperature Process Rig 38-003 ini, penulis menggunakan model yang berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan untuk mengatur kondisi servo valve dan keluran yang akan dikendalikan adalah temperatur air hasil keluaran Heat Exchanger sebelum masuk ke sistem Radiator Cooler. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode pengendali Ruang Keadaan. Hal tersebut dapat dilihat dari tanggapan sistem hasil pengendalian MPC dengan constraints yang lebih halus dibandingkan dengan tanggapan sistem hasil pengendalian dengan metode pengendali Ruang Keadaan. Perubahan sinyal kendali pengendali MPC dengan constraints juga jauh lebih halus dibandingkan dengan perubahan sinyal kendali pengendali Ruang Keadaan. Kondisi ini akan meningkatkan ketahanan fisik sistem selama uji eksperimen.

---

In conventional control system, some constraints such as amplitude and control signal?s slew rate are not included in the controlling process. So, the result of the control process is not good enough especially if the control signal is forcibly cut before entering the plant. In order to overcome this problem, a Model Predictive Controller is designed. In this MPC control scheme, the few next steps of process output are going to be predicted and some constraints will be ignored so the system output will become precise. In other hand, the occurrence of constraints will improve system?s performance into an optimum condition.

The final purpose of this thesis is to design a Model Predictive Controller (MPC) using Quadratic Programming method which will be applied on a real time system of Level/Flow and Temperature Process Rig 38-003. In designing MPC controller for Level/Flow and Temperature Process Rig 38-003, the writer uses system?s model on state space form which is obtained by using Least Square method in the basis of input and state variables data of the plant. Input for the plant is voltage which will be used to control the position of servo valve whereas the controlled output is water temperature on the pipe that connects Heat Exchanger's output line and Radiator Cooler's input line.

Experiments conducted prove that MPC with constraints controlling scheme will give a better results than State Controller controlling scheme. Generally, it can be seen that system response to MPC controller is much smoother than system response to State Controller. MPC controller also has smoother control signal variance compared to State Controller control signal variance. This condition will actually raise the system's physical reliability during the experiment."

"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."

"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."

"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."