Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTesis ini membahas implementasi sistem pengendalian kecepatan motor listrik dengan tipe permanent magnet synchronous motor PMSM tanpa menggunakan sensor posisi dan kecepatan sensorless motor control . Algoritma observer dengan tipe Square-Root Unscented Kalman Filter SRUKF yang menggunakan skema injeksi tegangan didesain untuk melakukan estimasi posisi sudut elektrikal dan kecepatan elektrikal rotor dari motor IPMSM pada koordinat alpha-beta. Sistem observer kemudian dipadukan dengan pengendali dengan tipe Field Oriented Control FOC untuk menghasilkan sistem Sensorless Control.Hasil pengembangan kemudian diimplementasikan untuk mengendalikan kecepatan IPMSM, dan hasil estimasi SRUKF kemudian dibandingkan dengan hasil estimasi EKF untuk memperlihatkan superioritas dari SRUKF.

---

ABSTRACTThis thesis discusses the implementation of electrical motor control, especially permanent magnet synchronous motor PMSM , without position and speed sensor sensorless motor control . Square Root Unscented Kalman Filter SRUKF algorithm with voltage injection signal is designed to estimate electrical position and electrical speed of IPMSM on alpha beta coordinate. The observer system will be combined with Field Oriented Control FOC to produce Sensorless Control system.The development result is then implemented to control the speed of IPMSM. The results of SRUKF observer also compared with the EKF observer results to illustrate the superiority of SRUKF. "

"ABSTRAKMotor induksi tiga fase adalah jenis motor yang paling banyak digunakan, khususnya untuk aplikasi di dunia industri, dengan skema pengendalian yang semakin mudah untuk diaplikasikan. Untuk meningkatkan unjuk kerja pengendali, fungsi sensor kecepatan dapat digantikan oleh observer. Skripsi ini berisi simulasi penggunaan filter kalman dan komparasi unjuk kerjanya terhadap full order observer untuk menantisipasi kecepatan motor. Dari hasil yang ada, terlihat bahwa waktu cuplik sangat berpengaruh pada unjuk kerja kedua observer tersebut. Selanjutnya teknik pengendali kecepatan fuzzy-P1 jug a digunakan untuk meningkatkan unjuk kerja sistem secara keseluruhan dimana terjadi pengurangan rise time sebesar 3,36% settling time sebesar 15,28% dan %OS sebesar 3335,17%

---

ABSTRACTThree phase induction motor is a kind of motor mostly used in industrial applications whose control schemes is getting easier to be implemented. In order to improve its control performace,speed sensor scan be replaced by means of an observer. This undergradute thesis contains about the simulation using Kalman filter and its performance comparison with the full order observer in order to estiamate the speed of the motor. Based on the result, it can be found that sampling time has strong effect to their performance. Furthermore. fuzzy-P1 speed controller is used to improve the overall system performance, where the rise time is improved by 3,63%, settling time by 15,28% and %OS by 3335,17%"

"Teknologi yang sedang digunakan untuk mengoptimalkan pengereman ini merupakan Anti Lock Braking System (ABS). Teknologi ini menggunakan referensi rasio slip secara longitudinal pada roda dimana variabel ini mempunyai pengaruh terhadap koefisen gesek yang menyebabkan gaya gesek antara ban dan jalan menjadi maksimal. Rasio slip merupakan fungsi perbandingan kecepatan kendaraan dengan kecepatan roda dikalikan dengan jar-jari roda. Pengukuran kecepatan longitudinal kendaraan secara konvensional menggunakan perkalian radius roda dengan kecepatan angular roda yang dapat secara mudah diukur dengan sensor encoder. Akan tetapi metode ini mempunyai kelemahan yaitu tidak validnya kecepatan longitudinal yang didapat ketika kendaraan tetap melaju tetapi roda mengalami keadaan terkunci saat pengereman terjadi. Maka dari itu diperlukan adanya estimasi terhadap variabel kecepatan longitudinal kendaraan agar perhitungan rasio slip dapat dilakukan. Estimasi dilakukan menggunakan observer Adaptive Kalman Filter (AKF). Pada algoritma adaptif yang diusulkan adalah dengan memodifikasi gain pada algoritma Kalman filter konvensional. Gain dimodifikasi berdasarkan keadaan dari roda kendaraan saat terjadinya rasio slip berlebih atau ban yang terkunci dimana data dari akselerometer digunakan sepenuhnya. Desain observer ini menggunakan persamaan pengukuran dari kecepatan kendaraan yang diukur dari roda kendaraan dan masukan yang merupakan data dari akselerometer. Dengan adanya kombinasi dari dua pengukuran ini dapat diperoleh hasil yang optimal dimana terdapat kelebihan dari masing-masing sensor yang mengkompensasi kelemahan dari masing-masing sensor tersebut. Simulasi percobaan dilakukan menggunakan model half car dengan pengendali Proportional Integral (PI) dan Model Predictive Control (MPC) pada kondisi jalan aspal basah dan kering. Hasil estimasi terbaik didapatkan pada percobaan pengereman pada aspal basah dengan nilai cost function 0.002015.

---

The technology that being used to optimize the braking is an Anti-Lock Braking System (ABS). The technology uses a reference of longitudinal slip ratio on wheels in which these variables have an influence on the coefficient of friction that causes frictional forces between the tire and the road becomes maximum. This is because that slip ratio is a function of the longitudinal vehicle velocity that can not be measured directly. Measurement of longitudinal velocity of the vehicle using a conventional radius multiplication wheels with wheel angular velocity that can be easily measured by the encoder sensor. However, this method has the disadvantage that the invalidity of the longitudinal speed obtained when the vehicle may have run but the wheels are over slip or the current state of the wheels are locked due to braking occurs. Thus it is necessary to estimate the variable speed of the vehicle that the longitudinal slip ratio calculation can be done. Estimation was performed using Adaptive Kalman Filter (AKF) observer.

In the proposed adaptive algorithm is to modify the gain on conventional Kalman Filter algorithm. Gain is modified based on the state of the vehicle when the wheels are over slip locked then data from the accelerometer is fully used. The observer design using equation measurements of measured vehicle speed from the wheels of the vehicle and input observer is the data from the accelerometer. With the combination of these two measurements can be obtained optimal results where the advantages of each of the sensors can compensate for the weaknesses of each of these sensors. The simulation of system use the half car model with Proportional Integral (PI) and Model Predictive Control (MPC) controller on dry and wet asphalt for road condition. The best result of estimation achieved by simulation on wet asphalt with cost function value 0.02105."

"Baterai Li-Ion banyak digunakan pada kendaraan listrik karena efisiensi dan densitas energinya yang tinggi. Untuk menjaga baterai Li-Ion beroperasi pada kondisi ideal maka estimasi status pengisian baterai menjadi indikator penting. Parameter yang menyatakan status pengisian baterai adalah State of Charge (SOC). Nilai SOC baterai tidak dapat diukur secara langsung melainkan harus diestimasi dari nilai tegangan dan arus baterai saat digunakan. Kesulitan saat mengestimasi SOC baterai disebabkan faktor nonlinearitasnya yang tinggi serta pengaruh noise saat pengukuran yang dapat mengakibatkan terjadinya akumulasi error. Algoritma Unscented Kalman Filter (UKF) dapat melakukan koreksi kesalahan saat mengestimasi SOC baterai. Namun teknik ini membutuhkan model baterai pada algoritmanya. Literatur yang membahas model baterai banyak menggunakan pendekatan Equivalent Circuit Model (ECM) Thevenin orde dua yang diperoleh dari data eksperimen Hybrid Pulse Power Characterization (HPPC). Beberapa literatur meninjau data HPPC yang seragam namun menggunakan berbagai pendekatan seperti teknik fitting, aturan waktu konstan, dan daerah analisis kurva baterai yang berbeda. Untuk mengetahui metode identifikasi parameter ECM terbaik maka dilakukan pengujian performa. Pada penelitian ini dianalisis empat metode identifikasi parameter ECM menggunakan baterai LiNiMnCo. Masing – masing parameter ECM disubsitusi ke model baterai lalu dilakukan verifikasi menggunakan data HPPC dan Dynamic Stress Test (DST). Berdasarkan nilai RMSE masing – masing percobaan, metode 1 yang menggunakan teknik fitting di daerah relaksasi baterai memiliki akurasi dan konsistensi yang terbaik yaitu 0,0103 V untuk HPPC menggunakan data CALCE dan 0,0088 V data baterai LG. Untuk pengujian DST nilai RMSE metode 1 adalah 0,0278 V. Parameter baterai yang telah diidentifikasi menggunakan metode 1 digunakan sebagai model pada algoritma UKF untuk mengestimasi SOC baterai. Nilai RMSE estimasi SOC menggunakan algoritma UKF yang telah dibangun adalah 0,32 %. Algoritma UKF mampu melakukan koreksi saat terjadi kesalahan awal nilai estimasi SOC.

---

Li-Ion batteries are widely used in electric vehicles due to their high efficiency and energy density. To keep Li-Ion batteries operating at ideal conditions, estimation of the battery state of charge is an important indicator. The parameter that states the state of charge of the battery is the State of Charge (SOC). The SOC value of the battery cannot be measured directly but must be estimated from the voltage and current values of the battery during use. The difficulty in estimating the battery SOC is due to its high nonlinearity factor and the influence of noise during measurement which can result in the accumulation of errors. The Unscented Kalman Filter (UKF) algorithm can perform error correction when estimating battery SOC. However, this technique requires a battery model in the algorithm. Much of the literature discussing battery models uses the second-order Thevenin Equivalent Circuit Model (ECM) approach obtained from Hybrid Pulse Power Characterization (HPPC) experimental data. Some literature reviews uniform HPPC data but uses various approaches such as fitting techniques, constant time rules, and different battery curve analysis regions. To determine the best ECM parameter identification method, performance testing is conducted. In this study, four ECM parameter identification methods using LiNiMnCo batteries are analyzed. Each ECM parameter is subsumed into the battery model and then verified using HPPC and Dynamic Stress Test (DST) data. Based on the RMSE value of each experiment, method 1 which uses fitting techniques in the battery relaxation region has the best accuracy and consistency, namely 0.0103 V for HPPC using CALCE data and 0.0088 V LG battery data. For DST testing the RMSE value of method 1 is 0.0278 V. The battery parameters that have been identified using method 1 are used as a model in the UKF algorithm to estimate the battery SOC. The RMSE value of SOC estimation using the UKF algorithm that has been built is 0.32 %. The UKF algorithm can make corrections when there is an initial error in the SOC estimation value."

"Seiring dengan perubahan dunia yang sangat cepat, efisiensi dalam mengelola persediaan menjadi hal yang sangat penting, terutama bagi UKM. Ada beberapa sumber daya penting yang dibutuhkan oleh UKM untuk meningkatkan bisnis mereka: sejumlah dana, penguasaan teknologi, dan sumber daya manusia. Robotic Process Automation (RPA) sebagai salah satu teknologi unggulan di Industri 4.0 dapat mengatasi kebutuhan sumber daya manusia untuk melakukan tugas-tugas dalam manajemen persediaan. RPA dianggap sebagai salah satu teknologi modern yang memungkinkan UKM melakukan tugas berulang dengan lebih efisien sehingga menghasilkan kinerja organisasi yang lebih baik. Penelitian ini mengadopsi tahap Inisialisasi dan Implementasi dari The Consolidated Framework for Implementing RPA Project. Data bersumber dari salah satu UKM dalam bisnis kecantikan yang beroperasi di Provinsi Jawa Tengah- Indonesia, dimana bisnis kecantikan dianggap sebagai salah satu sektor yang berkembang pesat saat ini di Indonesia. Ruang lingkup penelitian ini difokuskan pada manajemen persediaan seperti pengecekan stok persediaan, peramalan permintaan produk berdasarkan data historis, membuat rencana pembelian, memesan barang ke vendor melalui email dan menindaklanjuti menggunakan email jika barang yang dipesan belum datang. Temuan penelitian ini menunjukkan bahwa penggunaan RPA dalam manajemen persediaan dapat menghemat banyak biaya yang sebelumnya dianggap sebagai beban. Adanya RPA di perusahaan telah berhasil membantu AuradermA Skin Care dalam mengelola persediaan dengan lancar, mengurangi beban kerja staf dan pada akhirnya memastikan persediaan tidak habis atau berlebihan. Diharapkan penelitian ini memberikan kontribusi dalam bidang RPA karena implementasi RPA belum begitu banyak ditemukan terutama untuk UKM.

---

State of Charge (SOC) is a condition that states battery charge condition. This condition is important to know to ensure safe battery operating condition. One of the challenge in estimating SOC is that the battery dynamic system. To estimate SOC, battery undergoes characterization process. The Li-Ion battery characterization system monitors voltage across the battery as well as current going to or out of the battery. After the system is assembled, battery will be prepared before characterization using Constant Current Constant Voltage (CCCV) charging. Characterization process starts with battery undergoing discharging and charging process. In this research, Li-Ion battery made from LiNiMnCoO2 is modelled based on second order Thevenin Equivalent Circuit Model. SOC estimation is optimized using Uscented Kalman Filter (UKF). Next, battery undergoes Hybrid Pulse Power Characterization (HPPC) test to obtain ECM parameters. Next, ECM parameters are used as value to be fitted with SOC from Coulomb Counting (CC) with seventh order polynomial method from HPPC result. SOC estimation validation is done using Dynamic Stress Test (DST). The SOC estimation result using UKF is compared to the estimation which doesn’t use UKF. The simulation and experiment result show that UKF algorithm is able to adjust its estimation result when given wrong initial SOC estimation value. The simulated SOC estimation result using UKF is compared with the CC method and reference SOC have Root-Mean Square Error (RMSE) of 0.7 % and Maximum Error (ME) of 9.9 %. The experiment SOC estimation result compared with CC SOC method has RMSE of 2.76 % and ME of 10%."

"Sudut sideslip sangat berperan penting dalam kendali stabilitas kendaraan, namun sudut sideslip pada kendaraan yang di produksi tidak dapat ditentukan secara langsung menggunakan sensor dengan mempertimbangkan biaya sensor. Penting untuk memperkirakan sudut sideslip secara tidak langsung dengan menggunakan parameter gerak yang ada pada kendaraan. Oleh karena itu, algoritma estimasi dengan kinerja dan akurasi real-time sangat penting. Metode estimasi berdasarkan algoritma kalman filter sesuai saat kendali kendaraan dalam kondisi linear. Namun, pada jalan adhesi yang rendah, kendaraan memiliki karakteristik nonlinear. Dalam penelitian ini, algoritma extended kalman filter digunakan dengan mempertimbangkan karakteristik nonlinear dan diverifikasi oleh simulasi dengan Carsim dan Simulink. Hasil yang diharapkan dari penelitian ini adalah menunjukkan sudut sideslip kendaraan yang diperoleh dengan algoritma extended kalman filter lebih tinggi daripada yang diperoleh kalman filter di daerah nonlinear.

---

The sideslip angle plays an important role in vehicle stability control, but the sideslip angle on the production vehicle can not be determined directly using the sensor by considering the cost of the sensor. It is important to estimate the side slip angle indirectly by using the motion parameters present in the vehicle. Therefore, the estimation algorithm with performance and real time accuracy is very important. The estimation method based on the filter kalman algorithm is appropriate when vehicle control is in linear condition. However, on a low adhesion path, the vehicle has nonlinear characteristics. In this study, the extended kalman filter algorithm is used taking into nonlinear characteristics and verified by simulations with Carsim and Simulink. The expected result of this study is to show the estimated vehicle sideslip angle with the extended kalman filter algorithm higher than estimated by the kalman filter in the nonlinear region. "

"Investor membutuhkan suatu model matematis yang dapat digunakan untuk memprediksi perubahan harga saham pada masa mendatang. Salah satu model yang sering digunakan oleh analis dalam memprediksi pergerakan harga saham adalah model runtun waktu. Model local level merupakan salah model runtun waktu dengan tujuan untuk mendapatkan karakteristik nilai komponen unobserved dari data observasi. Filter Kalman merupakan algoritma rekursif yang bertujuan menghitung komponen unobserved dengan variansi minimum dari suatu himpunan data. Skripsi ini membahas bagaimana mengestimasi solusi dan meramal data pada model local level menggunakan Filter Kalman. Implementasi menggunakan data harga saham historis bank BCA pada http://finance.yahoo.com/. menunjukkan bahwa hasil peramalan kurang baik. Peramalan yang kurang baik disebabkan karakteristik pergerakan harga saham bulanan yang digunakan.

---

Investor needs a mathematical model to forecast future stock price changes. One of the mostly used models by stock analists to predict stock price movement is time series model. Local level model is one of the time series model which its goal is to obtain unobserved component characteristic from observation. Filter Kalman is a recursive algorithm to compute the unobserved component with the minimum variance from a set of past observations.

This scription shows how to estimate solution and forecast stock price in local level model by applying Kalman Filter. Implementation using BCA?s stock price at http://finance.yahoo.com/. show that estimation is very good and forecasting is less good. It is because the characteristic of stock price movement which was used."

"Pergerakan harga saham berfluktuasi. Diperlukan suatu metode untuk mengestimasi pergerakannya. Model runtun waktu merupakan suatu model yang dapat digunakan dalam menganalisis pergerakan harga saham. Salah satu model runtun waktu sederhana adalah model local linear trend dengan level stokastik dan slope deterministik. Algoritma filter Kalman dapat digunakan untuk mengestimasi solusi model. Implementasi menggunakan data harga saham BMRI dan LSIP memberikan hasil yang cukup baik dilihat dari nilai rata – rata eror relatif dan nilai MSE (mean square error).

---

The movements of stock price is fluctuate. A method is required to determine such movement. Time series model is one of the models that can be used in analyzing stock price movements. One of the basic model of time series is the local linear trend model with stochastic level and deterministic slope. Kalman filter algorithm can be used to estimate the solution of that model. Implementation on BMRI and LSIP stock price data gives satisfactory results based on the average relative error and MSE (mean square error)."

"Sistem navigasi merupakan komponen yang paling penting pada kendaraan di udara, air dan luar angkasa, termasuk juga pada roket dan misil yang dapat dikendalikan. Salah satu yang paling umum digunakan adalah sistem navigasi inersia. Skripsi ini membahas mengenai perancangan dan pembuatan system navigasi inersia untuk mendapatkan data posisi dan kemiringan, yaitu dengan sensor rate-gyroscope, accelerometer, dan mikrokontroler AVR ATMega16. Demikian juga pembahasan tentang sistem kalibrasi dan digital filter data dari sensor. Selain itu, karena accelerometer dipengaruhi percepatan gravitasi, maka dibutuhkan suatu koreksi gravitasi dimana membutuhkan data kemiringan yang sangat akurat. Dalam skripsi ini kalman filter digunakan untuk mendapatkan data kemiringan yang lebih akurat, dengan memanfaatkan dua masukan, dari rategyroscope dan accelerometer.

---

Navigation system is the most important component in air-, space-, and watercraft, including guided missiles. One of the common navigation systems is inertial navigation system. This bachelor thesis discusses about designing and building inertial navigation system, to get information about position and tilt, using rate-gyroscope, accelerometer, and AVR ATmega16 microcontroller. Furthermore, this thesis also discusses about calibration system and digital filter of sensor's data. In addition, because accelerometer also measures gravity acceleration, to get the real position needs a gravity correction which needs very accurate information about tilt angle. In this study, kalman filter used to get more accurate tilt angle, using two inputs, from rate-gyroscope and accelerometer."

"Pada skripsi ini akan dibahas mengenai aplikasi dari filter Kalman pada Global Positioning System. Latar belakang teori dari filter Kalman dan Global Positioning System juga akan dibahas pada skripsi ini.Akan dilakukan simulasi dan analisa terhadap Global Postioning System (GPS) yang mempunyai model stand-alone. Walaupun model ini agak jarang digunakan karena keterbatasannya, namun model ini tetap berguna sebagai rata-rata taksiran pengaruh memvariasikan parameter filter. Akan dilihat bagaimana penambahan matriks kovarian gangguan terhadap keadaan normalnya. Kemudian dicoba untuk melakukan pengamatan terhadap nilai Geometric Dilution Of Precision (GDOP). GDOP ini juga menentukan dalam hal keakurasian pemecahan posisi."