Hasil Pencarian  ::  Simpan CSV :: Kembali

"Berkendara adalah salah satu aktivivitas yang berbahaya. Kegagalan atau kesahalan pengemudi dalam mengemudikan kendaraan (seperti kurangnya focus, mengantuk dan penyakit) menjadi salah satu penyebab kecelakaan yang paling besar. Oleh karena itu, Advanced Driving Assistance System (ADAS) telah menjadi fokus penelitian yang dilakukan pada ranah akademis dan industri. Salah satu model ADAS yang dikembangkan yakni Lane Keeping Assistance System. Sistem bantuan ini memanfaatkan informasi yang diberikan oleh vision system (geometri jalan, dan posisi kendaraan), sensor devices (torsi, sudut kemudi, yaw angle, dan tingkah laku pengemudi) untuk dikalkulasikan agar kendaraan tetap berada di jalur yang tepat. Penelitian ini berfokus pada pengembangan pengendali lateral dengan menggunakan Model Predictive Control (MPC) untuk mengatasi masalah model kendaraan yang non linier, gangguan eksternal, keadaan kendaraan dan lingkungan kendaraan yang bervariasi, serta sharing control antara pengemudi dengan sistem bantuan. Secara umum, skema pengendalian terbagi menjadi tiga bagian, yaitu persepsi yang berfungsi untuk mendeteksi marka jalan dengan menggunakan sensor ADAS yang terdapat pada CarSim. Selanjutnya memodelkan referensi trajektori sebagai set point dalam pengendalian. Terakhir, pengendali lane keeping dengan MPC. Dalam penelitian ini, menggunakan model identifikasi bertingkat untuk mendapatkan model kendaraan yang mendekati model yang sesungguhnya. Hasil identifikasi ini kemudian akan digunakan pada MPC. Secara keseluruhan, penelitian ini menggunakan MATLAB®, Simulink®, dan Mechanical Simulation CarSim. Hasil percobaan menunjukkan MPC memiliki kemampuan yang baik untuk menjaga kendaraan tetap berada dijalur yang tepat.

---

Driving is a dangerous activiy. The failure of human driver’s performance (for example inattention, drowsiness, and illness) remains one of the most important causes the accident. Therefore, advanced driving assistance system (ADAS) have become the focus research in both academy and industry settings. The one part of ADAS models developed is the lane keeping assistance system. The assistance system of line keeping assist utilizes information that provided by the vision system (like road geometry, and vehicle position), and by sensor devices (like torque, steering angle, yaw angle, yaw rate error, and driver behavior). Then the informations is calculated so the vehicle stays in the center of the lane. This study has been focused on the development of lateral control for autonomous driving based on Model Predictive Control (MPC). The propose strategy utilized MPC to solve many shortcomings in terms of overcoming non-liner vehicle models, external disturbance, varying vehicle state and environment, and sharing control between humans and assistance system. Generally, scheme control method devided into three part: perception serves to detect boundary lines by using ADAS sensor in CarSim. Then reference trajectory generation as a set point in control. The last is controlling the vehicle keep in the center of the line. In this study, also using a multistage identification to obtain a dynamic lateral bicycle vehicle model that approaches the actual model. The result of identification model will be used for MPC controllers. The overall system has been developed using MATLAB®, Simulink®, and Mechanical Simulation CarSim. The experimental result show that MPC method have a good performance for keep the vehicle in the center of the lane."

"Konsumsi bahan bakar pada kendaraan roda empat tidaklah terlalu efisien. Salah satu alasan di balik kurang efisiennya penggunaan bahan bakar adalah perilaku berkendara yang tidak tepat karena didasar pada perasaan pengemudi. Hal ini menghasilkan efisiensi konsumsi BBM rendah. Untuk mengatasi masalah tersebut, dibutuhkan suatu sistem di mana perilaku berkendara seorang pengemudi dan konsumsi bahan bakar yang dihasilkan dapat dinilai dan dikalkulasikan. Penelitian ini mencoba untuk mengembangkan sistem di mana data dari On-Board Diagnostics-II (OBD-II) Port diambil oleh Raspberry Pi dan dikalkulasikan untuk mendapat angka konsumsi BBM, dan dikirim ke backend cloud storage untuk disimpan. Data tersebut didapatkan melalui serangkaian kegiatan berkendara yang dimonitor untuk mengembangkan aplikasinya dengan mengambil data accelerator pedal position dan fuel economy, sebelum akhirnya menggunakan data sesungguhnya dari kegiatan berkendara biasa. Hasil yang didapat adalah, fuel economy perilaku berkendara sport bernilai 0,4-5,9 km/L, normal 4,8-8,5 km/L, eco 8,5-11,1 km/L. Data accelerator pedal position perilaku berkendara eco 6-12%, normal 12-24%, sport 24-45%. Data ini kemudian ditampilkan melalui telepon genggam Android melalui serangkaian protokol yang mengambil data yang sudah dikalkulasikan dari cloud storage dan menyajikannya dalam format yang lebih mudah dimengerti bagi penggunanya. Lalu dilakukan validasi konsumsi BBM melalui aplikasi dengan metode full-to-full yang menghasilkan angka Mean Absolute Percentage Error (MAPE) sebesar rata-rata 13,1%. Angka ini merupakan angka kesalahan rata-rata aplikasi.

---

Fuel consumption in automobiles are not particularly efficient. One of the reasons behind the inefficiency is improper driving behavio due to the usage of feeling and judgment. To mitigate this problem, there needs to be a system where driver's driving behavior and the car's fuel consumption can be assessed and calculated. This research tried to develop a system where data from car's OBD-II Port are taken by Raspberry Pi, sent to cloud database, where it is then calculated to acquire the driving behavior and fuel consumption. The data are first obtained through a series of monitored driving to develop the application, before using real data from usual driving activity. The results are driving behavior's fuel consumption figure which is sport 0,4-5,9 km/L, normal 4,8-8,5 km/L, sport 8,5-11,1 km/L. The accelerator pedal position figures fore eco is 6-12%, 12-24%, and sport 24-45%.  This data is displayed on an Android phone through sets of protocol that collect the calculated data from cloud database and serve it in a more understandable manner in order for users to acquire useful information regarding the fuel consumption and driving behavior. The final application's fuel economy figures are then validated using full-to-full method to produce Mean Absolute Percentage Error (MAPE) which is 13,1%. This is the application's average fuel consumption reading's figure."

"Kendaraan merupakan salah satu kebutuhan yang sering digunakan dalam aktivitas sehari-hari. Seiring dengan banyaknya aktivitas berkendara, sering terjadi kecelakaan dimana diakibatkan baik kegagalan sistem kendaraan maupun kesalahan pengemudi didalam mengemudi ataupun mengambil keputusan disaat berkendara. Oleh karena itu penulis melakukan penelitian dimana pengendara dapat terbantu untuk mendapatkan keputusan yang tepat disaat ingin melakukan pergantian lajur kendaraan. Dengan memanfaatkan model Advanced Driving Assistance System yang telah banyak berkembang, dimana sistem pergantian lajur kendaraan memanfaatkan informasi yang didapat melalui sensor LiDAR sehingga dapat mendeteksi kendaraan yang akan berguna untuk keputusan pergantian lajur kendaraan. Penelitian ini berfokus pada pengembangan pengendali lateral dengan menggunakan Model Predictive Control (MPC) untuk mengatasi masalah model kendaraan non-linear, gangguan eksternal, keadaan kendaraan dan lingkungan kendaraan yang bervariasi, serta sharing control antara pengemudi dengan sistem bantuan. Skema pengendali ini terbagi menjadi tiga bagian yaitu, pengambilan data yang dilakukan oleh sensor LiDAR yang terdapat pada Carsim, memodelkan referensi trajektori dan pengendali Lane-Change Assistance System untuk MPC. Dalam penelitian ini, menggunakan model identifikasi bertingkat untuk mendapatkan model kendaraan yang mendekati model yang sesungguhnya. Hasil identifikasi ini kemudian akan digunakan pada MPC. Secara keseluruhan, penelitian ini menggunakan MATLAB, Simulink, dan CarSim. Hasil percobaan menunjukkan MPC memiliki kemampuan yang baik untuk melakukan pergantian lajur kendaraan.

---

Vehicle is one of the needs that is often used in daily activities. Along with the many driving activities, accidents often occur where both the failure of the vehicle system and the driver's error in driving or making decisions when driving. Therefore, the authors conducted a study where motorists can be helped to get the right decision when they want to change vehicle lanes. By utilizing the developed model of the Advanced Driving Assistance System, the vehicle lane turnover system utilizes information obtained through the LiDAR sensor so that it can detect vehicles that will be useful for vehicle lane turnover decisions. This research focuses on the development of lateral controllers using the Predictive Control Model (MPC) to overcome the problem of non-linear vehicle models, external interference, varying vehicle conditions and vehicle environment, and sharing control between the driver and the assistance system. This control scheme is divided into three parts, namely, data retrieval carried out by the LiDAR sensor found in Carsim, modeling the reference trajectory and controlling the Lane-Change Assistance System for MPC. In this study, using multilevel identification models to get a vehicle model that is close to the real model. The results of this identification will then be used at the MPC. Overall, this study uses MATLAB, Simulink, and CarSim. The experimental results show that MPC has a good ability to change vehicle lanes."

"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."

"ABSTRACTPerkembangan dari pengendalian stabilitas dalam pergerakan kendaraan elektrik telah berkembang pesat. Pengendalian ini dilakukan dengan tujuan agar tercapai kenyamanan saat berkendara, performa kendaraan yang tinggi dan meningkatkan keselamatan ketika berkendara meskipun pada kondisi kritis agar dapat meminimalisir kecelakaan dari kendaraan. Kendaraan yang jungkir balik atau rollover adalah salah satu keadaan yang sering terjadi ketika kendaraan berada pada kondisi kritis. Pada skripsi ini desain pengendali prediktif pada model kendaraan roda empat diajukan untuk menghindari terjadinya rollover meskipun kendaraan berada pada kondisi kritis. Perancangan dari desain pengendalian ini dimulai dari identifikasi yang bertujuan untuk mendapatkan karakteristik masukan dan keluaran dari pergerakan model kendaraan roda empat dengan metode least square bertingkat. Kemudian model identifikasi tersebut digunakan untuk perancangan pengendali prediktif. Tujuan dari pengendalian ini adalah menjaga agar nilai Load Transfer Ratio LTR dari model kendaraan tetap berada pada batas nilai tertentu agar tidak terjadi rollover sambil menjaga kestabilan pergerakan lateral kendaraan dengan memberikan tekanan pengereman pada tiap roda dari model kendaraan. Desain pengendali prediktif ini kemudian diuji melalui simulasi untuk melihat kemampuan dari pengendali yang telah dirancang.

---

ABSTRACTThe development of stability control in electric vehicle dynamics are growing rapidly. This control is applied to achieve comfortable situation in driving, vehicle high performance, and enhance safety of vehicle even in critical condition in order to reduce traffic accidents. Rollover is one of event that frequently happen when vehicle in critical condition. This research propose a design of model predictive control in four wheel vehicle model to prevent vehicle from rollover even in critical situation. The design started from model identification in order to get the input and output characteristic from the model with multistage least square method. Then the result of identification is used to design the predictive controller. Objective of this model predictive control is to keep the value of vehicles Load Transfer Ratio LTR at a certain range in order to prevent rollover from happening while still maintain the lateral stability of vehicle with giving braking pressure to each tire of the vehicle model. Then the design of model predictive control tested with simulation in order to see the capability of the controller. "

"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."

"Perkembangan teknologi masa kini membuat kecepatan kendaraan berkembang semakin tinggi. Ini menyebabkan diperlukannya sistem keamanan yang canggih untuk dapat memberikan keamanan yang terjamin kepada kendaraan tersebut. Kendaraan yang memiliki kecepatan tinggi akan memiliki perilaku yaw dan sudut side slip yang berubah saat melakukan manuver tergantung dari sudut kemudi yang diberikan oleh pengemudi. Perubahan nilai yaw rate dan sudut side slip harus mengacu pada setpoint yang telah ditentukan. Jika tidak maka kendaraan menjadi tidak stabil dan tidak dapat dikendalikan. Oleh karena itu diperlukan sebuah pengendali cerdas yang mampu mengendalikan sistem multivariabel, yang mampu bekerja dengan batasan tertentu dan mampu menangani karakteristik sistem dinamik kendaraan roda empat yang nonlinear. Pada penelitian ini digunakan pengendali model predictive control (MPC) pada sistem multivariabel. 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, nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Pengendali MPC berbasis singlemodel linear kemudian dirancang untuk mengendalikan sistem dinamik kendaraan roda empat yang bersifat MIMO (multi input multi output), dengan keluaran berupa sudut side slip dan yaw rate, sedangkan pengendali MPC berbasis multimodel linear dirancang untuk mengendalikan sistem dinamik kendaraan roda empat yang bersifat MISO (multi input single output), dengan keluaran berupa yaw rate. Untuk memperoleh pengendalian yang terbaik, pengendali MPC disimulasikan pada sistem linear dan nonlinear. 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

---

The development of current technology makes developing vehicle speed more higher than before. This case led to the need for sophisticated security system can provide guaranteed security to the vehicle. Vehicles which have a fairly high speed will have the behavior of the yaw and side slip angle of the body when performing maneuvers that change depending on the steering angle is given by the driver. Changes in the value of yaw rate and side slip angle of the body must refer to a predetermined setpoint. If not, then the vehicle becomes unstable and can not be controlled. Therefore we need an intelligent controller capable of controlling multivariable system, which is able to work with certain restrictions and able to handle the dynamic system characteristics of four-wheel drive nonlinear. This research are used a model predictive controller control (MPC) on multivariable system. MPC controller is a controller that use a process model explicitly in the calculation of control signals. Linear model is used to calculate the output prediction of nonlinear systems and control signals in order to calculate the output nonlinear systems in accordance with reference. In order for the prediction errors of the model output and the actual output of the system can be minimized then used multimodel state space model that obtained through the method of least squares identification. Models that obtained from the identification could be used to control because the MPC has 𝐽𝑒𝑒 and FPE values are low, the eigen values are inside the unit circle, and has a fully controllable properties and fully observable. MPC controller bases linear singlemodel then designed for controlling dynamic system four-wheeled vehicle that is MIMO (multi-input multi-output), the output are side slip angle and yaw rate, while the MPC controller bases linear multimodel is designed to control the dynamical system of four-wheel vehicle is MISO (multiple input single output), with the output is yaw rate. To obtain the best control, the MPC controller is simulated in linear and nonlinear systems. The variations of 𝐻𝑝, 𝐻𝑢, Q, and R value are given to determine the effect of changes in the value of the MPC controller parameters on the characteristics of the control signal input and signal output response system, as well as the computational time and the value of loss function."

"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."