Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Robot merupakan salah satu ciptaan manusia yang diharapkan dapat mengambil keputusan sendiri dalam batasan tertentu untuk menyelesaikan permasalahan - permasalahan yang berbahaya bagi manusia. Salah satu bentuk robot yang dapat membantu manusia adalah unmanned aerial vehicle (UAV). Kelebihan UAV adalah bentuk yang kecil, hemat energi, and kemampuan untuk bekerja tanpa bantuan manusia. Salah satu bentuk UAV adalah quadrotor yang merupakan bentuk lain dari helikopter dengan empat baling - baling. Dengan kemampuan untuk melakukan manuver yang sulit dilakukan oleh wahana lain, serta kemampuan untuk terbang dan mendarat secara vertikal, quadrotor merupakan pilihan UAV yang semakin menarik. Pembahasan akan difokuskan pada 3 hal, yaitu sistem navigasi, pemodelan, dan pengendalian quadrotor. Sistem navigasi menggunakan sensor accelerometer, gyroscope serta kompas digital yang dipadukan dengan kalman filter untuk menghilangkan derau. Sistem dimodelkan menggunakan metode least-square, selanjutnya quadrotor dikendalikan oleh PID. Berdasarkan hasil yang didapat, gabungan sistem navigasi dan pengendali yang diusulkan mampu mengendalikan quadrotor sehingga sudut sistem dapat dikendalikan.

---

Robot is one of human creation that is expected to take its own decision in a certain limitation for tasks which are too dangerous for humans. From many kind of robot, unmanned aerial vehicle (UAV) has received tremeduous interest. The advantages of a UAV are their small body, energy efficient, and the ability to work without human assistance. One type of UAV is quadrotor which is another form of helicopter with four propellers. With the ability to do difficult maneuver performed by another vehicle, and the ability to do vertical take-off and landing, quadrotor is one of the most promising UAV. This work will focus on three topics, namely navigation systems, modeling, and control of the quadrotor. The navigation system using an accelerometer, a gyroscope and a digital compass combined with a Kalman filter to remove noise. Modeling system using the method of least-square, and using the PID controller to control the quadrotor. Based on the results obtained, the combined navigation and control system proposed is able to control the quadrotor so that the system angle can be controlled.

Abstrak :
According to previous studies on Surabaya river water ,quality of this river water was very bad or on polluted condition.....

Abstrak :
Pesawat Udara Nir Awak (PUNA) identik dengan misi pengawasan dari udara. Misi ini semakin kompleks mulai dari pengawasan area hingga pengawasan terhadap sasaran yang bergerak. Dalam pengawasan terhadap sasaran bergerak, PUNA membutuhkan informasi posisi sasaran untuk suatu selang waktu ke depan serta membutuhkan sistem pemanduan yang menuntunnya semakin dekat pada sasaran tersebut. Metoda Pelacakan Sasaran telah bervariasi dari Nonlinear Target Tracking, RVQ, Robust Trajectory, Nonlinear Dynamic Inversion, RISE feedback, Multitarget Tracking dan lainnya. Metode-metode ini membutuhkan informasi posisi, kecepatan, bahkan video berpresisi tinggi dalam penerapannya. Sementara, apabila semakin sedikit sensor yang dipasang pada PUNA maka semakin ringan beban yang dibawa dalam misi terbangnya. Penelitian ini ditujukan untuk merancang metode Pengendali Panduan Terbang (flight guidance-controller) yang dapat diterapkan pada misi terbang pengawasan (surveillance/monitoring) PUNA. Metode ?backstepping-like? dipilih untuk melakukan pemanduan dalam model nonlinear. Dalam Tesis ini, PUNA akan mengukur posisi target dalam Jarak, Sudut Elevasi dan Sudut Azimut dalam Tata Acuan Koordinat Benda. Pengukuran tersebut diolah dengan Extended Kalman Filter untuk memperkirakan posisi target ke masa depan pada suatu selang waktu. Besaran jarak, elevasi dan azimut yang terukur akan diolah menjadi posisi xyz Target dalam Tata Acuan Koordinat Horizon. Selanjutnya, Pengendali Panduan (guidance-controller) akan menghasilkan perintah kendali berupa kecepatan, sudut tanjak lintas terbang dan sudut arah lintas terbang untuk mengarahkan PUNA untuk bergerak menuju Target serta melakukan misi pengawasan. ...... Monitoring and surveillance mission of a UAV has become more complex because the needs to track moving targets. This is due to the needs of the UAV in getting the position of the targets for a duration of time ahead while it must have guiding system to chase the target. The methods of such Nonlinear Target Tracking, RVQ, Robust Trajectory, Nonlinear Dynamic Inversion, RISE feedback, Multitarget Tracking etc. has developed for tracking the moving target. For their accuracy, the methods need the position information, speed, and even a high precision video camera to be applied. While the fewer sensors needed, then the smaller of weight will be carried by the UAV for its mission. This work were intended to design a flight guidance-controller that suitable to be applied in PUNA (Indonesian Unmanned Aerial Systems) which is doing target-tracking in its surveillance or monitoring mission. The guidance controller will be constructed using the 'backstepping-like' method. The PUNA measured the target?s Range, Elevation and Azimuth angle in the Body Reference Coordinate System. Then, the measured parameter will be processed into the Extended Kalman Filter to predict the target?s position for a durations of moment ahead of the measurement time. The measured range, elevation and azimuth will be processed into xyz-position of the target with respect to Horizontal Reference Coordinate System. Then the guidance-controller derived the commanded velocity, flight path angle, and course angle so the PUNA can reduce its distance from target and continuously doing its surveillance mission.

Abstrak :
Pesawat tanpa awak (Unmanned Aerial Vehicle atau disingkat UAV) adalah sebuah mesin terbang yang berfungsi dengan kendali jarak jauh secara autopilot. Penggunaan terbesar dari pesawat tanpa awak ini adalah dibidang militer untuk pengintaian, pengawasan, dan penyerangan. Dalam mendeteksi sebuah objek yang bergerak secara real-time oleh sebuah UAV, terdapat proses pengolahan sinyal yang kompleks dibandingkan apabila objeknya dalam keadaan diam. Ada beberapa masalah yang terdapat dalam proses deteksi objek bergerak pada UAV yang disebut uncertainty constraint factor (UCF) yaitu lingkungan, jenis objek, pencahayaan, kamera UAV, dan pergerakan (motion) objek. Salah satu masalah praktis yang menjadi perhatian beberapa tahun ini adalah analisis pergerakan (motion analysis). Pergerakan (Motion) dari sebuah objek pada setiap frame membawa banyak informasi tentang piksel dari objek bergerak yang memainkan peranan penting sebagai image descriptor. Pada tesis ini digunakan algoritma SUED (Segmentation using edge based dilation) untuk mendeteksi objek bergerak. Inti dari algoritma SUED adalah mengkombinasikan frame difference dan proses segmentasi secara bersama untuk mendapatkan hasil yang optimal dibanding dengan menggunakannya secara terpisah. Hasil simulasi menunjukkan peningkatkan performansi algoritma SUED dengan menggunakan kombinasi wavelet dan sobel operator pada deteksi tepinya yaitu jumlah frame untuk true positive meningkat sebesar 41 frame, kemudian false alarm rate yang didapatkan menurun menjadi 7 % dari 24 % apabila hanya menggunakan sobel operator. Kombinasi kedua metode tersebut juga dapat meminimalisir noise region yang mengakibatkan kesalahan dalam proses deteksi dan pelacakan. Hasil simulasi pelacakan objek bergerak dengan metode kalman filter bisa dilihat pada beberapa sampel yang diuji menunjukkan adanya penurunan kesalahan (error) centroid antara hasil deteksi dan hasil pelacakan objek bergerak. ...... An unmanned aerial vehicle (UAV), commonly known as a drone and also referred by several other names is an aircraft without a human pilot aboard. The flight of UAVs may be controlled either autonomously by onboard computers or by the remote control of a pilot on the ground or in another vehicle. Unmanned aerial vehicle (UAV) usually is used in military field for reconnaissance, surveillance, and assault. To detect a moving object in real-time, there are complex processes than to detect the object that does not moving. There are some issues that faced in detection process of moving object in UAV, called constraint uncertainty factor (UCF) such as environment, type of object, illumination, camera of UAV, and motion of the object. One of the practical problems that become concern of researcher in the past few years is motion analysis. Motion of an object in each frame carries a lot of information about the pixels of moving objects which has an important role as the image descriptor. In this thesis, we use SUED (Segmentation using edge-based dilation) algorithm to detect moving objects. The concept of the SUED algorithm is combining the frame difference and segmentation process to obtain optimal results than using them separately. The simulation results show the performance improvement of SUED algorithm using combination of wavelet and Sobel operator on edge detection, the number of frames for a true positive increased by 41 frames, then the false alarm rate decreased to 7% from 24% when only using Sobel operator. The combination of these two methods can also minimize noise region that effect detection and tracking process. The simulation results for tracking moving objects by Kalman filter show that there is error decreasing between detection and tracking process.

Abstrak :
BLDC motor telah menjadi motor yang populer karena keunggulanannya. Untuk meningkatkan kinerja BLDC telah banyak Teknik pengendalian yang dikembangkan mulai dari yang konvensional seperti PID sampai dengan yang menggunakan kecerdasan buatan. Namun demikian, sebagian besar peneliti mendesain pengendali untuk BLDC motor dengan memanfaatkan sensor kecepatan. Penelitian ini bertujuan untuk membangun pengendali yang adaptif untuk aplikasi sensorless BLDC motor dengan dua tahapan penelitian yaitu 1 Mengembangkan Adaptif PID Controller untuk BLDC dan 2 Mengembangkan Teknik sensorless BLDC dengan Neural Network Ensemble Kalman Filter. Pada Penelitian ini, telah dikembangkan pengendali Adaptif PID berbasis Model Invers Neural Network dan teknik sensorless BLDC motor menggunakan Neural Network Ensemble Kalman Filter EnKF . Pengendali Adaptif PID berbasis Model Invers Neural Network yang dikembangkan mampu bekerja lebih baik jika dibandingkan dengan pengendali PID, PID Single Neuron, dan Pengendali Single Neuron Fuzzy. Respon waktu sistem menunjukkan rise time meningkat hingga 41,1 , Settling time meningkat hingga 178,9 dan overshoot menurun hingga 825,6 . Sedangkan teknik sensorless Neural Network Ensemble Kalman Filter mampu mengestimasi posisi dan kecepatan motor BLDC hanya dengan mengukur tegangan dan arus setiap phasa baik pada kondisi kerja adanya perubahan referensi kecepatan, adanya perubahan parameter motor BLDC, maupun adanya perubahan beban/gangguan dengan tingkat kesalahan estimasi yang sangat kecil yaitu sebesar 0.7 , serta bekerja baik pada kecepatan rendah dengan jumlah member sebanyak 8.

---

BLDC motor has become a popular motorcycle because of its advantages. To improve the performance of BLDC has a lot of control techniques developed ranging from conventional ones such as PIDs to those using artificial intelligence. Nevertheless, most researchers design controllers for BLDC motors by utilizing speed sensors. This research aims to build adaptive controller for sensorless BLDC motor applications with two stages of research that is 1 Developing Adaptive PID Controller for BLDC and 2 Developing BLDC Sensorless Technique with Neural Network Ensemble Kalman Filter. In this research, Adaptive PID controller has been developed based on Inverse Neural Network Model and BLDC sensorless motor technique using Neural Network Ensemble Kalman Filter EnKF. The Adaptive PID controller based on the developed Inverse Neural Network model works better than the PID controller, Single Neuron PID, and Single Neuron Fuzzy Controller. The system time response shows rise time rises up to 41.1 , settling time increases up to 178.9 and overshoot decreases to 825.6. While sensural technique Neural Network Ensemble Kalman Filter able to estimate position and speed of BLDC motor only by measuring voltage and current of each phase both at work condition of change of reference of speed, change of motor parameter BLDC, or existence of change of burden / interference with very estimate error rate Small that is equal to 0.7 , and works well at low speed with the number of members as much as 8.

Abstrak :
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.

Abstrak :
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.

Abstrak :
[Teknologi robot yang berkembang pesat sekarang ini menyebabkan naiknya kebutuhan akan teknik pengolahan citra dan teknik memprediksi gerak objek. Salah satu cara yang paling umum dalam mendeteksi suatu benda adalah dengan menggunakan filter warna dan sensor untuk mendeteksi jarak. Namun, kelemahan metode tersebut terletak pada rentannya filter warna terhadap gangguan luar, serta lambatnya sensor dalam mengukur jarak. Dalam penelitian ini, digunakan sebuah Kalman Filter yang berfungsi untuk mengurangi efek gangguan dalam filter warna, serta membuat program tetap dapat memprediksi lokasi bola ketika bola hilang dari pandangan. Sebuah algoritma yang dapat memprediksi jarak dan koordinat bola tanpa menggunakan sensor juga dikembangkan demi mempercepat waktu proses. Setelah lokasi bola diketahui, sebuah algoritma untuk memprediksi koordinat jatuh bola juga dikembangkan. Koordinat jatuh ini nantinya dapat dimasukkan ke sistem penggerak robot yang mampu mengarahkan robot ke lokasi jatuhnya benda. ......, Image processing and trajectory prediction play an important role in today’s robotic technology and its applications are limitless. The most common method of detecting an object is through the use of colour filter and a sensor to measure its distance. However, most of the time, colour filter is very vulnerable to noise and the robot would consume a huge chunk of processing time using distance sensor. In this paper, a Kalman Filter is developed base on a constant velocity model. This Kalman Filter will provide a better estimator on the object’s position and estimate the position of the object when there are occlusions. In addition to the Kalman Filter, a novel sensorless approach to measure an object’s distance is also developed in order to improve processing time. After the coordinates of the object are obtained, an algorithm that could predict its landing coordinates is also developed by using MATLAB. This landing coordinates could then be fed into a motor system in a robot which will then move towards the predicted coordinates.]

Abstrak :
Rollover merupakan penyebab utama adanya korban jiwa dari peristiwa ketidakstabilan kendaraan. Karenanya, inovasi pencegahan rollover pada kendaraan roda empat terus dikembangkan untuk meningkatkan keselamatan berkendara. Variabel sudut roll dan kecepatan sudut roll sangat diperlukan dalam pengendalian pencegahan rollover kendaraan, namun kedua variabel ini tidak dapat diukur secara langsung pada kendaraan roda empat karena tingginya harga sensor yang diperlukan. Metode estimasi sudut roll dan kecepatan sudut roll yang akurat dibutuhkan agar pengendalian pencegahan rollover dapat bekerja. Pada penelitian skripsi ini, didesain observer menggunakan metode extended Kalman filter (EKF) diskrit untuk mengestimasi sudut roll dan kecepatan sudut roll. Metode EKF dipilih karena dapat menghasilkan estimasi yang baik pada kondisi non-linier. Persamaan keadaan non-linier yang digunakan pada EKF diturunkan dari model gerak kendaraan pada bidang datar dan model gerak poros kendaraan. Persamaan keadaan non-linier yang dalam bentuk kontinu diaproksimasikan ke bentuk diskrit menggunakan metode Runge-Kutta orde 4. Observer yang didesain lalu diintegrasikan dengan sistem pengendali prediktif pencegahan rollover untuk menguji kinerja metode observer saat kendaraan dalam kondisi pengendalian kestabilan yang non-linier. Metode observer EKF hasil penelitian kemudian dibandingkan dengan metode Kalman filter pada simulasi menggunakan perangkat lunak Carsim dan MATLAB & Simulink. ......Rollover is the main cause of fatalities from vehicle instability. Therefore, rollover prevention innovations in four-wheeled vehicles continue to be developed to improve driving safety. Roll angle and roll rate are very necessary in vehicle rollover prevention control, but these two variables cannot be directly measured on four-wheeled vehicles because of the high price of the sensors needed. The method of high-performance roll angle and roll rate estimation is needed so that rollover prevention control can operate. In this final project, the observer is designed with discrete extended Kalman filter (EKF) method to estimate roll angle and roll rate of the vehicle. The EKF method was chosen because it can yield good estimates in nonlinear conditions. The nonlinear equations used in EKF are derived from the yaw-plane vehicle dynamics model and axis dynamics model. The nonlinear equations which are still in continuous form are approximated to discrete form using the 4th order Runge-Kutta method. The designed observer is integrated with the predictive rollover prevention control system to test the performance of EKF when the vehicles is in stability controlling, nonlinear conditions. The designed EKF observer method is then compared to the Kalman filter method in a simulation using Carsim and MATLAB & Simulink software.

Abstrak :
ABSTRAK
Tesis 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.

---

ABSTRACT
This 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.