Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Computational Fluid Dynamics (CFD) merupakan metode analisis numerik aliran fluida, perpidahan panas, dan fenomena terkait. Simulasi CFD seringkali membutuhkan waktu yang lama dan biaya komputasi yang mahal. Ini disebabkan oleh kompleksitas persamaan atur yang mendasari perilaku aliran. Dewasa ini, Model berbasis data (Data driven model) telah mendorong perkembangan pada banyak disiplin sains dan teknik, termasuk CFD. Melalui model berbasis data, orde dari persamaan atur dapat direduksi sehingga menghasilkan reduced order model (ROM). Penelitian ini bertujuan untuk menjelaskan algoritma dasar ROM untuk menyelesaikan kasus aliran menggunakan library ITHACA-FV. Kasus aliran fluida yang menjadi domain adalah aliran stedi tak mampu mampat Navier-Stokes pada backward-facing step. Library ITHACA yang menjadi dasar simulasi ROM dianalisis. Kemudian solusi FOM dan ROM dibandingkan. Pada simulasi ROM mode 1 pada kasus backward-facing step terdapat error rata-rata sebesar 2,730% untuk data kecepatan dan 0,113% untuk data tekanan. Sedangkan simulasi ROM mode 3 pada kasus yang sama memiliki error rata-rata 1,085% untuk data kecepatan dan 0,058% untuk data tekanan. ......Computational Fluid Dynamics (CFD) is a method of numerical analysis of fluid flow, heat transfer, and related phenomena. CFD simulation often takes a long time and is computationally expensive. This is due to the complexity of the governing equations that underlie flow behavior. Fluid flow is governed by the Navier-Stokes equation which is non-linear and generally produces a random behavior called turbulence. Today, Data driven models have made developments in many scientific and engineering disciplines, including CFD. Through a data-based model, the order of the governing equations can be reduced to produce a reduced order model (ROM). This study aims to explain the basic ROM algorithm to solve fluid flow cases through the ITHACA-FV library. The fluid flow case that becomes the domain is the steady-state Navier-Stokes incompressible flow in the backward-facing step. The ITHACA library on which the ROM simulation is based is analyzed. Then the FOM and ROM solutions are compared. ROM mode 1 simulation has average error of 2.730% for velocity and 0.113% for pressure data. ROM mode 3 simulation has an average error of 1.085% for velocity and 0.058% for pressure data.

Abstrak :

Computational Fluid Dynamics (CFD) merupakan metode analisis numerik aliran fluida, perpidahan panas, dan fenomena terkait. Simulasi CFD seringkali membutuhkan waktu yang lama dan biaya komputasi yang mahal. Ini disebabkan oleh kompleksitas persamaan atur yang mendasari perilaku aliran. Dewasa ini, Model berbasis data (Data driven model) telah mendorong perkembangan pada banyak disiplin sains dan teknik, termasuk CFD. Melalui model berbasis data, orde dari persamaan atur dapat direduksi sehingga menghasilkan reduced order model (ROM). Penelitian ini bertujuan untuk menjelaskan algoritma dasar ROM untuk menyelesaikan kasus aliran menggunakan library ITHACA-FV. Kasus aliran fluida yang menjadi domain adalah aliran stedi tak mampu mampat Navier-Stokes pada backward-facing step. Kemudian solusi FOM dan ROM dibandingkan. Pada simulasi ROM mode 1 pada kasus backward-facing step terdapat error rata-rata sebesar 2,730% untuk data kecepatan dan 0,113% untuk data tekanan. Sedangkan simulasi ROM mode 3 pada kasus yang sama memiliki error rata-rata 1,085% untuk data kecepatan dan 0,058% untuk data tekanan.

---

Computational Fluid Dynamics (CFD) is a method of numerical analysis of fluid flow, heat transfer, and related phenomena. CFD simulation often takes a long time and is computationally expensive. This is due to the complexity of the governing equations that underlie flow behavior. Fluid flow is governed by the Navier-Stokes equation which is non-linear and generally produces a random behavior called turbulence. Today, Data driven models have made developments in many scientific and engineering disciplines, including CFD. Through a data-based model, the order of the governing equations can be reduced to produce a reduced order model (ROM). This study aims to explain the basic ROM algorithm to solve fluid flow cases through the ITHACA-FV library. The fluid flow case that becomes the domain is the steady-state Navier-Stokes incompressible flow in the backward-facing step. Then the FOM and ROM solutions are compared. ROM mode 1 simulation has average error of 2.730% for velocity and 0.113% for pressure data. ROM mode 3 simulation has an average error of 1.085% for speed data and 0.058% for pressure data.

Abstrak :
In this paper, development of a reduced order, augmented dynamics-drive model that combines both the dynamics and drive subsystems of the skid steering mobile robot (SSMR) is presented. A Linear Quadratic Regulator (LQR) control algorithm with feed-forward compensation of the disturbances part included in the reduced order augmented dynamics-drive model is designed. The proposed controller has many advantages such as its simplicity in terms of design and implementation in comparison with complex nonlinear control schemes that are usually designed for this system. Moreover, the good performance is also provided by the controller for the SSMR comparable with a nonlinear controller based on the inverse dynamics which depends on the availability of an accurate model describing the system. Simulation results illustrate the effectiveness and enhancement provided by the proposed controller.

Dalam paper ini, pengembangan reduced order, augmented model dynamics-drive yang mengga-bungkan kedua dinamika dan subsistem drive dari skid steering mobile robot (SSMR) ditampilkan. Sebuah algoritma kontrol Linear Quadratic Regulator (LQR) dengan kompensasi feed-forward dari disturbances part termasuk dalam reduced order augmented model dynamics-drive dirancang. Pengen-dali yang diusulkan memiliki banyak keuntungan seperti kesederhanaan dalam hal desain dan imple-mentasi dibandingkan dengan skema kontrol nonlinear kompleks yang biasanya dirancang untuk sistem ini. Selain itu, kinerja yang baik juga disediakan oleh pengendali untuk SSMR sebanding dengan pe-ngendali nonlinear berdasarkan dinamika inverse yang tergantung pada ketersediaan dari model yang akurat yang menggambarkan sistem. Hasil simulasi menggambarkan efektivitas dan peningkatan oleh pengendali yang diusulkan.