Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Sistem navigasi memegang peranan penting dalam proses pelacakan posisi suatu objek,khususnya objek bergerak seperti kendaraan, pesawat, rudal, kapal, dan lainnya.Beberapa jenis sistem navigasi yang umumnya digunakan saat ini adalah sistempemosisian global (GPS) dan sistem navigasi inersia (INS). GPS bergantung pada satelitagar dapat menentukan posisi suatu objek secara konstan. Berbeda dengan GPS, INSbekerja secara independen dengan memanfaatkan seperangkat sensor inersia(akselerometer dan giroskop) dan perangkat pemrosesan untuk mencari posisi, kecepatan,orientasi, dan besaran navigasi penting lainnya. Skripsi ini menyelidiki kinerja dariintegrasi penggunaan GPS dan INS secara bersamaan dalam pelacakan posisi objekbergerak dan pencarian besaran navigasi penting lainnya. Proses filtering juga akandilakukan untuk memberikan estimasi posisi yang lebih akurat dan meredamkan noise.Pengujian akan dilakukan pada mobil dengan lintasan yang cukup mendukung dalampengambilan data agar dapat dianalisis. Analisis data hasil pengujian tersebut akanmenentukan seberapa baik rancangan sistem ini dalam pelacakan posisi objek bergerak.

---

The navigation system plays an important role in the process of tracking the position of

an object, especially the moving objects such as vehicles, aircraft, missiles, ships, etc.

Some types of navigation systems that are generally used today are global positioning

system (GPS) and inertial navigation system (INS). GPS relies on satellites to constantly

determine the position of an object. Unlike GPS, INS work independently by utilizing a

set of inertial sensors (accelerometers and gyroscopes) and processing devices to find the

position, velocity, orientation, and other important navigation quantities. This thesis

investigates the performance of the integration of GPS and INS simultaneously in

tracking the position of moving object and searching for other important navigation

quantities. The filtering process will also be carried out to provide a more accurate

estimated position and reduce noise. The test will be carried out on a car with a track that

is sufficiently supportive of data collection so that it can be analyzed. Analysis of the test

results data will determine how well the design of this system is in tracking the position

of moving objects."

"Sistem Manajemen Baterai (BMS), yang bertanggung jawab untuk memantau baterai isi ulang, memainkan peran penting dalam melindungi kendaraan dan instrumen listrik. Dua indikator utama yang perlu dipertimbangkan adalah State of Charge (SoC) dan State of Health (SoH). Memperkirakan SoC secara akurat penting untuk mencegah potensi masalah. Selain itu, ruang, waktu komputasi, dan biaya merupakan faktor penting dalam pengembangan perangkat keras. Untuk mengatasi pertimbangan ini, model Extended Kalman Filter (EKF) orde pertama dan Adaptive Extended Kalman Filter (AEKF) dipilih karena pra-pemrosesan datanya lebih sederhana dan akurasinya lebih baik. Estimasi ini didasarkan pada metode matematika. Studi ini merekomendasikan penggunaan metode First-Order Equivalent Circuit Model (ECM) bersama dengan algoritma EKF dan AEKF karena pengaturannya yang mudah dan proses komputasi yang efisien. Melalui penelitian yang melibatkan beberapa siklus pengisian-pengosongan, ditemukan bahwa metode AEKF secara konsisten mengungguli metode EKF dalam hal akurasi SoC. Hal ini semakin diperkuat dengan melakukan pengujian reliabilitas pada metode AEKF, yang menunjukkan akurasi estimasi SoC yang lebih unggul dibandingkan metode EKF ketika diberikan nilai SoC awal yang berbeda. Selain itu, waktu komputasi yang lebih singkat dari metode EKF menjadi pertimbangan untuk penerapan praktis di dunia nyata. Lebih lanjut, percobaan yang dilakukan selama 500 siklus mengungkapkan bahwa estimasi SoH menurun dari 99,97% menjadi 76,1947%, menunjukkan bahwa baterai telah mencapai tahap End of Life (EOL), seperti yang dilaporkan di berbagai jurnal.

---

The Battery Management System (BMS), responsible for monitoring rechargeable batteries, plays an essential role in safeguarding electric vehicles and instruments. Two key indicators to consider are State of Charge (SoC) and State of Health (SoH). Accurately estimating SoC is important to prevent potential issues. Additionally, space, computing time, and cost are important factors in hardware development. To address these considerations the first-order Extended Kalman Filter (EKF) and Adaptive Extended Kalman Filter (AEKF) models were selected due to their simpler data pre-processing and better accuracy. These estimations are based on mathematical methods. The study recommends using the First-Order Equivalent Circuit Model (ECM) method in conjunction with the EKF and AEKF algorithms due to their straightforward setup and efficient computational process. Through research involving multiple charge-discharge cycles, it was found that the AEKF method consistently outperformed the EKF method in terms of SoC accuracy. This was further confirmed by subjecting the AEKF method to reliability testing, where it displayed superior SoC estimation accuracy compared to the EKF method when given different initial SoC values. Additionally, the shorter computing time of the EKF method is a consideration for practical real-world implementation. Furthermore, experiments conducted over 500 cycles revealed that SoH estimation declined from 99.97% to 76.1947%, suggesting that the battery has reached the End of Life (EOL) stage, as reported in various journals."

"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."