Optimasi Tebal, Lebar, dan Diameter Lubang Menggunakan Metode Elemen Hingga dan Backpropagation Neural Network - Particle Swarm Optimization

Dion, Alvin (2023) Optimasi Tebal, Lebar, dan Diameter Lubang Menggunakan Metode Elemen Hingga dan Backpropagation Neural Network - Particle Swarm Optimization. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02111940000102-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (9MB) | Request a copy

Abstract

Ban merupakan komponen penting yang menentukan kenyamanan dan keamanan berkendara. Ban berfungsi untuk menahan beban kendaraan, meredam guncangan akibat ketidakmerataan permukaan jalan, meneruskan tenaga dari kendaraan menuju jalan, dan memaksimalkan gaya traksi kendaraan sehingga dapat menghindari kondisi slip. Pada umumnya ban yang digunakan pada sepeda dan sepeda motor adalah ban pneumatik atau ban angin. Penelitian mengenai airless tire yang merupakan ban yang tidak memerlukan udara sebagai fluida pengisinya, sebagai alternatif ban angin dilakukan karena ban angin memiliki beberapa kelemahan seperti resiko ban kempis dan meledak, serta memerlukan perawatan dan pengecekan tekanan ban secara berkala. Pada penelitian ini dilakukan simulasi FEM (finite element method) dan optimasi dengan backpropagation neural network (BPNN) – particle swarm optimization (PSO) untuk mendapatkan desain airless tire yang dapat menghasilkan tegangan minimum dan defleksi radial maksimum yang tidak melebihi nilai 7,43 mm. Dilakukan pula simulasi pada desain optimum untuk menemukan umur siklus ban airless menggunakan software ANSYS 2021 R2. Penelitian ini dimulai dengan menentukan ban airless yang digunakan, dilanjutkan permodelan 3D ban airless, pelek hubless, dan jalan menggunakan software Solidworks 2020. Setelah itu assembly design 3D tersebut akan di-import ke software ANSYS 2021 R2 dan dilakukan simulasi FEM untuk mendapatkan nilai tegangan dan defleksi radial pada 27 variasi desain, dimana variasi desain terdiri dari 3 variasi lebar ban, 3 variasi diameter lubang, dan 3 variasi tebal ban. Data output simulasi kemudian digunakan pada BPNN demi mendapatkan net terbaik yang selanjutnya digunakan pada PSO untuk menghasilkan desain airless tire optimum. Setelah mendapatkan desain optimum dari airless tire dilanjutkan dengan simulasi FEM untuk validasi hasil PSO dan mendapatkan umur siklus dari desain optimum tersebut. Hasil simulasi yang telah dilakukan menyatakan bahwa parameter input yang memiliki pengaruh paling besar terhadap besaran defleksi radial dan tegangan pada airless tire adalah diameter lubang. Hasil simulasi defleksi radial untuk 27 variasi berkisar dari nilai 4,72 mm hingga 9,61 mm, sementara hasil simulasi tegangan untuk 27 variasi berkisar dari nilai 0,53 MPa hingga 1,11 MPa. Setelah ditemukan net terbaik menggunakan BPNN dan dilakukan optimasi dengan PSO ditemukan desain airless tire terbaik dengan tebal ban sebesar 46,53 mm, lebar ban sebesar 38,1 mm, dan diameter lubang sebesar 8,24 mm. Desain airless tire terbaik tersebut diprediksi oleh BPNN-PSO menghasilkan defleksi radial sebesar 7,03 mm dan tegangan sebesar 0,602 MPa. Simulasi untuk mengkonfirmasi hasil BPNN-PSO menggunakan ANSYS 2021 R2 menghasilkan defleksi radial sebesar 6,67 mm dan tegangan sebesar 0,614 MPa.
==================================================================================================================================
Tires are an important component that determines driving comfort and safety. Tires are needed to support the weight of the vehicle, absorb shocks due to uneven road surfaces, transmit power from the vehicle to the road, and maximize the traction of the vehicle to avoid slipping. In general, tires used on bicycles and motorcycles are pneumatic tires. Research on airless tires, which are tires that do not require air as a filling fluid, as an alternative to air tires is carried out because air tires have several disadvantages such as the risk of deflation and bursting, and also require regular maintenance of tire pressure. In this research, FEM (finite element method) simulation and optimization with backpropagation neural network (BPNN) - particle swarm optimization (PSO) are conducted to obtain an airless tire design that can produce minimum stress and maximum radial deflection that does not exceed the value of 7.43 mm. Simulations were also conducted on the optimum design to find the cycle life of the airless tire using ANSYS 2021 R2 software. This research begins with determining the airless tire used, followed by 3D modeling of the airless tire, hubless rim, and road using Solidworks 2020 software. After that, the 3D assembly design will be imported into ANSYS 2021 R2 and FEM simulation is carried out to obtain stress and radial deflection values in 27 design variations, where the design variations consist of 3 tire width variations, 3 diameter of hole variations, and 3 tire thickness variations. The simulation output data is then used in BPNN in order to get the best net to be used in PSO to produce the optimum airless tire design. After obtaining the optimum design of the airless tire, it is continued with FEM simulation to validate the PSO results and obtain the cycle life of the optimum design. The simulation results show that the input parameter that has the greatest influence on the amount of radial deflection and stress in the airless tire is the hole diameter. Radial deflection simulation results for 27 variations ranged from 4.72 mm to 9.61 mm, while stress simulation results for 27 variations ranged from 0.53 MPa to 1.11 MPa. After finding the best net using BPNN and optimizing it with PSO, the best airless tire design was found with tire thickness of 46.53 mm, tire width of 38.1 mm, and diameter of hole about 8.24 mm. The best airless tire design that was predicted by PSO have 7.03 mm of radial deflection and 0.602 MPa of stress. By confirmation of BPNN-PSO output using ANSYS 2021 R2, tire radial reflection is 6.67 mm and stress is 0.614 MPa.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Airless Tire, BPNN, defleksi radial, PSO, tegangan; Airless Tire, BPNN, PSO, radial deflection, stress
Subjects:	Q Science > Q Science (General) > Q325.78 Back propagation Q Science > Q Science (General) > Q337.3 Swarm intelligence T Technology > TA Engineering (General). Civil engineering (General) > TA347 Finite Element Method T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL410 Bicycles and bicycling--Design and construction
Divisions:	Faculty of Industrial Technology > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Alvin Dion
Date Deposited:	06 Oct 2023 02:46
Last Modified:	06 Oct 2023 02:46
URI:	http://repository.its.ac.id/id/eprint/102732

Actions (login required)

View Item