Putri, Ika Yuliana (2025) Estimasi Kesalahan Aktuator Pada Kapal Perang Extended Corvette SIGMA Dengan Metode Adaptive Extended Kalman Filter. Other thesis, Institut Teknologi Sepuluh Nopember.
![]() |
Text
06111940000080-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Kapal merupakan salah satu alat transportasi yang rawan mengalami kecelakaan. Kecelakaan dapat disebabkan oleh kegagalan sistem karena adanya kerusakan pada aktuator. Dampak dari kecelakaan kapal yaitu kerugian akibat hilang atau rusaknya barang yang diangkut, keterlambatan angkutan dan barang, serta kehilangan nyawa bagi penumpang kapal. Oleh karena itu, pentingnya menjaga sistem agar tidak terjadi kecelakaan menjadi prioritas utama dalam pengembangan teknologi maritim. Dalam sistem navigasi kapal, kesalahan aktuator dapat menyebabkan gangguan serius terhadap kinerja keseluruhan, yang berpotensi membahayakan keselamatan operasional. Penelitian ini bertujuan untuk mengembangkan estimasi kesalahan aktuator pada kapal menggunakan metode Adaptive Extended Kalman Filter (AEKF). Model prediksi menggunakan persamaan gerak kinematik dua derajat kebebasan atau DOF yang dimodifikasi untuk mencakup kesalahan aktuator. Matriks Jacobian diperoleh untuk mengakomodasi sifat nonlinier dari sistem, yang setelah itu dilakukan proses pelinieran untuk mengubah sistem dari nonlinier menjadi linier. Hasil simulasi menunjukkan bahwa metode AEKF mampu mendeteksi kesalahan aktuator dengan akurasi yang tinggi, bahkan dengan adanya gangguan yang signifikan, selain itu metode ini menunjukkan tingkat error yang minimal. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan sistem kontrol kapal yang lebih andal, serta meningkatkan keselamatan dan efisiensi operasional pada berbagai jenis kapal. Implementasi metode ini juga berpotensi diterapkan pada sistem otonom di bidang maritim dan transportasi lainnya. =========================================================================================================================================
A ship is one of the transportation means that is prone to accidents. Accidents can be caused by system failures due to actuator malfunctions. The impact of ship accidents includes losses from damaged or lost cargo, transportation delays, and the loss of lives among passengers. Therefore, ensuring system reliability to prevent accidents becomes a top priority in maritime technology development. In the ship navigation system, actuator errors can lead to severe disruptions in overall performance, potentially jeopardizing operational safety. This study aims to develop an actuator error estimation method for ships using the Adaptive Extended Kalman Filter (AEKF) approach. The prediction model utilizes a modified two-degree-of-freedom (DoF) kinematic motion equation to account for actuator errors. The Jacobian matrix is derived to accommodate the nonlinear nature of the system, followed by linearization to convert the system from nonlinear to linear. Simulation results show that the AEKF method is capable of detecting actuator errors with high accuracy, even in the presence of significant disturbances, and demonstrates minimal error levels. This research is expected to serve as a foundation for the development of more reliable ship control systems, enhancing safety and operational efficiency across various types of vessels. The implementation of this method also has the potential to be applied to autonomous systems in the maritime and other transportation sectors.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Aktuator, Estimasi Kesalahan, Adaptive Extended Kalman Filter. Actuator, Fault Estimation, Adaptive Extended Kalman Filter. |
Subjects: | Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA402.3 Kalman filtering. |
Divisions: | Faculty of Civil, Environmental, and Geo Engineering > Geophysics Engineering |
Depositing User: | Ika Yuliana Putri |
Date Deposited: | 01 Aug 2025 08:43 |
Last Modified: | 01 Aug 2025 08:43 |
URI: | http://repository.its.ac.id/id/eprint/125468 |
Actions (login required)
![]() |
View Item |