NGATINI, . (2016) PERBANDINGAN ANTARA ENSEMBLE KALMAN FILTER DAN FUZZY KALMAN FILTER : APLIKASI PADA ESTIMASI POSISI AUTONOMOUS UNDERWATER VEHICLE. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1214201041-Abstract.pdf - Published Version Download (278kB) | Preview |
Preview |
Text
1214201041-Conclusion.pdf - Published Version Download (267kB) | Preview |
Preview |
Text
1214201041-Master_Theses.pdf - Published Version Download (1MB) | Preview |
Abstract
Pemantauan terhadap kondisi bawah laut yang tidak terstruktur dan berbahaya memerlukan suatu alat (wahana) bawah air yang mampu mengatasi kondisi tersebut. Salah satu wahana yang dapat digunakan untuk pemantauan bawah laut tersebut adalah wahana nir awak bawah air yaitu AUV. AUV adalah perangkat robotik yang dikendalikan di dalam air dengan menggunakan sistem penggerak, dikontrol dan dikemudikan (dikendalikan) oleh perangkat komputer, dan bermanuver pada tiga dimensi. Penelitian ini mengembangkan estimasi posisi AUV menggunakan metode Ensemble Kalman Filter (EnKF). EnKF digunakan sebagai metode estimasi posisi AUV yang bermanuver dalam 6 DOF (Degrees of Freedom) sesuai dengan lintasan yang ditentukan. Hasil estimasi tersebut dibandingkan dengan hasil estimasi pada penelitian sebelumnya yang menggunakan metode Fuzzy kalman Filter. Hasil estimasi tersebut disimulasikan dengan bantuan program Matlab. Simulasi menampilkan hasil estimasi posisi AUV menggunakan metode EnKF dengan beberapa jumlah ensemble yang berbeda dan perbandingan hasil estimasi antara metode Ensemble Kalman Filter dengan Fuzzy kalman Filter. Perbandingan tersebut menunjukan bahwa metode Ensemble Kalman Filter menghasilkan estimasi yang lebih bagus pada lintasan persamaan dinamik gerak AUV dengan error estimasi EnKF 92 % lebih kecil pada posisi x dan posisi y, 6.5 % lebih kecil pada posisi z, 93 % lebih kecil pada sudut dan waktu komputasi 50 % lebih cepat dibandingkan dengan estimasi FKF. Sedangkan Fuzzy Kalman Filter menghasilkan estimasi yang lebih bagus pada lintasan yang ditentukan
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | AUV, Ensemble Kalman Filter, Fuzzy Kalman Filter |
| Subjects: | Q Science |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | NGATINI NGATINI |
| Date Deposited: | 16 Jun 2016 14:50 |
| Last Modified: | 27 Dec 2018 03:05 |
| URI: | http://repository.its.ac.id/id/eprint/327 |
Actions (login required)
 |
View Item |