Identifikasi dan Estimasi Variabel Keadaan dari Sistem Tereduksi dengan Metode Pemotongan Setimbang pada Model Konduksi Panas

Chrisandy, Fella Diandra (2017) Identifikasi dan Estimasi Variabel Keadaan dari Sistem Tereduksi dengan Metode Pemotongan Setimbang pada Model Konduksi Panas. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1213100039_Undergraduate_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Pada tugas akhir ini terdapat dua pokok permasalahan, yaitu mengidentifikasi dan mengestimasi variabel keadaan dari sistem tereduksi linear waktu diskrit dengan metode pemotongan setimbang dan mengimplementasikan permasalahan tersebut pada model konduksi panas. Reduksi model dengan menggunakan metode pemotongan setimbang diterapkan pada sistem linear waktu diskrit berorde s yang bersifat stabil, terkendali dan teramati sehingga diperoleh sistem tereduksi berorde n dengan sifat sistem yang sama. Sedangkan identifikasi variabel keadaan dari sistem tereduksi mempermudah perbandingan hasil estimasi sistem tereduksi dan sistem awal. Dalam hal ini diperlukan algoritma filter Kalman untuk proses estimasi. Selanjutnya sebagai studi kasus, permasalahan tersebut diterapkan pada model konduksi panas. Hasil simulasi dengan menggunakan software MATLAB, reduksi model dengan menggunakan metode pemotongan setimbang dapat diterapkan pada model konduksi panas yang memenuhi sifat sistem awal stabil, terkendali, dan teramati. Algoritma filter Kalman dapat diimplementasikan pada sistem tereduksi konduksi panas, demikian juga identifikasi variabel keadaan dapat diterapkan pada hasil estimasinya. Berdasarkan nilai error, hasil estimasi terbaik adalah estimasi yang dilakukan pada sistem awal karena memiliki nilai error yang paling kecil, dengan perubahan persentase relatif minimal sebesar 73,2%. Sedangkan jika ditinjau berdasarkan waktu komputasi, berjalannya reduksi sistem awal, proses estimasi sistem tereduksi, sampai dengan identifikasi hasil estimasi sistem tereduksi lebih cepat dibandingkan dengan proses estimasi sistem awal. ======================================================================================================================== In this thesis, there are two principal problems, namely identifying and estimating the variables of the reduced discrete-time linear system using balanced truncation method and implement these problems on heat conduction models. Reduction of the model using balanced truncation method is applied to discrete-time linear system of order s which is stable, controlled and observed in order to obtain the reduced system of order n have a same characteristic. In other case the identification of the variables from the reduced system simplify the comparison of the estimation result between the reduced system and the initial system. In this case the Kalman filter algorithms required for the estimation process. Furthemore, the case study for those problems applied in heat conduction models. The simulation results using MATLAB software, reduction of the model using balanced truncation method is only applicable on stable, controlled, and observed heat conduction models. Kalman filter algorithms can be implemented on the reduced system of heat conduction models, similarly the identification of the variables can be applied on the result of its estimation. Based on the error values shows that the best estimation result is the estimation process of the initial system which is obtained the smallest error, with a relative precentage change of at least 73%. In other case based on the computational time, the reduction process of initial sytem, reduced system estimation, until identification of the variables from the result of the reduced system estimation is faster than the estimation process of the initial system.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: reduksi model, Pemotongan Setimbang, sistem linear, waktu diskrit, identifikasi variabel keadaan, algoritma filter Kalman
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA184 Algebra, Linear
Divisions: Faculty of Mathematics and Science > Mathematics > (S1) Undergraduate Theses
Depositing User: Fella Diandra Chrisandy
Date Deposited: 15 Aug 2017 02:54
Last Modified: 15 Aug 2017 02:54
URI: http://repository.its.ac.id/id/eprint/42327

Actions (login required)

View Item View Item