Penerapan Extended Kalman Filter-Unknown Input-Without Direct Feedtrough (EKF-UI-WDF) pada Kapal dalam Misi Penembakan

Kamilah, Rusydah (2017) Penerapan Extended Kalman Filter-Unknown Input-Without Direct Feedtrough (EKF-UI-WDF) pada Kapal dalam Misi Penembakan. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1213100045_UNDERGRADUATE_THESIS.pdf]
Preview
Text
1213100045_UNDERGRADUATE_THESIS.pdf - Published Version

Download (4MB) | Preview

Abstract

Kapal perang merupakan kapal yang digunakan untuk
kepentingan militer atau Tentara Negara Indonesia (TNI).
Tujuan adanya kapal perang adalah menegaskan posisi
perairan dari suatu pemerintahan sekaligus memberikan
jaminan keamanan diperairan untuk melindungi negara
tersebut. Salah satu kapal perang yang dimiliki oleh Indonesia adalah Kapal Perang Corvet Kelas SIGMA. Fungsi dasar dari kapal ini untuk patroli maritim Zona Ekonomi Eksekutif, penggetar, pencarian dan penyelamatan, dan anti kapal selam. Untuk melaksanakan fungsi dasar dari kapal tersebut maka kapal korvet kelas SIGMA dilengkapi dengan beberapa senjata dan salah satunya adalah rudal pertahanan udara vertikal MICA II. Selain itu kapal ini juga dilengkapi dengan sensor radar Smart-S MK2 yang dapat mendeteksi sasaran maupun peluru target tersembunyi. Pada penelitian ini akan membahas estimasi pada kapal dalam misi penembakan yang menggunakan kapal perang korvet kelas SIGMA dan percepatan peluru target merupakan unknown input. Extended Kalman Filter Unknown Input Without
Direct Feedthrough (EKF-UI-WDF) merupakan salah satu pengambangan metode Extended Kalman Filter. Metode vii
ini digunakan untuk mendapatkan solusi estimasi terhadap
state dan unknwon input dengan sistem waktu stokastik tak
linier, tanpa keterhubungan secara langsung dari unknown
input terhadap output. Hasil estimasi state tersebut dan
unknwon input akan digunakan untuk mengimplementasikan
pada panduan peluru kendali. Hasil dari simulasi metode
EKF-UI-WDF menunjukkan bahwa nilai RMSE(root mean square error) dari kendali peluru kendali kurang dari 0.01
==================================================================================
Warships are ships used for military or Indonesian army.
The purpose of the vessel is to affirm the position of the waters of a government as well as to guarantee water security in order to protect the country. One of the warships owned by Indonesia is the Corvett Warship Class SIGMA. The basic functions of this ship for maritime patrols Executive Economic Zones, vibrators, search and rescue, and anti-submarine. To carry out the basic functions of the vessel, the SIGMA class corvette ship is equipped with several weapons and one of them is a MICA II vertical air defense missile. In addition the ship is also equipped with Smart-S MK2 radar sensor that can detect targets or bullet hidden targets. In this study will discuss the estimation of ships in shooting missions using
SIGMA class corvette warships and acceleation targeted bullets are unknown inputs. Extended Kalman Filter Unknown Input Without Direct Feedthrough (EKF-UI-WDF) is one of the methods of Extended Kalman Filter method. This method is used to obtain estimation solution to unknown state and input with nonlinear stochastic timing system, without direct connection of unknown input to output. The estimation results of these ix states and unknown inputs will be used to implement on guided missiles. The results of the EKF-UI-WDF method simulation show that the RMSE (root mean square error) value of the missile control with unknown target bullet is less than 0.01

Item Type: Thesis (Undergraduate)
Additional Information: RSMa 518.1 Kam p
Uncontrolled Keywords: Kapal Perang; Korvet Kelas SIGMA; Extended Kalman Filter-Unknown Input-Without Direct Feedthrough (EKF-UI-WDF); Vessel; Corvet SIGMA Class; Extended Kalman Filter-Unknown Input-Without Direct Feedthrough (EKF-UI-WDF)
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA402.3 Kalman filtering.
Divisions: Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: Rusydah Kamilah .
Date Deposited: 18 Jan 2018 02:47
Last Modified: 05 Mar 2019 04:26
URI: http://repository.its.ac.id/id/eprint/48212

Actions (login required)

View Item View Item