Andrea, Gozzy Bastian (2019) Aplikasi Penggunaan Metode Optimasi Metaheuristik untuk Diesel Engine Berbasis Kecerdasan Buatan. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
02111540000088-Undergraduate_Theses.pdf Download (3MB) | Preview |
Abstract
Pencemaran udara merupakan permasalahan yang sangat serius di Indonesia. Berdasarkan data yang dilansir dari organisasi lingkungan Greenpeace pada tahun 2018, dua kota di Indonesia masuk dalam kategori kota dengan polusi tertinggi (yaitu, Jakarta (peringkat pertama) dan Denpasar (peringkat kelima)). Oleh karena itu perlu dilakukan upaya untuk mengatasi masalah tersebut salah satunya adalah dengan cara mengurangi emisi gas berbahaya, yang sebagian besar dihasilkan dari mesin dengan bahan bakar fosil. Penelitian ini berfokus pada optimasi mesin diesel CAT 3401 dengan data yang didapat dari paper dengan judul “Parametric Study and Optimization Using RSM of DI Diesel Engine for Lower Emissions” (2016) oleh Prabhakara Rao Ganji dkk. Penelitian dilakukan dengan menggunakan metode kecerdasan buatan yaitu Backpropagation Neural Network (BPNN) sebagai alat untuk memprediksi respon (peakpressure, kadar NOx, dan kadar soot) dengan parameter input (Compression Ratio, Start of Injection Angle, Fuel Injection Pressure, dan Exhaust Gas Recirculation). Prediksi tersebut kemudian digunakan untuk mendapatkan parameter input dengan hasil respon yang optimal dengan menggunakan metode metaheuristik yaitu Genetic Algorithm (GA) dan Particle Swarm Optimization (PSO) yang berkorelasi dalam mengurangi emisi gas berbahaya pada mesin diesel.
Hasil optimum yang didapat dari paper adalah : CR 14,25 , FIP 1153,15 bar, SOI 13,69 ˚bTDC, dan 16,91% EGR, didapatkan output peakpressure sebesar 113,5 bar, NOx 15,8 g / kg bahan bakar, soot 0,2 g / kg bahan bakar, dan composite desirability 0,95. Sedangkan hasil optimum yang didapat dari BPNN-PSO adalah : CR 16,5 FIP 1400 bar, SOI 6,376 ˚bTDC, EGR 25%, didapatkan output peakpressure sebesar 113,473 bar, NOx 12,08 g / kg bahan bakar, soot 01996 g / kg bahan bakar, dan composite desirability 0,962 dan hasil optimum yang didapatkan dari BPNN-GA adalah : CR 15,9, FIP 1396,48 bar, SOI 8,471˚bTDC, dan EGR 25%, didapatkan output peakpressure sebesar 113,488 bar, NOx 11,89 g / kg bahan bakar, soot 0,1787 g / kg bahan bakar dan composite desirability 0,964. Dari hasil tersebut didapat bahwa metode BPNN-GA lebih baik dibandingkan dengan metode BPNN-PSO, sehingga metode GA dipilih sebagai metode untuk mengurangi emisi gas berbahaya.
=========================================================
Air pollution is one of serious problems in Indonesia. Based on released data which is reported by Greenpeace’s environmental organization in 2018, two cities from Indonesia are categorized as cities with highest pollution level (i.e., Jakarta (first rank) and Denpasar (fifth rank)). Therefore, a solution should be overtaken to solve this problem for reducing harmful emission gas, which is mostly produced from fuel engine. This study focuses on optimization of the CAT 3401 diesel engine where the data input is obtained from the paper entitled "Parametric Study and Optimization Using Response Surface Method (RSM) of DI Diesel Engines for Lower Emissions" (2016) by Prabhakara Rao Ganji et al. The research was conducted using the Artificial Intelligence Backpropagation Neural Network method to predict the correlation of diesel engines’s responses (i.e., peak pressure, NOx levels, and soot levels) with parameter inputs (i.e., Compression Ratio, Start of Injection Angle, Fuel Injection Pressure, and Exhaust Gas Recirculation). The prediction results are then used to find the parameter inputs with the optimum response using metaheuristic Genetic Algorithm (GA) method and Particle Swarm Optimization (PSO) which correlated in reducing harmful emission of diesel engine.
The optimum result form the reference paper are: CR 14,25 , FIP 1153,15 bar, SOI 13,69 ˚bTDC, and 16,91% EGR, obtained peak pressure output of 113,5 bar, NOx 15,8 g / kg of fuel, soot 0,2 g / kg of fuel, and composite desirability 0,95. Furthermore the optimum result of BPNN-PSO are : CR 16,5 FIP 1400 bar, SOI 6,376 ˚bTDC, EGR 25%, obtained peak pressure output of 113,473 bar, NOx 12,08 g / kg of fuel, soot 01996 g / kg of fuel, and composite desirability 0,962 and the optimum results of BPNN-GA are : CR 15,9, FIP 1396,48 bar, SOI 8,471˚bTDC, and EGR 25%, obtained peak pressure output of 113,488 bars, NOx 11,89 g / kg of fuel, soot 0,1787 g / kg of fuel and composite desirability of 0,964. Since the performace of GA is better than BPNN-PSO, therefore BPNN-GA is then selected as optimization tools in reducing harmfull emission gas of diesel engine.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Direct Injection Diesel Engine, Kecerdasan Buatan, Back Propagation Neural Network, Metaheuristik, Genetic Algorithm, Particle Swarm Optimization, CompositeDesirability |
| Subjects: | T Technology > TJ Mechanical engineering and machinery > TJ799 Diesel motor--Electronic control. |
| Divisions: | Faculty of Industrial Technology > Mechanical Engineering > 21201-(S1) Undergraduate Thesis |
| Depositing User: | Andrea Gozzy Bastian |
| Date Deposited: | 29 May 2023 04:37 |
| Last Modified: | 29 May 2023 04:37 |
| URI: | http://repository.its.ac.id/id/eprint/67557 |
Actions (login required)
 |
View Item |