Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penerapan dan penelitian mengenai multi agent system (MAS) saat ini sedang cepat berkembang. Penggunaan pengendali Model Predictive Control (MPC) cukup populer digunakan untuk menyelesaikan permasalahan konsensus pada korvengensi dan stabilitas MAS. Namun pada MPC konvensional masih terdapat masalah, masalah optimasi yang harus diselesaikan secara periodik menyebabkan pemborosan sumber daya komputasi dan komunikasi antar agen. Oleh karena itu, mekanisme tambahan diperlukan agar masalah optimasi dapat diselesaikan secara aperiodik. Pada peneltian ini, mekanisme self triggered ditambahkan pada pengendali MPC, dan dirancang untuk menyelesaikan permasalahan formation pada MAS dengan model nonholonomic mobile robot. Penggunaan mekanisme ini memungkinkan komputasi MPC tidak perlu dilakukan secara terus menerus, tapi digunakan bila dibutuhkan. Pengendali yang dirancang dibentuk dengan mengkombinasikan antara teori graph sebagai topologi komunikasi antar agent, dengan algoritma MPC, dan ditambah dengan mekanisme self triggered untuk menentukan kondisi kapan MPC melakukan optimasi. Pengendali Prediktif atau MPC akan memprediksi sinyal kendali agent sepanjang horizon prediction. Beberapa simulasi dilakukan untuk menguji rancangan desain pengendali self-triggered MPC, kemudian diuji untuk menyelesaikan permsalahan formation, lama waktu komputasi dihitung dan dibandingkan dengan MPC konvensional. Hasil uji simulasi menunjukan bahwa mekanisme self triggered mampu mengurangi beban komunikasi dan beban komputasi pada pengendali MPC.

---

Application and study of multi-agent systems are growing fast. Model Predictive Control (MPC) has been popularly used to solve consensus problem in corvengence and stability of multi agent system (MAS). But conventional MPC is still having probrems, optimization problems is solved periodically, which may lead to a waste of computation and communication resources between agents. Therefore, additional mechanism is needed so optimization problems can be solved aperiodically. In this study, a self triggered mechanism was added to the MPC controller, which was designed to solve the formation problem for MAS on nonholonomic mobile robot. A self triggered condition allows MPC computing not to be done periodically, but is used if needed.

The designed controller is build by combining graph theory as a communication topology beetwen agents, with the MPC algorithm, and added with a self triggered mechanism to determine the conditions when does the MPC solved optimization. Predictive controllers or MPC is used to predict control signals along the horizon prediction. Several simulation are conducted to test the self triggered MPC controller design, were then tested to solve the formation problem. The computation time is calculated and compared with conventional MPC. The simulation test results show that the self triggered mechanism is able to reduce the communication load and computational load on MPC controllers."

"Penelitian ini membahas permasalahan formasi sistem multi-agent menggunakan pengendali prediktif terdistribusi. Model yang digunakan adalah nonholonomic mobile robot. Setiap agen dapat memecahkan sendiri permasalahan optimasi dan mengimplementasikannya setiap cuplikan waktu. Ada dua permasalahan formasi yang dibahas, yaitu formation tracking control dan formation stabilization. Pada permasalahan formation tracking control, setiap agen harus mengikuti referensi trajektori yang telah dibuat dan mempertahankan jarak dengan agen tetangganya. Sedangkan pada permasalahn formation stabilization, setiap agen, dari posisi yang acak, membentuk suatu formasi yang telah ditentukan di posisi yang telah ditentukan juga. Hasil simulasi ditampilkan untuk menggambarkan efektivitas dari pengendali prediktif terdistribusi yang telah didesain. Diperoleh hasil dengan waktu konvergensi yang sangat cepat dibanding jika dengan pengendali lain.

---

This study is concerned with the problem of formation using distributed model predictive control. The model that is used is nonholonomic mobile robot. All the agents are permitted to solve optimization problem by itself and implement them at each time step. There are two formation problem that will be discussed, i.e. formation tracking control problem and formation stabilization problem. On the formation tracking control problem, each agent is required to follow a reference trajectory that has been generated and maintain distance between agents. On the formation stabilization problem, each agent, with random initial condition, is required to form a formation at a specific position that has been determined. A numerical simulation is given to illustrate the effectivenes of the distributed model predictive control. The convergence rate of the result is much faster compared to other control law."

"Sistem multi-agent adalah suatu sistem yang terdiri atas beberapa agen yang mampu melakukan interaksi satu sama lain untuk mencapai tujuan bersama. Salah satu permasalahan dalam sistem multi-agent adalah permasalahan konsensus untuk menyamakan keadaan seluruh agen dengan mengurangi perbedaan keadaan suatu agen dengan agen lainnya. Berbagai jenis protokol pengendali telah dikembangkan untuk membuat seluruh agen mencapai konsensus, tetapi sebagian besar pengendali masih menggunakan mekanisme time-triggered yang mengharuskan pengendali pada setiap agen untuk melakukan komputasi di setiap waktu cuplikan sehingga beban komputasi cukup tinggi. Penelitian ini membahas mengenai pengendali prediktif (MPC) terdistribusi untuk menyelesaikan permasalahan konsensus pada sistem multi-agent dengan mekanisme event-triggered. Permasalahan konsensus dapat diselesaikan dengan menggunakan pengendali prediktif terdistribusi yang bekerja dengan melakukan optimalisasi fungsi objektif. Untuk mengurangi beban komputasi, mekanisme event-triggered digunakan sehingga pengendali melakukan optimalisasi fungsi objektif hanya ketika kondisi trigger terpenuhi. Pada penelitian ini, pengendali prediktif dengan mekanisme event-triggered diujikan terhadap sistem dengan model agen linear vehicle dan nonholonomic mobile robot melalui simulasi. Hasil simulasi yang diperoleh menunjukkan performa yang baik dalam mencapai konsensus dengan total waktu komputasi yang lebih sedikit dibanding menggunakan mekanisme time-triggered.

---

Multi-agent system is a system consisting of several agents who are able to interact with each other to achieve a common goal. One of the problems in a multi-agent system is the problem of consensus to equalize the state of all agents by reducing the differences of an agent with other agents. Various types of controlling protocols have been developed to make all agents reach consensus, but most controllers still use a time-triggered mechanism that requires controllers in each agent to do computation at each sampling time so that the computing load is high enough.

This study examines the distributed predictive controller (MPC) to solve consensus problems on multi-agent systems with event-triggered mechanisms. Consensus problem can be solved using a distributed predictive controller that works by optimizing objective functions. To reduce computational load, an event-triggered mechanism is used so that the controller performs objective function optimization only when the trigger conditions are met.

In this study, predictive controllers with event-triggered mechanisms were tested on systems with linear vehicle and nonholonomic mobile robot agents through simulation. The simulation results show good performance in reaching consensus with less computational time than using time-triggered mechanisms."

"Penelitian ini membahas masalah konsensus pada sistem multi-agent dengan model setiap agen adalah nonholonomic mobile robot dengan pengendali finite-time yang terdistribusi pada setiap agen. Setiap agen harus mengikuti kecepatan referensi yang telah dibuat dan state setiap agen harus mencapai konsensus dalam waktu yang terbatas. Masalah lain yang dibahas adalah keberadaannya disturbance atau gangguan dari luar sistem. Pengendali finite-time digunakan untuk memecahkan kedua masalah ini karena pengendali finite-time dapat memberikan waktu konsensus pada waktu yang terbatas dan dapat mengatasi keberadaan gangguan dari luar sistem. Pengendali finite-time juga dapat dilinierisasi dengan mengubah parameter pengendalinya. Selain masalah pengendali konsensus, penelitian mengenai perbandingan sistem dengan multi-agent dan sistem tanpa multi-agent juga dilakukan. Berdasarkan simulasi yang dilakukan, terlihat bahwa sistem dapat mencapai konsensus dalam waktu yang terbatas. Saat sistem diberi disturbance, terlihat juga bahwa sistem tetap dapat mencapai konsensus dalam waktu terbatas. Sistem multi-agent juga memberikan waktu konsensus yang lebih cepat dibandingkan dengan sistem tanpa multi-agent.

---

In this study, we discuss the consensus problem of nonholonomic mobil robot multi-agent systems with distributed finite-time control for each agent. All the agents have to follow the reference velocity and reach a consensus in a finite-time. The other problem discussed in this study is the presence of disturbance. Finite-time controller is used to solve the above problem because of its reliability. Linearized finite-time control is also shown by changing the control parameters.

One last problem discussed is the comparison between system with multi-agent and system without multi-agent. Based on simulation results, it is shown that multi-agent system can reach consensus in a finite time. In the presence of disturbance, it is shown that the systems still can reach consensus in a finite time. System with multi-agent also reach consensus faster than system without multi-agent."

"Penelitian mengenai permasalahan konsensus pada konvergensi dan stabilitas multi-agent systems MAS merupakan salah satu topik penelitian fundamental terkait dengan perlunya kendali terdistribusi untuk masing-masing agent pada MAS. Permasalahan dalam perancangan pengendali ini dapat dipengaruhi oleh berbagai variabel, diantaranya adalah model dinamik MAS, skema organisasi dan jenis topologi komunikasi. Pada penelitian ini, protokol konsensus berbasis sistem kendali prediktif terdistribusi dengan skema organisasi leaderless dirancang untuk menyelesaikan permasalahan konsensus pada model MAS domain waktu diskrit. Dinamika sistem multi-agent dideskripsikan dalam model integrator tunggal. Protokol pengendali konsensus dibentuk dengan mengkombinasikan antara teori graph untuk mengatur topologi komunikasi antar agent, dengan algoritma kendali prediktif tanpa constraint untuk mengatur respon gerak setiap agent. Pengendali prediktif memprediksi masukan dan keluaran agent sepanjang receding horizon. Kombinasi parameter bobot respon masukan dan keluaran ditala untuk mendapatkan respon terbaik. Pada metode kendali ini, nilai control horizon dapat dibuat sama dengan nilai prediction horizon untuk menambah derajat kebebasan pada sistem lup tertutup. Teori analisis matriks stokastik digunakan untuk menguji konvergensi dan stabilitas sistem berdasarkan topologi komunikasi dan pemilihan periode pencuplikan. Hasil rancangan protokol pengendali DMPC diujikan pada skenario graph topologi tetap dan berubah, dan periode pencuplikan yang berbeda. Hasil uji simulasi menunjukkan bahwa MAS mampu mencapai konsensus secara konvergen pada setiap kondisi kecuali pada graph yang tidak memiliki directed spanning tree.

---

Consensus problem in convergence and stability of multi agent systems MAS is one of fundamental research topics related to the urge of distributed control for each agent in MAS. The matter of controller design is affected by some variables such as dynamic model, organization scheme and communication topology. This research addresses the design of distributed model predictive control DMPC based consensus protocol to solve consensus problem in discrete time leaderless MAS. The dynamics of MAS is described as single integrator model. Consensus control protocol is built by combining graph theory to control the communication topology between agents, with predictive control algorithm to control each agent's motion.

Predictive control is used to predict input and output of agent throughout receding horizon. Parameter combination of input and output response weight is also predicted to obtain optimum response. In this control method, the control horizon can be adjusted to be the same length as prediction horizon which provides extra degree of freedom to the closed loop system. By using the property of stochastic matrices theory, convergence and system stability can be analyzed based on communication topology used and selection of sampling period. Several simulations are conducted to test the DMPC consensus protocol designed under fixed and switching topology, and different sampling period. The simulation results show that MAS can achieve convergent consensus on every condition, unless if the graph has no directed spanning tree."

"Multi-Agent System MAS atau sistem dengan agen-ganda didefinisikan sebagai sebuah sistem yang terdiri dari beberapa autonomous agents yang saling berinteraksi satu sama lain. MAS dapat diaplikasikan di berbagai disiplin ilmu, seperti di bidang biologi, fisika, ekonomi, ilmu komputer, dsb. Pada penelitian dalam beberapa tahun terakhir, MAS yang dirancang dapat dibedakan berdasarkan: model, skema organisasi, topologi komunikasi, protokol dan algoritma pengendalian MAS yang digunakan, serta parameter lain pada MAS, seperti waktu pencuplikan, waktu tunda, gangguan, batasan, dsb. Walaupun teknologi MAS tidak dapat dikatakan sebagai teknologi yang baru, berbagai masalah masih kerap alam ditemukan dalam implementasinya. Masalah yang biasa ditemukan dalam perancangan MAS antara lain berupa masalah komunikasi, pengendalian agent, hingga MAS yang terlalu kompleks seperti MAS dengan model dinamik agent yang berubah-ubah terhadap waktu . Oleh karena itu, diperlukan penelitian lebih lanjut mengenai MAS dengan kompleksitas tinggi. Pada penelitian ini, akan dikembangkan protokol pengendalian yang tepat guna untuk MAS dengan kompleksitas tinggi sehingga dapat mencapai konsensus walaupun dihadapkan dengan batasan-batasan yang ditemukan pada sistem, seperti topologi komunikasi yang berubah-ubah yang mengganggu ketahanan sistem.

---

Multi Agent System MAS or a system with multiple agents is defined as a system consisting of multiple autonomous agents interacting with each other. MAS can be applied in various disciplines, such as in the fields of biology, physics, economics, computer science, etc. In researches in the recent decades, the designed MAS can be distinguished by model, organizational scheme, communications topology, protocol and control algorithm which is used, and other parameters on MAS, such as sampling time, delay time, interruption, constraints, etc.

Although MAS technology can not be said to be a new technology, various problems are still often found in implementation. Common problems can be found in communication problems, agent control, up to MAS that is too complex such as MAS with time varying dynamic model of agents. Therefore, further research is needed on MAS with high complexity. In this research, appropriate control protocol will be developed for MAS with time varying dynamic model of agents so that it can reach consensus, although faced with the constraints found in the system, such as the changing communications topology."

"Robot Inverted Pendulum merupakan penelitian robot klasik yang menjadi banyak perhatian. Inverted Pendulum atau pendulum terbalik bekerja menggunakan prinsip kesetimbangan. Robot diasumsikan sebagai pendulum yang harus bisa melawan gaya gravitasi sehingga tetap stabil tanpa terjatuh. Banyak teori kontrol yang sudah dikembangkan dalam mengontrol robot ini, salah satunya yaitu Model Predictive Control. Model Predictive Control dapat memprediksi perilaku sistem ke depannya sehingga dapat mengantisipasi robot terjatuh. Oleh karena itu, penelitian ini bertujuan untuk merealisasikan robot inverted pendulum menggunakan Model Predictive Control. Robot dirancang dengan ukuran tinggi sekitar 50 cm dan lebar sekitar 30 cm. Robot memiliki lengan untuk membawa benda dengan luas penampang berukuran 8 x 8 cm dan massa 1 kg. Robot memiliki sudut kemiringan maksimum 30o. Robot ini dapat menahan beban 1 kg dengan safety factor minimum 3. Robot ini dikontrol dengan mikrokontroler ESP32. Sensor sudut MPU6050 dan sensor posisi Encoder 600PPR digunakan sebagai input untuk motor BLDC JGB37-3650 dan motor Dsservo DS 3225 yang dikendalikan.

---

The Inverted Pendulum Robot is a classic topic of robotic research that has garnered significant attention. The inverted pendulum operates on the principle of equilibrium. The robot is conceptualized as a pendulum that must counteract gravitational forces to remain stable without falling. Numerous control theories have been developed to manage this robot, one of which is Model Predictive Control (MPC). MPC predicts the future behavior of the system, enabling it to prevent the robot from falling. Thus, this research aims to implement an inverted pendulum robot using Model Predictive Control. The robot is designed with a height of approximately 50 cm and a width of about 30 cm. It features an arm capable of carrying objects with a cross-sectional area of 8 x 8 cm and a mass of 1 kg. The robot can maintain a maximum tilt angle of 30 degrees. It is designed to support a load of 1 kg with a minimum safety factor of 3. The robot is controlled using an ESP32 microcontroller. The MPU6050 angle sensor and the 600PPR Encoder position sensor are employed as inputs for the JGB37-3650 BLDC motor and the Dsservo DS 3225 motor."

"Penggunaan komponen pasif pada sistem suspensi kendaraan mempunyai beberapa kelemahan, yaitu sistem tidak dapat menyesuaikan dengan kondisi permukaan jalan yang mengurangi kenyamanan serta keamanan dalam berkendara. Untuk mengatasi masalah tersebut dapat dilakukan dengan menambahkan komponen aktif pada sistem suspensi pasif, yang kemudian lebih dikenal dengan sistem suspensi semi-aktif. Sumber tenaga eksternal tidak diperlukan pada suspensi semi-aktif, sehingga hanya perlu mengubah damping koefisien pada damper. Dengan mengendalikan output berupa suspension deflection dari gangguan eksternal berupa kontur jalan pada model kendaraan full car diperlukan pengendali yang prediktif. Salah satu pengendali prediktif yang umum digunakan dan sudah teruji adalah Model Predictive Control (MPC). MPC digunakan untuk mengendalikan sistem suspensi semi-aktif hasil dari identifikasi sistem dengan metode identifikasi least square bertingkat. Pada laporan skripsi ini diajukan metode simulasi untuk hasil kinerja dari sistem yang akan diuji dengan menggunakan perangkat lunak MATLAB. Sedangkan untuk pengambilan data dan melihat hasil kinerja simulasi pada model kendaraan dengan menggunakan simulator Carsim.

---

The use of passive components in vehicle suspension systems has several disadvantages, one of them is the system cannot adjust to road surface conditions that reduce comfort and safety in driving. To overcome this problem can be done by adding active components to the passive suspension system, which is then better known as a semi-active suspension system. External power sources are not required for semi-active suspensions, so only need to change the damping coefficient on the damper. By controlling the output in the form of suspension deflection from external disturbances in the form of road contours on a full car vehicle model, a predictive controller is needed. One predictive controller that is commonly used and tested is the Model Predictive Control (MPC). MPC is used to control the semi-active suspension system as a result of identifying the system with the multistage least square identification method. In this thesis report, a simulation method is proposed for the performance results of the system to be tested using MATLAB software. Meanwhile, to data collecting and see the performance results on vehicle models using the Carsim simulator."

"Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang bekerja berdasarkan konsep termodinamika. Sistem tata udara presisi digunakan di ruang pusat data untuk menjaga temperatur dan kelembaban di dalam kabinet agar peralatan IT di dalam kabinet tidak cepat rusak. Temperatur ideal yang harus dicapai di dalam kabinet berkisar antara 20º - 25ºC, sedangkan kelembaban relatif (RH) yang harus dijaga di dalam kabinet berkisar antara 45-55%. Namun untuk mencapai keadaan tersebut, dibutuhkan pengendalian sistem supaya sistem dapat bekerja dengan keluaran seperti yang diinginkan.Model predictive control merupakan salah satu metode pengendali prediktif yang populer digunakan di dunia indutri. Sistem tata udara presisi yang dikendalikan dalam penelitian ini merupakan sistem multi input single output (MISO) dengan masukan berupa kecepatan putaran kipas kompresor dan kecepatan aliran udara volumetrik, dan keluaran yang dikendalikan adalah suhu keluaran dari kondenser kedua yang menuju kabinet dari sistem tata udara presisi. Diuji tiga model sistem tata udara presisi, model linier, model nonlinier tanpa beban heat sensible peralatan IT, dan model nonlinier dengan beban sensible peralatan IT yang divariasikan dengan pendekatan model linier biasa hasil identifikasi PO-MOESP dan model linier dengan vektor bias hasil identifikasi menggunakan metode kuadrat terkecil.Hasil pengendalian MPC untuk ketiga plant sistem tata udara presisi menujukkan performa yang baik dalam pengendalian, dilihat dari keluaran sistem yang mengikuti trajektori acuan yang diberikan.

---

Precision Air Conditioning (PAC) is a refrigerant machine that works based on thermodynamics concept. PAC is in implemented data center in order to stabilize the temperature and the humidity in cabinet in order to prevent IT damage integrated in the cabinet. The desired ideal temperature for the cabinet is from 20oC to 25oC and the desired relative humidity (RH) is from 45-55%. However, to achieve such a state, it takes control of the system so that the system can work with the output as desired.

Model predictive control is a predictive control method which is popularly used in industries world. Precision air conditioning system are controlled in this study is a multi-input single output (MISO) system with input in the form of fan rotation speed of the compressor and the air volumetric flow rate, and the controlled output is the temperature of the output of the second condenser to the cabinet of the precision air conditioning system. Tested three models of precision air conditioning system, linear models, nonlinear models without the burden of sensible heat IT equipment, and nonlinear models with variation of sensible heat IT equipment load with ordinary linear model approach to the identification of PO-MOESP and linear models with bias the results of identification using the method least squares.

MPC control results for the third plant of PAC systems showed good performance in control, viewed from the system output to follow a given reference trajectory."

"Perangkat di dalam pusat data berkerja secara terus menerus sepanjang waktu dan akan menghasilkan panas yang cukup tinggi. Dengan demikian ruangan pusat data akan dikondisikan dingin. Spesifikasi dari ruangan pusat data yaitu dengan ruangan suhu sebesar 18o-27o C dan kelembaban sebesar 45%-60%. Suhu tersebut dibutuhkan untuk menjaga perangkat didalam pusat data karena beberapa peralatan didalam pusat data sensitif terhadap panas. Kelembaban mempengaruhi kadar air didalam ruangan yang berpotensi mengakibatkan hubugan singkat listrik dari perangkat. Dengan demikian diperlukan suatu perangkat mesin pendingin data center atau dikenal dengan Computer Room Air Conditioner (CRAC) Laporan skripsi ini bertujuan untuk untuk merancang suatu pengendali prediktif MPC dengan constraint yang diterapkan pada sistem CRAC nonlinear, dimana model yang digunakan merupakan Model Linear bertingkat. Dilakukanproses Identifikasi dan Perancangan Pengendali MPC Sistem CRAC dengan menggunakan ketiga jenis model Least Square bertingkat. Hasil Simulasi identifikasi Least Square bertingkat dari sistem CRAC menunjukkan bahwa salah satu jenis model menghasilkan hasil yang baik dan dapat digunakan untuk mendisain pengendali MPC. Hasil validasi model tersebut pun baik. Model yang diperoleh dari hasil identifikasi dapat digunakan untuk pengendalian MPC sebab memiliki nilai 𝑱𝑳𝑺 dan FPE yang rendah, nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Dilakukan simulasi pengendali MPC dengan menggunakan model Least Square bertingkat untuk mengendalikan mesin pendingin CRAC yang bersifat MIMO (multi input singleoutput), dengan keluaran berupa temperatur udara masuk ke dalam pusat data. Percobaan simulasi menggunakan MPC dengan constraint dengan model linier dan nonlinier yang divariasikan parameter Hu, Hp, Q, dan R. Hasil dari pengujian tersebut adalah MPC menghasilkan nilai yang baik dan mengikuti acuan pada nilai Hp= 8, Hu=4, Q=1,5, dan R=50 untuk sistem linier, dan nilai Hp=8, Hu=4, Q=1,5, dan R=10 untuk sistem nonlinier. Serta hasil pengendalian MPC menggunakan model Least Square bertingkat menujukkan hasil yang lebih baik daripadapengendalian MPC menggunakan model Least Square biasa.

---

Hardwares in data center work continuously over time and will produce high enough heat. Thus the data center will be conditioned cool. The spesification of data center temperature is 18o-27o C and the humidity is 45%-60%. The temperature needed to keep the hardwares work in their optimal state. Humidity affect water content of air in data center. Thus we need a device to keep temperature and humidity. The device known as Computer Room Air Conditioner (CRAC). This essay aims to report the design of a predictive controller with MPC constraint applied to the CRAC nonlinear systems, where the model used a multi stage linear model. Carried out the MPC Identification and Control Design CRAC system with three types of models using Least Square multistage. Simulation results of a multistage least squares identification of CRAC system shows that the model produces one type of good results and can be used to design the MPC controller. The results of the validation of the model also good. Models obtained from the identification could be used to control MPC because gives low value of JLS and FPE, eigen value in unit circle, and have fully controllable and fully observable characteristic. MPC controller simulation using Least Square multistage models. Simulation experiments using MPC with constraints with linear and nonlinear models were varied parameters Hu, Hp, Q, and R. The results of these tests are MPC produces good value and follows the reference at Hp= 8, Hu=4, Q=1,5, and R=50 for linear system, and Hp=8, Hu=4, Q=1,5, and R=10 for nonlinear system. And the results of the MPC control using Least Square multilevel models showed better results than the MPC control using ordinary least square models."