Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pemanasan global dan meningkatnya standar hidup manusia merupakan faktorpendorong yang menyebabkan naiknya konsumsi energi untuk sistem HVAC. Peningkatanteknologi HVAC yang mampu mengurangi konsumsi energi sektor bangunan, meskipunkecil akan memberikan dampak yang signifikan bagi konsumsi energi secara agregat absolut. Pendekatan bilinier dalam pemodelan dan kendali sistem HVAC sudah banyak dilakukan baik secara teori maupun praktis dan terbukti memiliki banyak kelebihan.Sistem HVAC berbasis Hammerstein-bilinear diturunkan secara matematis danberhasil diidentifikasi dengan struktur model linier OE sebagai dua buah sistem MISO dalamtesis ini. Metode identifikasi yang penulis gunakan adalah algoritma pseudo-linear regression dan least-square. Model linier tersebut kemudian digunakan sebagai plant model padadisain kendali model prediktif. Kinerja pengendali prediktif memberikan hasil yang memuaskan dan terbukti mampu memenuhi tujuan pengendalian yang diinginkan. Kinerja pengendali prediktif lebih baik daripada pengendali PI pada kasus lup kendali suhu, sebaliknya untuk kendali kelembaban kinerja pengendali PI lebih memuaskan.

---

Global warming and increasing human standard of living are the driving factors

leading to increased energy consumption for HVAC systems. Enhanced HVAC technology

that can reduce energy consumption in the building sector, despite of small amount, it will

have a significant impact on energy consumption’s absolute aggregate. The bilinear approach to modeling and control of HVAC systems has been done both theoretically and

practically and has proven to have many advantages.

An HVAC system based on Hammerstein-bilinear was derived mathematically and

was identified using an OE linear model structure as two MISO systems in this thesis. The

identification methods adopted by the author were pseudo-linear regression and least-square

algorithm. The linear models were subsequently used as plant models in the predictive model

control design. The predictive controllers’ performance gave satisfying results and was

proven being able to meet the desired control objectives. The predictive controller gave

better performance than the PI controller in the case of temperature control loop, on the contrary, for humidity control the PI’s performance was more satisfying."

"Seiring berkembangnnya teknologi, energi listrik menjadi semakin penting. Setiap aspek yang menggerakan dunia pada era ini bergantung dengan adanya energi ini. Namun salah satu sumber terbesar dari energi ini menghasilkan gas rumah kaca yang memicu pemanasan global. Oleh karena itu, muncul banyak dorongan untuk meminimalisasi kegunaan bahan bakar tak terbarukan yang salah satunya adalah bahan bakar disel. Bahan bakar ini sangat penting untuk menggerakan transportasi. Maka dari itu diperlukannya perkembangan dalam kendaraan hibrid, dimana kegunaan mesin diesel dapat diturunkan dan secara langsung menurunkan emisi gas rumah kaca. Dalam ranah itu, Model Predictive Control mulai dikembangkan untuk mengendalikan distribusi daya pada kendaraan hibrid. Dengan mengoptimasi kegunaan mesin diesel maka konsumsi dari bahan bakar juga semakin minim. Dengan perkembangan strategi ini, sebuah long shrinking horizon diakomodasikan pada strategi MPC biasa dengan sampling time yang lebih panjang. Penambahan ini menghasilkan sebuah pengendali MPC yang dapat melakukan optimasi terhadap keseluruhan perjalanan dan mendapatkan hasil yang lebih efisien dengan dengan mengorbankan waktu komputas. Setelah melakukan simulasi, MH-MPC dapat menggunakan baterai untuk 44.13% perjalanan sedangakan MPC biasa hanya dapat mengguanakan 33.53%

---

With the development of technology, the need of electricity has been even more evident. Every aspect that governs the world revolves around this energy. However, one of the biggest sources of energy is also one of the biggest contributors to the emission of green house gasses. With that in mind, there has been a major push in the effort of minimizing the usage of these sources, one of them being diesel. This fuel is very important especially in the realms of transportation. With that being the case, the need of hybrid vehicles is becoming more relevant in which, the usage of the diesel engine will be reduced as will the emission of green house gasses. In this realm, the usage of Model predictive controllers has been heavily researched as a Energy Management System. One of the outcomes of this research is an additional shrinking horizon to add on the conventional MPCs. This addition creates a Model Predictive Controller that can essentially optimize the condition for the entire trip in exchange for computational effort. After the simulations, the MHMPC is able to use the battery for 44.13% of the trip while the conventional MPC is only able to achieve 33.53%."

"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."

"Grip atau adhesi antara ban dan jalan adalah salah satu aspek yang paling penting dalam dinamika kendaraan karena grip akan menentukan apakah gaya gerak yang dihasilkan oleh mesin akan berubah menjadi gaya gerak seluruhnya oleh roda atau akan ada kerugian dalam bentuk perputaran roda yang berlebihan atau slip. Slip itu sendiri tergantung kepada besarnya gaya yang dihasilkan oleh mesin dan dengan koeifisen gesek dari jalanan dengan sehingga kondisi dari jalanan, seperti basah, kering, atau bersalju, akan mempengaruhi besarnya slip yang terjadi. Slip memiliki relasi yang bersifat nonlinear dengan miu terlebih lagi ketika terjadi perubahan kondisi jalanan dengan sehingga untuk perlu untuk dikendalikan dengan menggunakan pengendali prediktif agar transisi perubahan kondisi jalan yang terjadi menjadi lebih lembut. Pada penelitian ini, model dua roda nonlinear akan diidentifikasikan dengan menggunakan least square dan lalu hasil model linear yang telah diperoleh akan digunakan sebagai model acuan bagi pengendali MPC. MPC akan mengendalikan torsi yang masuk ke dalam plant berdasarkan masukan slip optimal untuk masing-masing kondisi jalanan. Hasil simulasi menunjukan disaat terjadi perubahan kondisi jalanan, seperti dari kering ke basah, MPC mampu memberikan sinyal pengendali sebelum terjadinya perubahan kondisi tersebut dan juga dengan respon slip dan kecepatan yang cepat tetapi tidak agresif.

---

Grip, the adhesion between the tire and the road, is one of the most important aspect in vehicle dynamics because grip will determine if the driving force generated by the engine will be turned into moving force entirely by the wheel or will there be losses in forms of excessive wheel spin or slip. Slip alone depends on the force generated by the engine and the road friction coefficient thus the conditions of the road, e.g. dry, wet, snowy, will affect the slip.

Slip has a nonlinear relation with road friction coefficient and furthermore the changing conditions of the road will make the relation even more nonlinear and thus the system is needed to be controlled with a predictive controller to make transitions of the changing road conditions smoother.

In this research, a nonlinear two wheel model will be identified with least square and then the linear model generated by least square will be used as a model reference for MPC. MPC will control the torque entering the plant based on an optimal slip for each road conditions.

Results of the simulations shows that when the road conditions are changed, e.g. from dry to wet, MPC is capable of giving a control signal well before the actual road conditions are changed, and furthermore the slip and speed response from the system is fast but not aggressive."

"Perkembangan teknologi otomotif semakin pesat pada dekade ini. Tidak hanya pada pengembangan mekanik, pengembangan sistem elektrikal, dan pengaturan dinamika pergerakan mobil juga turut berkembang seiring meningkatnya penggunaan kendaraan elektrik (electric vehicle / EV). Traction control system (TCS) merupakan salah satu teknologi yang berkembang, dengan tujuan memaksimalkan traksi demi tercapainya performa tinggi, kenyamanan, dan kestabilan saat berkendara. Namun, sifat dinamika traksi kendaraan yang tidak linear menghasilkan kesulitan untuk dikendalikan. Oleh karena itu, dalam penelitian ini akan dikaji dan dirancang sebuah skema pengendalian traksi yang bekerja dengan memaksimalkan gaya penggerak pada model dua roda. Torsi yang dihasilkan motor selain menjadi gaya penggerak juga menjadi gaya putar roda. Menurut model Pacejka jika slip terlalu besar, gaya gesek jalan akan mengalami saturasi sehingga sebesar apapun pengemudi meningkatkan torsi motor, tidak akan meingkatkan gaya penggerak, hanya memutar ban sehingga energi terbuang sia-sia. Oleh karena itu diusulkan metode pengendali prediktif untuk mengoptimalkan kinerja mobil sehingga torsi motor dapat diubah menjadi gaya penggerak secara efisien. Model prediksi diperoleh melalui metode estimasi least square karena sifatnya yang mudah dan akurat. Metode kendali MPC (Model Predictive Control) dipilih karena kemampuannya untuk memperhitungkan constraints dalam sintesis pengendalinya sehingga kenyamanan dan keamanan dapat terjamin, juga sifatnya yang dapat meminimumkan perubahan sinyal kendali dapat membantu efisiensi berkendara. Hasilnya pengendali dapat menahan driving force pada batas yang optimal untuk mempertahankan efisiensi dan keamanan berkendara. Tidak hanya pada referensi konstan namun juga pada referensi yang berubah dan pada keadaan jalan baik aspal kering maupun basah.

---

Development in automotive technology have grown rapidly in the past decade. Not only in mechanical section, the development in electrical, and motion dynamics management have also been developed as the increase of electric vehicle (EV) usage and usage of computer for control media. Traction control system (TCS) is one of those technologies developed, with objective to maximize traction to obtain high performing vehicle, with comfort, and stability aspects while being driven. But, non linearity in traction dynamic on vehicle makes it difficult to control.

Thus, in this research a traction control scheme to maximize driving force studied and designed. Torque generated by electric motor beside transformed itu driving force, also become wheel rotation force. According to Pacejka tire friction model, if the longitudinal slip is excessive, friction force will enter saturation zone so no matter how much the driver increase motor torque, it won't increase driving force, only rotates wheel faster that it wastes energy.

That is why a predictive control method is porposed so that motor torque can be transmformed into driving force efficiently. Prediction model is obtained with least square estimation method because its ease of use and good acuracy. MPC (Model Predictive Control) method is chosen because its ability to calculate constraints in its synthesis so that comfort and safety can be asured, also its characteristic that is able to minimize control signal's change to help driving efficiency.

The controller is capable to hold driving force in a good margin to maintain efficiency and driving safety. Not only on constant reference but also on changing reference and it‟s good wether on dry or wet asphalt."

"Sistem tata udara presisi merupakan komponen yang sangat penting dalam sebuah ruang pusat data untuk menjaga agar perangkat yang disimpan tidak mengalami kerusakan pada waktu singkat. Sistem ini merupakan sistem multivariabel dan diperlukan untuk menjaga suhu dan kelembaban ruang pusat data pada batasan yang sesuai dengan kondisi kerja peralatan IT, sehingga diperlukan pengendali cerdas yang mampu bekerja pada batasan tertentu dan mampu menangani sistem multivariabel. Selain itu, pengendali tersebut juga harus mampu menangani karakteristik sistem tata udara presisi yang nonlinier. Oleh karena itu, pengendali MPC (Model Predictive Control) digunakan untuk mengendalikan sistem tersebut.Pengendali MPC merupakan pengendali yang menggunakan model proses secara eksplisit dalam penghitungan sinyal kendalinya. Model linier digunakan untuk menghitung prediksi keluaran sistem nonlinier dan menghitung besar sinyal kendali agar keluaran sistem nonlinier sesuai dengan acuan. Agar besar kesalahan prediksi keluaran dari model dan keluaran sesungguhnya dari sistem dapat diminimalisasi maka digunakan model ruang keadaan multimodel yang diperoleh melalui metode identifikasi least square.Model yang diperoleh dari hasil identifikasi dapat digunakan untuk pengendalian MPC sebab memiliki nilai 𝐽𝑒𝑒 dan FPE yang rendah (< 10−5), nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Pengendali MPC berbasis multimodel linier kemudian dirancang untuk mengendalikan sistem tata udara presisi yang bersifat MISO (multi input single output), dengan keluaran berupa temperatur udara masukan kabinet (𝑇𝑖𝑛,𝑐𝑎𝑏). Untuk memperoleh pengendalian yang terbaik, pengendali MPC disimulasikan pada sistem linier dan nonlinier. Variasi nilai 𝐻𝑝, 𝐻𝑢, Q, dan R diberikan untuk mengetahui pengaruh perubahan nilai parameter pengendali MPC terhadap karakteristik sinyal kendali masukan dan sinyal respon keluaran sistem, serta waktu komputasi dan nilai loss function. Simulasi pengendalian MPC menunjukkan hasil yang baik pada nilai 𝐻𝑝 = 𝐻𝑢 = 6, 𝐐 = 50, dan 𝐑 = 5 untuk sistem linier, dan nilai 𝐻𝑝 = 12, 𝐻𝑢 = 3, 𝐐 = 70, dan 𝐑 = 0.5 untuk sistem nonlinier.

---

Precision air conditioning is a vital component in a data center to keep the stored devices from failures. This system is a multivariable system and needed to keep the temperature and humidity of a data center in a certain constraints which is suitable for IT devices operating condition. Hence, an intelligent controller which can take constraints into account and handle multivariable system is needed. Furthermore, the controller must be capable to handle nonlinear characteristic of such system. Thus, Model Predictive Controller (MPC) is used to control such systems.

MPC is a controller that used the model of a process explicitly to compute the control signal. The linear model is used to predict the output of nonlinear system and calculate the control signal to meet the given target. To minimize error between predicted output from the model and the actual output of the plant, double-stage state space model is used.

The model is identified using least square method and can be used for system control using MPC due to its low 𝐽𝑒𝑒 and FPE (< 10−5), its eigenvalues located inside the unit circle, and its characteristics which is fully controllable and fully observable. MPC based on linear multimodel linear is designed to control PAC system which is a MISO (Multiple Input Single Output) system, which output is the temperature of input air to cabinet (𝑇𝑖𝑛,𝑐𝑎𝑏). In order to obtain the best control action, MPC is simulated in linear and nonlinear system. The value of controller parameters 𝐻𝑝, 𝐻𝑢, Q, and R is varied to study the effect of changes in parameter value to the characteristic of input control signal and system responds, input signal computing time and the value of loss function. The best simulation result is obtained at 𝐻𝑝 = 𝐻𝑢 = 6, 𝐐 = 50, and 𝐑 = 5 for linear system, and 𝐻𝑝 = 12, 𝐻𝑢 = 3, 𝐐 = 70, and 𝐑 = 0.5 for nonlinear system."

"Moda transportasi kereta merupakan transportasi umum yang cukup diminati penduduk Indonesia. Namun, Moda transportasi ini masih sedikit menggunakan energi yang bersih. Kereta Api jarak jauh Indonesia masih menggunakan diesel. Bahan bakar diesel tentunya merupakan energi konvensional yang penggunaannya ingin dikurangi oleh dunia. Salah satu solusinya adalah dengan mengurangi pengurangan diesel pada kereta api jarak jauh. Untuk mengurangi penggunaan bahan bakar dan mengurangi emisi dari mesin, maka kereta api bisa dibuat secara hibrid dengan menggabungkan mesin diesel dengan sumber energi listrik, seperti baterai. Kereta hibrid memerlukan EMS (Energy Management System) untuk mengatur energi apa yang dipakai dengan cara yang optimal. Salah satu basis dari EMS ini adalah MPC (Model Predictive Control). Salah satu hal yang menjadi pertimbangan dari Model Predictive Control adalah prediktor nya. Dengan perkembangan Deep Learning, Long Short Term Memory Neural Network (LSTM) dikenal baik untuk memodelkan data sequence. LSTM bisa membuat model prediksi kecepatan dengan data yang telah dikumpulkan. Dengan prediksi daya yang akurat, Model Predictive Control bisa menghasilkan kontrol EMS yang lebih ekonomis dengan biaya komputasi yang bisa diimplementasikan.

---

The train mode of transportation is public transportation that is quite attractive to the Indonesian population. However, this mode of transportation still uses little clean energy. Indonesian long-distance trains still use diesel. Diesel fuel is of course a conventional energy whose use the world wants to reduce. One solution is to reduce diesel reduction on long-distance trains. To reduce fuel use and reduce emissions from the engine, a hybrid train can be made by combining a diesel engine with a source of electrical energy, such as a battery. Hybrid trains require an EMS (Energy Management System) to regulate what energy is used in an optimal way. One of the bases of this EMS is MPC (Model Predictive Control). One of the things to consider in the Predictive Control Model is its predictors. With the development of Deep Learning, Long Short Term Memory Network (LSTM) is well known for modeling data sequences. LSTM can create a speed prediction model with the data that has been collected. With accurate power predictions, the Predictive Control Model can produce EMS control that is more economical with computational costs that can be implemented."

"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."

"Seiring dengan bertambahnya tuntutan akan kendaraan yang lebih baik, keamanan pengemudi kendaraan juga harus diperbaiki. Permasalahan yang terkait dengan Vehicle Dynamics Control (VDC) adalah model yang nonlinear yang sering menimbulkan kesulitan dalam mengendalikan variabel-variabel keadaan. Linearisasi model umumnya dilakukan dengan beberapa asumsi dan simplifikasi yang dapat menghasilkan kesalahan yang besar dan mempengaruhi performa sistem. Pada penelitian ini, pengendalian dari yaw rate dan kecepatan mobil listrik diajukan dengan menggunakan pengendali prediktif. Jenis pengendali prediktif nonlinear ini dipilih karena kemampuan optimasi pengendalian sebagai permasalahan quadratic programming. Dalam pengembangan model prediksi, sudut setir dari pengemudi dianggap sebagai gangguan. Dinamika nonlinear kendaraan diidentifikasi dengan menggunakan identifikasi least square multistage dan divalidasi menggunakan performance indicatorloss function dan Final Prediction Error (FPE). Setpoint untuk yaw rate dihasilkan oleh model referensi sebagai fungsi statik dari kecepatan dan sudut setir, sedangkan nilai referensi untuk kecepatan adalah konstan. Pengendali selanjutnya memberikan kompensasi untuk sudut setir dan gaya longitudinal untuk roda. Performa pengendalian diverifikasi dengan simulasi untuk menunjukkan kemampuan untuk mengikuti perubahan setpointyang diberikan.

---

As the demand for better vehicles increases, the driver’s safety must also be improved. The problem with Vehicle Dynamics Control (VDC) is the nonlinearity of the model often causes difficulties in controlling the state variables. Linearization of the model is usually performed with several assumptions and simplification which leads to large errors that affect the performance of the controlled system. In this research, a yaw rate and vehicle’s velocity control of an electric vehicle is proposed using a predictive control. This type of nonlinear predictive controller is chosen due to its capability of optimizing the control as a quadratic programming problem. In the development of the prediction model, the driver’s steer angle is considered as disturbance. The nonlinear vehicle dynamics is identified by a Multistage Least Square identification method and validated using performance indicators loss function and Final Prediction Error (FPE). The setpoint for the yaw rate is generated by a reference model as a static function of vehicle velocity and driver’s steer angle, while the reference value for the velocity is given constant. The controller then gives compensation to the driver’s steer angle and longitudinal forces to the wheels. The control perforrmance is verified by simulation to show the ability to track the setpoint changes."

"ABSTRAKPerkembangan teknologi pada dunia otomotif telah berkembang pesat dalam beberapa tahun terkahir. Dunia yang semakin menuntut kenyamanan dan keamanan dalam berkendara membuat produsen-produsen mobil roda empat berlomba-lomba membuat inovasi dalam hal ini. Kenyamanan dan keamanan dalam berkendara dapat ditunjang dari performa mesin, distribusi tenaga, pengereman, suspensi, roda, dan lainnya. Kenyamanan dan keamanan berkendara dengan suspensi mulai berkembang untuk memberikan stabilitas dan kenyamanan pada saat mobil melalui jalan yang tidak rata sehingga suspensi dapat meminimalisir osilasi dari mobil sehingga mobil dapat beraksi mendekati performa di jalan rata. Pengunaan pengendali untuk active suspension terdapat beberapa metode yang dapat diimplementasikan pada actuator suspensi untuk memberikan force actuator pada mobil yang sebenarnya. Pada penelitian ini keadaan yang dikendalikan pada sistem active suspension yaitu body heave (perpindahan dari sprung mass). Pengendalian untuk sistem active suspension pada mobil roda empat yang diajukan pada penelitian ini menggunakan MPC (Model Predictive Control). Metode MPC digunakan pada pengendalian sistem ini karena terdapat banyak constraint dan uncertainty pada sistem ini, kemampuan MPC untuk mengendalikan sistem dengan banyak variabel dan sifat-sifat MPC seperti adanya constraints dapat berguna dalam mengendalikan sistem ini. Dalam Pengembangan model predikisi, road profile dianggap sebagai gangguan. Dinamika model yang kontinu bersifat non-linear diidentifikasi digunakan metode identifikasi least square. Performa dari pengendali kemudian disimulasikan untuk mengetahui kemampuan pengendali dalam mengikuti gangguan dan mengikuti dari setpoint yang diberikan.

---

ABSTRAKThe development of automotive technology has developed rapidly in last few years. In this modern world a few changes has been made and people show up with a new regulation about car comfort and safety. Car manufactures around the world used their resources to invest a new innovation in this area to increase comfort and safety for a joyful ride. Comfort and safety can be increased in some areas like engine performance, power distribution, braking system, suspension, wheel, and many more. Comfort and safety by utilized suspension system has developed rapidly in last few years. The development in suspension area can bring a stability and comfort for the ride when the cars meet a bumpy road, active suspension can minimize vertical body oscillation of the car. Active suspension can be tuned by using many types of controller for implementation in the real car to control suspension actuator so the actuator can produce force to control the state in suspension system which is body heave or sprung mass displacement. In this research a Model Predictive Control or MPC is proposed to control an active suspension system for a four wheel car. MPC is chosen due to it?s capability to control a non-linear system with an uncertainty and constraint. In this research various type of road profile is used as disturbance. In this research least square identification is used to identified a dynamic non-linear model of the car. The performance of the proposed controlled than simulated to show the ability to handle the disturbance and track the setpoint."