SIDANG TUGAS AKHIR
IMPLEMENTASI ENSEMBLE KALMAN FILTER PADA
ESTIMASI KECEPATAN KAPAL SELAM
Oleh: Oleh:
RISA FITRIA 1205100072
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
N O I S Ensemble Kalman Filter
PENDAHULUAN
S E ESTIMASI KECEPATAN METODE KALMAN FILTERRUMUSAN MASALAH
bagaimana mengaplikasikan metode
bagaimana mengaplikasikan metode
Ensemble Kalman Filter (EnKF) untuk
mengestimasi kecepatan gerak dinamik
kapal selam
BATASAN MASALAH
Sistem bersifat invariant waktu
Model dasar dari sistem dinamika kapal selam diambil dari referensi
1
2
Simulasi pada Tugas Akhir ini menggunakan
software Matlab 7.1
Kecepatan yang diestimasi adalah kecepatan translasi yaitu swaying, heaving, surging
Asumsi: kapal selam memulai pergerakan pada posisi titik asal koordinat.
3
4
Tujuan dan Manfaat
Tujuan dari penelitian ini adalah untuk
mendapatkan hasil estimasi kecepatan gerak kapal
selam dengan error terkecil menggunakan metode
Ensemble Kalman Filter (EnKF).
Manfaat dari penelitian ini adalah mampu
memberikan informasi mengenai estimasi kecepatan
kapal selam menggunakan metode Ensemble
Tinjauan Pustaka
Gaya Hidrodinamis yang digunakan pada kapal
selam adalah berupa persamaan Morrison [5]
q
A
C
q
q
D
C
F
d=
dρ
w+
mρ
w&
2
1
τ
ρ
ρ
+
=
+
C
A
q
C
D
q
q
m
m w d w2
1
)
(
&
Sehingga persamaan (1) dapat ditulis kembali menjadi
(1) w d w m
2
(2)τ
=
+
C
q
q
q
M
&
(
)
)
,
,
,
,
,
(
m
xm
ym
zl
xl
yl
zdiag
M
=
Kemudian persamaan (8) dapat diubah ke dalam bentuk matriks :
(3)
Dengan matriks M berupa :
Lanjutan..
dan matriks C(q) berupa
)
2
1
,
2
1
,
2
1
,
2
1
,
2
1
,
2
1
(
)
(
6 5 4 3 2 1q
D
C
q
D
C
q
D
C
q
D
C
q
D
C
q
D
C
diag
q
C
z w d y w d x w d z w d y w d x w dρ
ρ
ρ
ρ
ρ
ρ
=
(5))
2
,
2
D
q
5C
D
q
6C
dρ
w y dρ
w zdengan τ merupakan vektor yang disusun dari gaya dan torsi
pada sistem kapal selam tersebut dimana :
[
]
T z y x z y xF
F
T
T
T
F
=
τ
(6)Gambar Enam derajat kebebasan gerak kapal selam
(Kristiawan, 2003)
METODE PENELITIAN
Studi literatur, mencakup pemahaman teoritis seputar model matematika arah gerak kapal selam, metode Kalman Filter, dan metode Ensemble Kalman Filter.
Menerapkan metode EnKF pada model
kapal selam.
Menerapkan metode EnKF pada model
kapal selam.
Melakukan simulasi dengan Matlab
Menganalisis hasil simulasi dan
penarikan kesimpulan.
Pembahasan..
Jika persamaan (3) ditulis dalam bentuk umum sistem dinamis,
maka diperoleh
(4)
(5)
1 0 0 0 0 0 1 0 0 0 0 0 1 q D C m x w d x ρ(6)
− − − − − − + + = 6 5 4 3 2 1 6 5 4 3 2 1 . 2 1 0 0 0 0 0 0 2 1 0 0 0 0 0 0 2 1 0 0 0 0 0 0 2 1 0 0 0 0 0 0 2 1 0 0 0 0 0 0 2 2 2 2 2 2 2 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 q q q q q q q D C q D C q D C q D C q D C q D C f w f w f L f L f w f w f f f f f f l l l m m m q x w d x w d x w d z w d y w d x w d xB xL zB zF yB yT zB zF yB yT xR xL z y x z y x ρ ρ ρ ρ ρ ρDiskritisasi model
Proses diskritisasi dilakukan dengan menggunakan metode Beda Hingga
(7)
Jika
menyatakan kecepatan swaying pada saat
dan
secara identik demikian juga untuk kecepatan heaving, surging,
yawing, rolling, dan pitching, maka diperoleh
yawing, rolling, dan pitching, maka diperoleh
Perubahan variabel state terhadap waktu diaproksimasi dengan
metode beda hingga maju, sehingga diperoleh
(8)
(10)
(11)
(12)
(13)
Dengan mensubstitusikan persamaan (8) – (13) ke dalam persamaan (6) serta memisahkan variabel yang memuat indeks di ruas kiri dan
indeks di ruas kanan, maka diperoleh model dinamik gerak kapal selam diskrit sebagai berikut:
(14) (15) (16) (16) (17) (18) (19)
Persamaan (14) – (19) dapat dituliskan menjadi
Untuk k=0 diperoleh,
(21)
Dalam hal ini dan adalah input nilai awal variabel state pada saat . Dan seterusnya hingga dengan adalah
(22)
Jika dituliskan secara lengkap untuk , maka model diskrit pada (21) – (22) secara umum dapat dituliskan ke dalam bentuk fungsi nonlinear
Implementasi Algoritma EnKF untuk
Dinamika Gerak Kapal Selam
Langkah awal yang harus dilakukan adalah mendefinisikan yaitu
Model Sistem dan Model Pengukuran :
Jika kecepatan pada gerak swaying merupakan variabel yang bisa
diukur maka digunakan matriks pengukuran H sebagai berikut :
Sehingga diperoleh data pengukuran sebagai berikut
Inisialisasi
Langkah selanjutnya yaitu mencari nilai rata-rata setiap state dari
pembangkitan ensemble
Menghitung nilai estimasi pada tahap prediksi dan error (E
)
Menghitung nilai kovarian error pada tahap prediksi Menghitung nilai kovarian error pada tahap prediksi
Tahap Koreksi
estimasi koreksi dengan menggunakan persamaan sebagai berikut
menghitung rata-rata estimasi koreksi
menghitung rata-rata estimasi koreksi
Simulasi
Nilai awal yang digunakan adalah q1(0)=5.14 m/s menunjukkan kecepatan swaying, q2(0)=5.14 m/s menunjukkan kecepatan heaving, q3(0)=5.14 m/s menunjukkan kecepatan surging,
0 20 40 60 80 100 120 -2 0 2 4 6 iterasi ke-K e c e p a ta n s w a y in g
Estimasi Kecepatan swaying Kapal Selam
kecepatan swaying Real kecepatan swaying Koreksi
4 6 K e c e p a ta n h e a v in g
Estimasi Kecepatan heaving Kapal Selam
kecepatan heaving Real Kecepatan heaving Koreksi
0 20 40 60 80 100 120 0 2 iterasi ke-K e c e p a ta n h e a v in g 0 20 40 60 80 100 120 -2 0 2 4 6 iterasi ke-K e c e p a ta n s u rg in g
Estimasi Kecepatan surging Kapal Selam
kecepatan surging Real kecepatan surging Koreksi
0 20 40 60 80 100 120 -2 0 2 4 6 iterasi ke-K e c e p a ta n s w a y in g
Estimasi Kecepatan swaying Kapal Selam
kecepatan swaying Real kecepatan swaying Koreksi
4 6 K e c e p a ta n h e a v in g
Estimasi Kecepatan heaving Kapal Selam
kecepatan heaving Real Kecepatan heaving Koreksi
0 20 40 60 80 100 120 0 2 iterasi ke-K e c e p a ta n h e a v in g 0 20 40 60 80 100 120 -2 0 2 4 6 iterasi ke-K e c e p a ta n s u rg in g
Estimasi Kecepatan surging Kapal Selam
kecepatan surging Real kecepatan surging Koreksi
Simulasi ke-RMSE Kecepatan swaying Kecepatan heaving Kecepatan surging 1 0.071894 0.27646 0.29608 2 0.076669 0.4093 0.13693 3 0.079416 0.20513 0.40039
. Tabel 1. Simulasi untuk N=200, dan H=[1 0 0 0 0 0]
Simulasi ke- RMSE
Kecepatan swaying Kecepatan heaving Kecepatan surging 1 0.26911 0.30469 0.081197 2 0.31163 0.43846 0.078395 3 0.23557 0.21486 0.08743
. Tabel 2. Simulasi untuk N=400, dan H=[0 0 1 0 0 0]
4 0.086144 0.221 0.26034 5 0.083014 0.14684 0.26916 6 0.076046 0.42665 0.30833 7 0.077017 0.63905 0.28423 8 0.087167 0.22245 0.4511 9 0.069905 0.53476 0.29377 10 0.085228 0.38059 0.30088 Rata-rata 0.07925 0.346223 0.300121 3 0.23557 0.21486 0.08743 4 0.18823 0.16393 0.086852 5 0.28776 0.33815 0.081664 6 0.31564 0.33029 0.092839 7 0.28562 0.3196 0.088747 8 0.20531 0.8272 0.081578 9 0.23434 0.63418 0.070231 10 0.23384 0.57858 0.093259 Rata-rata 0.256705 0.414994 0.0842192
Kesimpulan
Dari analisis dan pembahasan yang telah dilakukan
diperoleh kesimpulan bahwa:
1. Metode Ensemble Kalman Filter yang digunakan telah
dapat diterapkan untuk mengestimasi kecepatan pada
gerak translasi yaitu surging, swaying, heaving. Hal ini
gerak translasi yaitu surging, swaying, heaving. Hal ini
terlihat dari besarnya RMS Error yang relatif kecil pada tiap
statenya.
2. Hasil simulasi yang telah dilakukan menggunakan EnKF
dengan data 1 pengukuran menunjukkan estimasi untuk
kecepatan swaying, kecepatan heaving, dan kecepatan
Daftar Pustaka
[1] Budiyanto,D. 2001. Sistem Permesinan Kapal Selam
[2] Evensen, G. 2003. The ensemble Kalman filter: theoretical formulation and practical implementation, Ocean Dynamics, 53: 343-3
[3] Ichwan, A. 2010. Estimasi posisi Kapal Selam Menggunakan metode
Extended Kalman Filter. Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.
[4] Lewis, F.L. 1986. Optimal Estimation with an Introduction to Stochastic Control [4] Lewis, F.L. 1986. Optimal Estimation with an Introduction to Stochastic Control
Theory, John Wiley & Sons., New York.
[5] Purnomo, Kosala Dwidja. 2008. Aplikasi Metode Ensemble Kalman Filter pada Model Populasi Plankton. Institut Teknologi Sepuluh Nopember: Surabaya
[6] Walchko, K. J., Novick, David, and Nechyba, M. C. 2003. Development of a Sliding Mode Control Sistem with Extended Kalman Filter Estimation for