One type of unmanned aircraft that is often used today is quadrotor. This type of aircraft has the ability to take off vertically. This study implemented an altitude control system on the z-axis quadrotor. The control used is the full state method of Linear Quadratic Regulator (LQR) with artificial neural networks. The LQR full state feedback method used in this system is 12-states with each feedback constant K tuned to the neural network method. This study implements the artificial neural network method to change the feedback constant on the z-axis. Artificial neural network architecture used 12 input layers, 48 hidden layers, and 1 output layer. This study compares the value of the results of the simulation with the response value of the system implementation results applied to the quadrotor. Testing with full state LQR feedback using artificial neural networks improves the system response to ±0.77 seconds and improves steady state error values up to ±12 cm. Based on the results of these studies, this system can be implemented to control other systems. Intisari-Salah satu jenis pesawat tanpa awak yang sering digunakan saat ini adalah quadrotor. Pesawat jenis ini memiliki kemampuan untuk lepas landas secara vertikal. Makalah ini mengimplementasikan sistem kendali ketinggian pada sumbu z quadrotor. Kendali yang digunakan yaitu metode full state feedback Linear Quadratic Regulator (LQR) dengan jaringan saraf tiruan. Metode full state feedback LQR yang digunakan pada sistem ini adalah dua belas state dengan masing-masing konstanta feedback K ditala dengan metode jaringan saraf tiruan. Makalah ini mengimplementasikan metode jaringan saraf tiruan untuk mengubah konstanta feedback pada sumbu z. Arsitektur jaringan saraf tiruan yang digunakan yaitu dua belas input layer, 48 hidden layer, dan satu output layer. Makalah ini membandingkan nilai hasil simulasi dengan nilai respons sistem hasil implementasi yang diterapkan pada quadrotor. Pengujian dengan full state feedback LQR menggunakan jaringan saraf tiruan memperbaiki respons sistem hingga ±0,77 detik serta perbaikan nilai steady state error hingga ±12 cm. Berdasarkan hasil penelitian tersebut, sistem ini dapat diimplementasikan kendali pada sistem yang lain.
Quadrotor is one type of unmanned aerial vehicle that has the ability to vertical takeoff and landing. In this research, a system designed to stabilize quadrotor during flight condition by maintaining at angle of roll, pitch, yaw, and x, y, and z axis position using LQR full state feedback with artificial neural network (ANN).The LQR full state feedback method uses 12 states with each K constant being tuned with ANN. This research implements ANN method to change feedback constant at angle of roll, pitch, and yaw and x, y, and z axis. The artificial neural network method uses 12 input layers, 12 hidden layers, and 1 output layer.Testing with ANN improved the rise time to ± 2.18 seconds at the roll angle, ± 1.23 seconds at the pitch angle, and ± 0.31 seconds at the yaw angle. Improved settling time value up to ± 2.41 seconds at roll angle, ± 1.23 seconds at pitch angle, and ± 1.07 seconds at yaw angle. Improved steady state eror value of ± 0.61% at roll angle, ± 4.88% at pitch angle, and ± 0.82% at the yaw angle.
Water conservation is very necessary to support the creation of clean water quality that is free from harmful substances that can disturb the environment. So a system is needed to monitor water quality to determine the level of pollution that occurs. This system will work to see water quality in real time with several quality parameters such as pH, temperature, and water turbidity. The purpose of this research is to produce a predictive model and find out the prediction results of a data mining-based system. The method used to predict water quality uses the Seasonal Autoregressive Integrated Moving Average (SARIMA) method, because the water quality data is thought to contain seasonal patterns. The results of this study indicate that the SARIMA model can be applied to the dataset used and obtain the accuracy of the forecasting results on each of the tested parameter data. The results of water quality forecasting with this parameter are the result data for testing at a dataset of a depth of 30 cm and a depth of 60 cm for temperature parameters, namely MSE<0.1, and RMSE<0.02. For pH parameters, MSE<0.1, and RMSE<0.1. As well as the turbidity parameter, the results of MSE<0.02, and RMSE<0.13. From these results indicate that this system can predict water quality with past data.
Pada awal tahun 2020 dunia digemparkan dengan tersebarnya wabah secara global yang menyerang pernapasan seperti wabah SARS pada tahun 2003, yaitu COVID-19. Virus penyebab wabah yang bernama SARS-Cov2 ini ternyata memiliki kemiripan ~87.5% dengan SARS-Cov. Kemiripan ini dapat digunakan untuk mengembangkan obat dan vaksin yang sesuai dengan virus yang sekarang. Dalam hal ini, pendekatan secara bioinformatika dapat dilakukan sebagai tahap awal pengembangan vaksin. Salah satu cara pengembangan vaksin adalah vaksin berbasis epitope. Data biologi yang tersedia dan diserahkan kepada publik terkait epitope Sel T dan sekuen protein pada virus dapat diolah dengan beberapa tool bioinformatika yang tersedia secara online. Makalah ini membandingkan perhitungan karakter physicochemical antara epitope SARS-Cov dan sekuen protein SARS-Cov2 pada lokasi yang sama. Karakter yang dibandingkan yaitu berat molekuler, titik isoelectric, indeks alifatik, GRAVY, indeks kestabilan, dan antigenisitas. Pengolahan data dilakukan dengan matriks korelasi. Dari hasil pengolahan tersebut diketahui bahwa karakter physicochemical antara SARS-Cov dan SARS-Cov2 memiliki hubungan yang kuat.
Quadrotor adalah salah satu jenis Unmanned Aerial Vehicle (UAV) atau wahana terbang tanpa awak yang dapat terbang dengan kendali jarak jauh maupun menggunakan kendali otomatis. Dalam melakukan misinya, quadrotor memerlukan sistem kendali yang baik. Salah satu sistem kendali dalam sistem quadrotor adalah sistem kendali ketinggian. Kendali ketinggian akan mengendalikan quadrotor seusai ketinggian yang diinginkan walaupun terdapat gangguan dan beban quadrotor itu sendiri. Metode kendali yang banyak digunakan adalah kendali PID. Kendali PID menghasilkan respons yang kurang baik karena konstanta PID yang bersifat tetap, sedangkan gangguan saat quadrotor terbang akan berubah-ubah. Oleh karena itu, makalah ini menawarkan kendali yang dapat menyesuaikan diri saat terkena gangguan tertentu. Metode yang ditawarkan adalah kendali PID dengan Jaringan Saraf Tiruan (JST). Sistem JST akan menala komponen PID secara real-time sesuai gangguan yang terjadi. Penggunaan PID dengan JST menghasilkan respons rise time lebih cepat 0,0594 detik, overshoot turun 7,58%, steady state error turun ±0,0672, dan settling time turun 1,031 detik dibandingkan dengan PID konvensional. Hal ini menunjukkan bahwa PID dengan JST menghasilkan respons kendali yang lebih baik dibandingkan dengan PID saja.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.