Aplikasi UAS
Pemilihan Komponen Optimal Menggunakan Mixed-Integer Algoritma Genetika

Referensi:

1.       Nonlinear Optimization in Electrical Engineering with Applications in MATLAB oleh Mohamed Bakr.

2.       Optimal Component Selection Using the Mixed-Integer Genetic Algorithm oleh Seth DeLand  




1.Tujuan [back]
·         Mampu memecahkan kasus terkait perancangan optimasi 

2.Komponen [back]
Alat yang digunakan yaitu Matlab

·           MATLAB

MATLAB adalah sebuah lingkungan komputasi numerikal dan bahasa pemrograman komputer generasi keempat. Dikembangkan oleh The MathWorks, MATLAB memungkinkan manipulasi matriks, pem-plot-an fungsi dan data, implementasi algoritme, pembuatan antarmuka pengguna, dan peng-antarmuka-an dengan program dalam bahasa lainnya.

·        Pemilihan Komponen Optimal Menggunakan Algoritma Genetika Integer Campuran

Desain sering mengharuskan komponen berasal dari daftar ukuran yang tersedia. Algoritma Genetika dapat digunakan untuk menemukan nilai Resistor dan Termistor dalam rangkaian yang memenuhi kriteria desain. Contoh tersebut menggunakan teknik optimasi untuk meminimalkan perbedaan antara kurva respons yang diinginkan dan kurva yang dihasilkan dari simulasi rangkaian.


RTH adalah resistansi thermistor

R25 adalah resistansi pada 25℃, parameter ThVal

T25 adalah suhu pada 25℃

T adalah suhu saat ini

β adalah parameter thermistor ThBeta.

Berdasarkan perhitungan tegangan standar, nilai seri ekuivalen dari hambatan

R1 – Th1

Nilai seri ekuivalen dari hambatan R3 – Th2

Tegangan pada titik B adalah

Resistansi thermistor berada pada suhu ruangan dan koefisien suhu. Perlu diketahui nilai optimal untuk resistor dan thermistor sehingga menghasilkan kurva tegangan yang diinginkan.

Oleh karena komponen yang digunakan hanya memiliki nilai tertentu, maka digunakan optimasi integer kendala. 


4.Percobaan [back]

Langkah 1: tentukan data suhu dan tegangan yang diinginkan


Langkah 2: Tulis nilai resistor yang tersedia, resistansi thermistor pada suhu ruangan, dan koefisien suhu thermistor


Langkah 3: Load fungsi voltageCurve


Langkah 4: Tentukan batas atas, bawah, intCon, dan masukkan ke fungsi optimasi


Langkah 5: tentukan parameter algoritma genetika yaitu toleransi, nilai populasi, dan generasi


Langkah 6: Gunakan objective function untuk mensimulasikan algoritma genetika


Langkah 7: Output MATLAB

Kurva yang diinginkan

Rata-rata

Kurva beserta nilai resistor dan thermistor yang didapatkan



6.Link Download [back]
download link file MATLAB di sini
download link video di sini


Tidak ada komentar:

Posting Komentar