STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY

Penelitianinibertujuanuntukmerancangdanmelakukanoptimasiter- hadap sistem crashenergymanagement (CEM) darikendaraantremotonom (TO) menggunakansimulasinumerikdanpembelajaranmesindalamupaya meningkatkankelaikantabraknya.Dalamkasusini,prestasistrukturyang ditinjau meliputi specicenergyabsorption (S...

Full description

Saved in:

Bibliographic Details
Main Author:	Nurrafi Ihsan, Muhammad
Format:	Theses
Language:	Indonesia
Online Access:	https://digilib.itb.ac.id/gdl/view/68606
Tags:	Add Tag No Tags, Be the first to tag this record!
Institution:	Institut Teknologi Bandung
Language:	Indonesia

id	id-itb.:68606
spelling	id-itb.:686062022-09-16T15:53:52ZSTRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY Nurrafi Ihsan, Muhammad Indonesia Theses Kelaiktabrakan,tremotonom,perancanganstrukturringan, MEH, ANN,NSGA-II,TOPSIS INSTITUT TEKNOLOGI BANDUNG https://digilib.itb.ac.id/gdl/view/68606 Penelitianinibertujuanuntukmerancangdanmelakukanoptimasiter- hadap sistem crashenergymanagement (CEM) darikendaraantremotonom (TO) menggunakansimulasinumerikdanpembelajaranmesindalamupaya meningkatkankelaikantabraknya.Dalamkasusini,prestasistrukturyang ditinjau meliputi specicenergyabsorption (SEA) danperlambatanefektif. Sistem CEMdilengkapidengan crashbox dan deformable upperbumper yang merupakan loadpath struktur utamadalampenyerapanenergiketikaimpak. ModelcasisTOdidasarkanatassebuah low- oorplatform sepanjang 12 meter yangdilengkapidengansistemCEMtambahan.Selanjutnya,beberapa variasimodelstrukturdibuatberdasarkanproses data-sampling. Simulasinu- merik menggunakanskenariomenurutregulasikelaikantabraklaludilakukan pada seluruhmodelmenggunakanperangkatlunakberbasismetodeelemen hingga (MEH).Hasilsimulasidikumpulkansebagaidatamasukanuntuk neu- ralnetworktraining. Kemudian,model neuralnetwork yangterpilihdigu- nakandalamalgoritmaNSGA-II,sehinggamenghasilkansebuahkurvaPareto berisikankandidatsolusioptimum.Akhirnya,prosespengambilankeputusan memanfaatkanalgoritmaTOPSISuntukmemperkirakankongurasioptimum. Hasil optimasimenunjukkanbahwaperkiraanstrukturTOoptimumdis- usun darimaterialAA6061-T6,sebuah upperbumper dengan ketebalan(tub) 1.1 mm,dan crashbox berpenampanglingkarandenganbeberapaparameter: luas penampang(C) 100mm,ketebalan(tc) 3.3mm,dan ange cut ganda di 3H. Kongurasiiniterhitungmeningkatkanprestasistrukturmodeldasar hingga 193.109%untukSEAdan23.618%untukperlambatanefektif. text
institution	Institut Teknologi Bandung
building	Institut Teknologi Bandung Library
continent	Asia
country	Indonesia Indonesia
content_provider	Institut Teknologi Bandung
collection	Digital ITB
language	Indonesia
description	Penelitianinibertujuanuntukmerancangdanmelakukanoptimasiter- hadap sistem crashenergymanagement (CEM) darikendaraantremotonom (TO) menggunakansimulasinumerikdanpembelajaranmesindalamupaya meningkatkankelaikantabraknya.Dalamkasusini,prestasistrukturyang ditinjau meliputi specicenergyabsorption (SEA) danperlambatanefektif. Sistem CEMdilengkapidengan crashbox dan deformable upperbumper yang merupakan loadpath struktur utamadalampenyerapanenergiketikaimpak. ModelcasisTOdidasarkanatassebuah low- oorplatform sepanjang 12 meter yangdilengkapidengansistemCEMtambahan.Selanjutnya,beberapa variasimodelstrukturdibuatberdasarkanproses data-sampling. Simulasinu- merik menggunakanskenariomenurutregulasikelaikantabraklaludilakukan pada seluruhmodelmenggunakanperangkatlunakberbasismetodeelemen hingga (MEH).Hasilsimulasidikumpulkansebagaidatamasukanuntuk neu- ralnetworktraining. Kemudian,model neuralnetwork yangterpilihdigu- nakandalamalgoritmaNSGA-II,sehinggamenghasilkansebuahkurvaPareto berisikankandidatsolusioptimum.Akhirnya,prosespengambilankeputusan memanfaatkanalgoritmaTOPSISuntukmemperkirakankongurasioptimum. Hasil optimasimenunjukkanbahwaperkiraanstrukturTOoptimumdis- usun darimaterialAA6061-T6,sebuah upperbumper dengan ketebalan(tub) 1.1 mm,dan crashbox berpenampanglingkarandenganbeberapaparameter: luas penampang(C) 100mm,ketebalan(tc) 3.3mm,dan ange cut ganda di 3H. Kongurasiiniterhitungmeningkatkanprestasistrukturmodeldasar hingga 193.109%untukSEAdan23.618%untukperlambatanefektif.
format	Theses
author	Nurrafi Ihsan, Muhammad
spellingShingle	Nurrafi Ihsan, Muhammad STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY
author_facet	Nurrafi Ihsan, Muhammad
author_sort	Nurrafi Ihsan, Muhammad
title	STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY
title_short	STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY
title_full	STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY
title_fullStr	STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY
title_full_unstemmed	STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY
title_sort	structuraldesignofautonomous electric tramforoptimumcrash energymanagementusingmachine learning methodology
url	https://digilib.itb.ac.id/gdl/view/68606
_version_	1822005799217528832

STRUCTURALDESIGNOFAUTONOMOUS ELECTRIC TRAMFOROPTIMUMCRASH ENERGYMANAGEMENTUSINGMACHINE LEARNING METHODOLOGY

Similar Items