Kendali Optimal Linier Kuadratik Neural Network Adaptif

Rafsanjani, Zani and Nursyiva, Irsalinda and Adi, Yudi Kendali Optimal Linier Kuadratik Neural Network Adaptif. [Experiment] (Unpublished)

[thumbnail of LAPORAN.docx] Text
LAPORAN.docx

Download (234kB)

Abstract

Kendali optimal linier kuadratik merupakan sebuah permasalahan dalam bidang matematika otimasi yang mempelajari pemberian kendali pada system yang diinginkan. System tujuan tersebut merupakan system yang melibatkan fungsi objektif dalam bentuk persamaan kuadratik yang dilengkapi oleh kendala dalam bentuk persamaan linier. Pada penelitian ini dibahas system kendali dalam bentuk diskrit lingkar tertutup dengan pengontrol berbasis pada jaringan saraf tiruan atau Neural Network yang selanjutnya disebut sebagai kendali optimal linier kuadratik Neural Network Adaptif (NNA). Tujuan dalam penelitian ini yaitu untuk memperoleh hasil kendali optimal berbasis jaringan saraf tiruan. Penelitian dilakukan kedalam tiga tahap yakni membentuk metode pelatihan berbasis reinforcement learning kedalam solusi optimal, training error dan penyediaan bobot jaringan. Kendali yang dihasilkan digunakan untuk menyelesaikan persamaan Hamiltonian sehingga diperoleh solusi optimal dari system kendali optimal linier kuadratik tersebut. Pada akhir penelitian, dibentuk algoritma penyelesaian permasalahan kendali linier kuadratik berbasis Neural Network adaptif. Serta dilakukan simulasi numerik untuk mengetahui kinerja dari metode Neural Network Adaptif tersebut. Hasil penelitian menunjukkan bahwa algoritma kendali optimal neural network adaptif mampu menghasilkan nilai kendali dengan akurasi optimal.

Item Type: Experiment
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisi / Prodi: Faculty of Applied Science and Technology (Fakultas Sains Dan Teknologi Terapan) > S1-Physics (S1-Fisika)
Depositing User: mrs Zani Anjani
Date Deposited: 30 Aug 2022 02:47
Last Modified: 30 Aug 2022 02:47
URI: http://eprints.uad.ac.id/id/eprint/36583

Actions (login required)

View Item View Item