Perpustakaan Digital ITB

Pada tesis ini, teknik Artificial Neural Networks (ANN) diterapkan untuk memprediksi parameter aliran dari pengukuran Five-Hole Probe (FHP). Teknik ANN digunakan untuk memperkirakan sudut serang, sudut selip, dan kecepatan aliran. Data eksperimen pekerjaan ini diperoleh dari pengujian terowongan angin kecepatan rendah. Dalam pengujian, kecepatan terowongan bervariasi dari 10 hingga 50 m/s dengan penambahan 10 m/s. Sudut serang bervariasi dari -30° hingga 90° dan sudut selip bervariasi dari -20° hingga 20°. Dari data yang diukur, 80% dipilih secara acak untuk membangun model ANN, sedangkan 20% sisanya digunakan untuk memvalidasi model. Keakuratan teknik ANN dibandingkan dengan metode konvensional lain. Metode pertama menggunakan formula yang disediakan oleh produsen FHP dan metode kedua menggunakan polinomial curve-fit orde ke-5. Kebaruan proses dalam penelitian ini adalah penggunaan model ANN tunggal untuk memprediksi ketiga parameter aliran. Model tunggal ini dapat digunakan di seluruh rentang Angle of Attack (AoA), Angle of Sideslip (AoS), dan Airspeed. Temuannya menunjukkan bahwa model ANN secara akurat memperkirakan parameter aliran dalam rentang AoA rendah, melampaui metode formula dan metode polinomial dalam Mean Absolute Error (MAE) dan maximum absolute error. Selain itu, metode ANN secara signifikan mengungguli dua metode lainnya dalam memperoleh parameter aliran di daerah dengan AoA tinggi. Model yang diusulkan dapat menghasilkan MAE dan maximum absolute error sebesar 0,164 dan 2,605 untuk AoA, masing-masing sebesar 0,584 dan 14,522 untuk AoS, serta sebesar 0,024 dan 0,242 untuk airspeed. Peningkatan lebih lanjut dari model ANN dapat diperoleh dengan melakukan segmentasi wilayah penerapan. Hasil awal menunjukkan bahwa peningkatan dapat dicapai sebesar 95%.