Difference between revisions of "Agis Gilang Setiawan"

From ccitonlinewiki
Jump to: navigation, search
(UTS)
 
(9 intermediate revisions by 2 users not shown)
Line 1: Line 1:
 
Bismillahirrahmannirrahim
 
Bismillahirrahmannirrahim
 
("Hello World!")
 
("Hello World!")
 +
 +
[[File:fotoagis.jpg]]
  
 
'''Jangan lupa istighfar dan berdoa sebelum melakukan sesuatu'''
 
'''Jangan lupa istighfar dan berdoa sebelum melakukan sesuatu'''
Line 156: Line 158:
  
 
Perhatikan dosen dan serap ilmunya, jangan bukunya
 
Perhatikan dosen dan serap ilmunya, jangan bukunya
 +
 
Mechanical modelling seperti stress
 
Mechanical modelling seperti stress
Parameter elastisitas sebagai sifat bahan
+
 
 +
Parameter elastisitas (keengganan untuk berubah bentuk) sebagai sifat bahan
 +
 
 
kita makhluk yang sangat dimuliakan
 
kita makhluk yang sangat dimuliakan
kenalkan pancasila, keengganan dalam berubah bentuk
+
 
 +
kenalkan pancasila,
 +
 
 
modeling kasus engineering dengan metnum
 
modeling kasus engineering dengan metnum
 +
 
parameter secara pyshically
 
parameter secara pyshically
 +
 
Macam macam tegangan
 
Macam macam tegangan
 +
 
Mengurangi kebenaran, karena pengurangan asumsi pada simulasi
 
Mengurangi kebenaran, karena pengurangan asumsi pada simulasi
 +
 
Keadaan disederhanakan terus
 
Keadaan disederhanakan terus
Mengimplementasikan bab 2 untuk
+
 
 
Tugas saya menyusun persamaan diatas untuk tiap titik
 
Tugas saya menyusun persamaan diatas untuk tiap titik
  
 +
== Minggu 5 ==
 +
Phyton adalah bahasa pemrograman yang umum digunakan
 +
Modelling spring system
 +
Modelling menggunakan matrix system
 +
Penggunaan Third Party Tool seperti Numpy dan Simpy
 +
 +
 +
== Minggu 6 ==
 +
Peran komputer adalah sebagai tool dalam menyelesaikan modelling
 +
Asumsi kontinuum, homogen, dan konstan
 +
Imagination is more powerful than knowledge
 +
Kontinuum adalah sebuah notasi dimana ketika variabel terikat memiliki perubahan yang sangat kecil mendekati 0 akan memiliki nilai yang sama
 +
Percaya akan tuhan, surga, dan neraka
 +
Metode numerik merupakan Computer Aided Engineering
 +
Penjelasan runge kutta untuk penyelesaian persamaan turunan.
 +
 +
 +
== Minggu 7 ==
 +
Diadakan kuis
  
 
== UTS ==
 
== UTS ==
 
  Muhasabah UTS
 
  Muhasabah UTS
 
+
[[File:AgisMuhasabah.mp4]]
  
 
  '''Problem A'''
 
  '''Problem A'''
Line 200: Line 230:
 
  #print nilai T1
 
  #print nilai T1
 
  print("Besar T1:",T1,"N")
 
  print("Besar T1:",T1,"N")
 +
[[File:AgisProbA.mp4]]
  
 
  '''Problem B'''
 
  '''Problem B'''
Line 230: Line 261:
 
  #print nilai T3
 
  #print nilai T3
 
  print("x saat vmaks",xmaks,"m")
 
  print("x saat vmaks",xmaks,"m")
 +
[[File:AgisProbB.mp4]]
 +
 +
 +
== test ==
 +
 +
m = eval(input("massa mobil : "))
 +
g = 9.81
 +
cd = eval(input("koefisien drag udara : "))
 +
frik = eval(input("koefisien gesek jalan : "))
 +
hp = eval(input("Besar Horsepower mobil : "))
 +
rpm = eval(input("Besar RPM mobil : "))
 +
sina = eval(input("Besar sina bidang miring: "))
 +
cosa = eval(input("Besar cosa bidang miring: "))
 +
v = 0
 +
t = 0
 +
dt = 1 #tinggi step atau waktu
 +
error = 100
 +
 +
Fmobil = (hp * 9550) / (rpm * ((2 * 3.14)/60))
 +
p = (Fmobil/m) - g*frik
 +
q = cd/m
 +
 +
def dvdt(t, v):
 +
    return p-(q*(v)**(1.5))-(cosa*frik*g)-(sina*g)
 +
 +
while error > 0.005:
 +
    k1 = dvdt(t, v)
 +
    k2 = dvdt(t + 0.5 * h, v + 0.5 * h * k1)
 +
    k3 = dvdt(t + 0.5 * h, v + 0.5 * h * k2)
 +
    k4 = dvdt(t + h, v + h * k3)
 +
    v1 = v + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4)
 +
    t = t + h
 +
    error = ((v1 - v) / v1)*100 #persentase error
 +
    v = v1
 +
    lst.append(v1)
 +
   
 +
waktu = len(lst)
 +
 +
print ("waktu untuk mencapai velocity maksimal adalah: ", waktu+1)
 +
print ("velocity maksimal adalah: ", v1)
 +
 +
 +
== Minggu 10 ==
 +
Kasus fisika nyata runge-kutta
 +
 +
 +
== Minggu 11 ==
 +
Penjelasan mengenai gelombang
 +
Sarjana dituntut merumuskan masalah kemudian menemukan solusi
 +
Sales mobil menjual mobil dengan spesifikasi power dan torque
 +
 +
 +
== Minggu 12 ==
 +
Terdapat banyak cara pengelolaan data
 +
Terdapat error dalam suatu pengelolaan data
 +
Dilakukan optimasi sebagai pengurangan error
 +
Optimasi dilakukan untuk mencari nilai efektif
 +
 +
 +
== Minggu 13 ==
 +
Penggunaan CFDSOF
 +
Penggunaan Paraview
 +
Menghitung gaya drag dan gaya lift
 +
 +
 +
== Minggu 14 ==
 +
Quiz
 +
Soal yang diberikan berupa soal yang sudah diberikan sebelumnya
 +
Sebagai review
 +
Presentasi kelompok yang sudah selesai
 +
 +
===CFD CAR DRAG ANALYSIS===
 +
 +
Analysis drag dilakukan terlebih dahulu input data yang diperlukan pada ''CFD-Pre'' dan ''CFD-Solve''. Berikut adalah hasil setelah dilakukan ''Mesh Geometry'' dan ''Run Solver'' dari mobil yang akan dianalisa.
 +
 +
[[File:testcfdkel2_1.jpg|400px]]
 +
 +
Kemudian, pada bagian ''tab'' ''CFD-Post'', dilakukan running dengan aplikasi ''Paraview'' untuk mengetahui drag force yang ingin dicari tahu.
 +
 +
[[File:testcfdkel2_2.jpg|400px]]
 +
 +
Lalu, dilakukan pengerjaan dengan filter ''Generate Surface Normal'', dengan mengapply tampak car_body saja yang terlihat. Kemudian, dilakukan kalkulasi besar P terhadap gaya normal sumbu x. Hasil tersebut kemudian di apply kembali sehingga menghasilkan perhitungan yang diinginkan yaitu ''Drag Force'' yang ditentukan. Didapatkan besarnya setelah dilakukan ''filter'' dan integrasi perhitungan yang ada. Berikut adalah skema yang dilakukan:
 +
 +
[[File:testcfdkel2_3.jpg|400px]]
 +
 +
Kemudian, dilakukan percobaan lainnya dengan variasi V dengan interval 1 dari 10 hingga 20. Akhirnya, didapatkan data yang kemudian dibentuk grafiknya serta ''trendline'' yang berbentuk kurva sebagai berikut:
 +
 +
[[File:testcfdkel2_4.jpg|400px]]
 +
 +
 +
===Optimasi===
 +
Optimasi untuk kasus airfoil dilakukan menggunakan kode sbb:
 +
 +
# -*- coding: utf-8 -*-
 +
"""
 +
Created on Mon Dec 2 14:39:11 2019
 +
 +
@author: rjsec
 +
"""
 +
 +
import numpy as np
 +
from scipy.optimize import minimize
 +
 +
 +
def cdrag(x):
 +
    x1 = x[0]
 +
    drag = 0.0000003*x1**4-0.00002*x1**3+0.0008*x1**2+0.0026*x1-0.0517
 +
    return drag
 +
 +
def clift(x):
 +
    x1 = x[0]
 +
    lift = 0.0000001*x1**4+0.00001*x1**3+0.0003*x1**2+0.0052*x1+0.0187
 +
    return lift
 +
 +
def objective(x):
 +
    return cdrag(x)
 +
 +
def constraint1(x):
 +
    return 90 - cdrag(x)
 +
def constraint2(x):
 +
    return 90 - clift(x)
 +
 +
con1=({'type':'ineq','fun':constraint1})
 +
con2=({'type':'ineq','fun':constraint2})
 +
cons = (con1,con2)
 +
 +
x1_guess = 50
 +
 +
x0 = np.array([x1_guess])
 +
 +
sol = minimize(objective,x0, method='SLSQP',constraints=cons, options={'disp':True})
 +
 +
xopt = sol.x
 +
forceopt = -sol.fun
 +
 +
dragopt = cdrag(xopt)
 +
liftopt = clift(xopt)
 +
 +
print ("")
 +
print ("Hasil optimasi:")
 +
print ("Sudut optimal = "+str(-xopt[0]))
 +
print ("Total force optimal = "+str(forceopt))
 +
print ("Drag force optimal = "+str(-dragopt))
 +
print ("Lift force optimal = "+str(liftopt))
 +
 +
 +
== Tugas Besar ==
 +
'''Spesifikasi Airfoil'''
 +
[[File:TB1.png]]
 +
Airfoil yang digunakan adalah MH 70 11.08% - Martin Hepperle MH70
 +
Span = 2 mm
 +
Root and Tip Chord = 10 mm
 +
 +
'''Pembuatan model airfoil'''
 +
Airfoil dibuat dengan menggunakan software Autodesk Inventor
 +
[[File:TB2.png]]
 +
 +
'''Simulasi menggunakan CFD'''
 +
Model yang sudah dibuat diimport ke CFDSOF
 +
[[File:TB3.png]]
 +
Model memasuki tahap ''meshing''
 +
 
 +
Berikut adalah ''Boundary geometry'' untuk proses ''meshing''
 +
[[File:TB4.png]]
 +
 +
Model memasuki tahap-tahap analisis sebagai berikut
 +
[[File:TB5.png]]
 +
 +
[[File:TB6.png]]
 +
 +
[[File:TB7.png]]
 +
 +
[[File:TB8.png]]
 +
 +
[[File:TB9.png]]
 +
 +
[[File:TB10.png]]
 +
 +
[[File:TB11.png]]
 +
 +
[[File:TB12.png]]
 +
 +
'''Perhitungan menggunakan Paraview'''
 +
Model ''meshing'' diimport ke Paraview
 +
Perhitungan dilakukan dengan tahap berikut
 +
[[File:TB12.png]]
 +
 +
[[File:TB13.png]]
 +
 +
[[File:TB14.png]]
 +
 +
[[File:TB15.png]]
 +
 +
[[File:TB16.png]]
 +
 +
[[File:TB17.png]]
 +
 +
[[File:TB18.png]]
 +
 +
'''Hasil Percobaan'''
 +
''Data Percobaan''
 +
Data Percobaan
 +
[[File:TB19.png]]
 +
 +
''Grafik Percobaan''
 +
Berikut adalah grafik lift dan drag kami
 +
[[File:TB20.png]]
 +
 +
''Optimasi''
 +
Kode yang digunakan
 +
[[File:TB21.png]]
 +
 +
Berikut hasil optimasi yang dilakukan
 +
[[File:TB22.png]]
 +
 +
Grafik hasil optimasi Lift vs Drag
 +
 +
[[File:TB23.png]]
 +
 +
 +
 +
== Minggu 15 ==
 +
Presentasi CFDSOF
 +
 +
 +
== Minggu 16 ==
 +
Mempelajari tentang ANN (Artificial Neural Network)
 +
Terinspirasi dari otak manusia
 +
Digunakan dalam klasifikasi dan prediksi
 +
Tahapan-tahapan membuat ANN

Latest revision as of 18:41, 17 December 2019

Bismillahirrahmannirrahim ("Hello World!")

Fotoagis.jpg

Jangan lupa istighfar dan berdoa sebelum melakukan sesuatu

Minggu 1

Mengapa kita harus belajar kalkulus?

Sebagai fondasi dasar untuk dapat mempelajari dan memahami mata kuliah lanjutan lainnya sekaligus melatih sense pelajar dalam menyelesaikan masalah yang berbasis logika

Phyton adalah salah satu bahasa pemrograman yang umum digunakan

Flowchart

Input --> Process --> Output

Pelajaran 1 minggu kedepan : pelajari Phyton, dan buat program untuk menyelesaikan suatu persoalan (dimulai dari alogaritmanya)


TUGAS 1

Python adalah salah satu dari banyaknya bahasa pemrograman. Python merupakan bahasa pemrograman yang paling sering digunakan di zaman modern ini.
Menyelesaikan persamaan (x^2-1)/(x-1) dengan menggunakan pyhthon.


  def tugas(x):
     result = (x**2-1)/(x-1)
     try:
         result
     except ZeroDivisionError:
         result = float('~')
     return result

  a = 1
  b = a + 0.3
  d = a - c
  hasilnya = 0
  jumlah = 0
  while a < b+ 0.5:
     d =d + 0.01
     print(result(d))
     a = a + 0.1
     jumlah = jumlah + 1
     if soal(d) != float('~'):
         hasilnya = hasilnya + soal(d)

      
     print("Limit = ")
     print(hasilnya/jumlah)

Minggu 2

Kita harus mengenal terlebih dahulu partner kita dalam bekerja, yakni komputer

Pengertian bit

Praktik Langsung

Dasar-dasar programming + Phython

Diberi tugas dan mengerjakan dirumah

Mempelajari Tupple dan List

Tuple

Tuple adalah daftar yang berurutan dan terdiri dari beberapa elemen. Sebagai contoh tuple digunakan untuk menyimpan data seperti nama, nomor telepon, tempat dan tanggal lahir, email, dll.


List

List adalah kumpulan data yang berurutan maupun yang tidak berurutan. List dapat digunakan untuk menyimpan data kedalam daftar, mengurangi data, dan menambah data.

Minggu depan akan diadakan quiz 1 metnum

Minggu 3

Mempelajari penggunaan fungsi while, if, else, dan for

Mempraktikan penggunaan bahasa pemrograman untuk membuat deret bilangan Fibonacci

Penggunaan while

a=0
b=1
d=1
n1=input()
n=int(n1)
if(n==1):
    c=1
else:
    while(d<n):
        c=a+b
        a=b
        b=c
        d=d+1
print("Suku " + n1 + " adalah:")
print(c)

Penggunaan For

a=0
b=1
d=1
n1=input()
n=int(n1)
if(n==1):
    c=1
else:
    for d in range(n-1):
        c=a+b
        a=b
        b=c
        d=d+1
print("Suku " + n1 + " adalah:")
print(c)

Sebelum pekan depan sudah dibuatkan kelompok dan oekan depan sudah mengerjakan tugas kelompok


Minggu 4

Tugas Membuat program Gauss Elimination Saya dapat membuat program menghitung nilai X pada AX=B dengan metode Gauss Elimination. Namun masih memiliki kekurangan yaitu, hanya berlaku untuk matriks rectangular (nxn), dan Matrik B hanya memiliki 1 kolom.

a=[[2,-3,-1],
  [3,2,-5],
  [2,4,-4]]
b =[[3],
   [-9],
   [-5]]
c=[1,1,1,1,1,1,1,1]
n=len(b)
#Elimination
for k in range(0,n-1):
        for i in range(n-1,k,-1):
            if a[i][k] != 0.0:
                op= a[i][k]/a[i-1][k]
                b[i][0]=b[i][0]-op*b[i-1][0]
                for f in range(0,n):
                        a[i][f]=a[i][f]-op*a[i-1][f]
#Subtitution                       
if a[n-1][n-1] != 0:
    c[n-1]=b[n-1][0]/a[n-1][n-1]
else:
    c[n-1]=0
for i in range(n-2,-1,-1):
    sigma=0
    for k in range(0,n,1):
            y=a[i][k]*c[k]
            sigma=sigma+y
    sigma=sigma-a[i][i]
    if a[i][i] != 0:
        c[i]=(b[i][0]-sigma)/a[i][i]
    else:
        a[i][i] =0
for v in range(0,n,1):
    print(a[v])
print(c[0:n])

Perhatikan dosen dan serap ilmunya, jangan bukunya

Mechanical modelling seperti stress

Parameter elastisitas (keengganan untuk berubah bentuk) sebagai sifat bahan

kita makhluk yang sangat dimuliakan

kenalkan pancasila,

modeling kasus engineering dengan metnum

parameter secara pyshically

Macam macam tegangan

Mengurangi kebenaran, karena pengurangan asumsi pada simulasi

Keadaan disederhanakan terus

Tugas saya menyusun persamaan diatas untuk tiap titik

Minggu 5

Phyton adalah bahasa pemrograman yang umum digunakan
Modelling spring system
Modelling menggunakan matrix system
Penggunaan Third Party Tool seperti Numpy dan Simpy


Minggu 6

Peran komputer adalah sebagai tool dalam menyelesaikan modelling
Asumsi kontinuum, homogen, dan konstan 
Imagination is more powerful than knowledge
Kontinuum adalah sebuah notasi dimana ketika variabel terikat memiliki perubahan yang sangat kecil mendekati 0 akan memiliki nilai yang sama
Percaya akan tuhan, surga, dan neraka
Metode numerik merupakan Computer Aided Engineering
Penjelasan runge kutta untuk penyelesaian persamaan turunan.


Minggu 7

Diadakan kuis

UTS

Muhasabah UTS

Problem A
#Menentukan nilai gravitasi
g=float(input("Masukkan nilai g(m/s^2):"))
#Menentukan nilai m4
m4=float(input("Masukkan nilai m4(kg):"))
#Menentukan nilai m3
m3=float(input("Masukkan nilai m3(kg):"))
#Menentukan nilai m2
m2=float(input("Masukkan nilai m2(kg):"))
#Menentukan nilai m1
m1=float(input("Masukkan nilai m1(kg):"))

#Pengoperasian mencari nilai sin a
sina=m4/(m3+m2+m1)
#Menghitung nilai T3
T3=m4*g
#Menghitung nilai T2
T2=T3-(m3*g*sina)
#Menghitung nilai T1
T1=m1*g*sina

#print nilai T3
print("Besar T3:",T3,"N")
#print nilai T2
print("Besar T2:",T2,"N")
#print nilai T1
print("Besar T1:",T1,"N")

Problem B
#Menentukan nilai gravitasi
g=float(input("Masukkan nilai g(m/s^2):"))
#Menentukan nilai massa mobil
m=float(input("Masukkan nilai massa mobil(kg):"))
#Menentukan nilai koefisien gesek
cs=float(input("Masukkan nilai cs:"))
#Menentukan nilai koefisien drag udara
cd=float(input("Masukkan nilai cd:"))
#Menentukan nilai a
a=float(input("Masukkan nilai a(m/s^2):"))
#Menentukan nilai xo
xo=float(input("Masukkan nilai xo(m):"))
#Menentukan nilai vo
vo=float(input("Masukkan nilai vo(m/s):"))
#Menentukan nilai vmaks
vmaks=float(input("Masukkan nilai vmaks(m/s):"))
#Pengoperasian mencari nilai gaya gesek
frik=m*g*cs
din=cd*vmaks**2
#Pengoperasian mencari tmaks
tmaks=(vmaks-xo)/(a-(m*g*cs)-(cd*vmaks**2))
#Menghitung nilai xmaks
xmaks=xo+vo*tmaks+(0.5*a*tmaks**2)-(0.5*frik*tmaks**2)-(0.5*din*tmaks**2)

#print nilai tmaks
print("t saat vmaks:",tmaks,"s")
#print nilai T3
print("x saat vmaks",xmaks,"m")


test

m = eval(input("massa mobil : "))
g = 9.81
cd = eval(input("koefisien drag udara : "))
frik = eval(input("koefisien gesek jalan : "))
hp = eval(input("Besar Horsepower mobil : "))
rpm = eval(input("Besar RPM mobil : "))
sina = eval(input("Besar sina bidang miring: "))
cosa = eval(input("Besar cosa bidang miring: "))
v = 0
t = 0
dt = 1 #tinggi step atau waktu
error = 100 

Fmobil = (hp * 9550) / (rpm * ((2 * 3.14)/60))
p = (Fmobil/m) - g*frik
q = cd/m 

def dvdt(t, v):
    return p-(q*(v)**(1.5))-(cosa*frik*g)-(sina*g)

while error > 0.005: 
    k1 = dvdt(t, v) 
    k2 = dvdt(t + 0.5 * h, v + 0.5 * h * k1)
    k3 = dvdt(t + 0.5 * h, v + 0.5 * h * k2) 
    k4 = dvdt(t + h, v + h * k3) 
    v1 = v + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4)
    t = t + h
    error = ((v1 - v) / v1)*100 #persentase error
    v = v1
    lst.append(v1)
   
waktu = len(lst)

print ("waktu untuk mencapai velocity maksimal adalah: ", waktu+1)
print ("velocity maksimal adalah: ", v1)


Minggu 10

Kasus fisika nyata runge-kutta


Minggu 11

Penjelasan mengenai gelombang
Sarjana dituntut merumuskan masalah kemudian menemukan solusi
Sales mobil menjual mobil dengan spesifikasi power dan torque


Minggu 12

Terdapat banyak cara pengelolaan data
Terdapat error dalam suatu pengelolaan data
Dilakukan optimasi sebagai pengurangan error
Optimasi dilakukan untuk mencari nilai efektif


Minggu 13

Penggunaan CFDSOF
Penggunaan Paraview
Menghitung gaya drag dan gaya lift


Minggu 14

Quiz
Soal yang diberikan berupa soal yang sudah diberikan sebelumnya
Sebagai review
Presentasi kelompok yang sudah selesai
===CFD CAR DRAG ANALYSIS===

Analysis drag dilakukan terlebih dahulu input data yang diperlukan pada CFD-Pre dan CFD-Solve. Berikut adalah hasil setelah dilakukan Mesh Geometry dan Run Solver dari mobil yang akan dianalisa.

Testcfdkel2 1.jpg

Kemudian, pada bagian tab CFD-Post, dilakukan running dengan aplikasi Paraview untuk mengetahui drag force yang ingin dicari tahu.

Testcfdkel2 2.jpg

Lalu, dilakukan pengerjaan dengan filter Generate Surface Normal, dengan mengapply tampak car_body saja yang terlihat. Kemudian, dilakukan kalkulasi besar P terhadap gaya normal sumbu x. Hasil tersebut kemudian di apply kembali sehingga menghasilkan perhitungan yang diinginkan yaitu Drag Force yang ditentukan. Didapatkan besarnya setelah dilakukan filter dan integrasi perhitungan yang ada. Berikut adalah skema yang dilakukan:

Testcfdkel2 3.jpg

Kemudian, dilakukan percobaan lainnya dengan variasi V dengan interval 1 dari 10 hingga 20. Akhirnya, didapatkan data yang kemudian dibentuk grafiknya serta trendline yang berbentuk kurva sebagai berikut:

Testcfdkel2 4.jpg


Optimasi

Optimasi untuk kasus airfoil dilakukan menggunakan kode sbb:

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 2 14:39:11 2019

@author: rjsec
"""

import numpy as np
from scipy.optimize import minimize


def cdrag(x):
    x1 = x[0]
    drag = 0.0000003*x1**4-0.00002*x1**3+0.0008*x1**2+0.0026*x1-0.0517
    return drag

def clift(x):
    x1 = x[0]
    lift = 0.0000001*x1**4+0.00001*x1**3+0.0003*x1**2+0.0052*x1+0.0187
    return lift

def objective(x):
    return cdrag(x)

def constraint1(x): 
    return 90 - cdrag(x)
def constraint2(x):
    return 90 - clift(x)

con1=({'type':'ineq','fun':constraint1})
con2=({'type':'ineq','fun':constraint2})
cons = (con1,con2)

x1_guess = 50

x0 = np.array([x1_guess]) 

sol = minimize(objective,x0, method='SLSQP',constraints=cons, options={'disp':True})

xopt = sol.x
forceopt = -sol.fun 

dragopt = cdrag(xopt)
liftopt = clift(xopt) 

print ("")
print ("Hasil optimasi:")
print ("Sudut optimal = "+str(-xopt[0]))
print ("Total force optimal = "+str(forceopt))
print ("Drag force optimal = "+str(-dragopt))
print ("Lift force optimal = "+str(liftopt))


Tugas Besar

Spesifikasi Airfoil
TB1.png
Airfoil yang digunakan adalah MH 70 11.08% - Martin Hepperle MH70
Span = 2 mm
Root and Tip Chord = 10 mm 
Pembuatan model airfoil
Airfoil dibuat dengan menggunakan software Autodesk Inventor
TB2.png
Simulasi menggunakan CFD
Model yang sudah dibuat diimport ke CFDSOF
TB3.png
Model memasuki tahap meshing
 
Berikut adalah Boundary geometry untuk proses meshing
TB4.png

Model memasuki tahap-tahap analisis sebagai berikut 
TB5.png

TB6.png

TB7.png

TB8.png

TB9.png

TB10.png

TB11.png

TB12.png
Perhitungan menggunakan Paraview
Model meshing diimport ke Paraview
Perhitungan dilakukan dengan tahap berikut
TB12.png

TB13.png

TB14.png

TB15.png

TB16.png

TB17.png

TB18.png
Hasil Percobaan
Data Percobaan
Data Percobaan
TB19.png

Grafik Percobaan
Berikut adalah grafik lift dan drag kami
TB20.png

Optimasi
Kode yang digunakan
TB21.png

Berikut hasil optimasi yang dilakukan
TB22.png

Grafik hasil optimasi Lift vs Drag

TB23.png


Minggu 15

Presentasi CFDSOF


Minggu 16

Mempelajari tentang ANN (Artificial Neural Network)
Terinspirasi dari otak manusia
Digunakan dalam klasifikasi dan prediksi
Tahapan-tahapan membuat ANN