📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 4 dokumenPENGUKURAN LAJU ALIRAN FLUIDA DUA-FASA DALAM PIPA MENGGUNAKAN GELOMBANG ULTRASONIK DAN TOMOGRAFI RESISTANSI ELEKTRIKAL
Pengukuran laju aliran fluida multi-fasa tetap menjadi kebutuhan krusial di berbagai sektor industri, seperti farmasi, petrokimia, serta minyak dan gas. Namun, proses pengukuran ini masih menghadapi berbagai tantangan akibat kompleksitas karakteristik aliran, seperti interaksi antar fasa, distribusi kecepatan yang tidak merata, serta fluktuasi tekanan yang dinamis. Selain itu, pola aliran seperti slug flow, churn flow, anular flow, stratified flow dan bubble flow dapat menimbulkan fluktuasi hidrodinamik yang berpotensi menyebabkan degradasi pada dinding pipa. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan kombinasi metode ultrasonik refleksi (UR) dan tomografi resistansi elektrikal (TRE) untuk pengukuran aliran fluida dua-fasa. Pendekatan ini bertujuan mengukur laju aliran sekaligus merekonstruksi distribusi fluida dua-fasa cairan dan udara (water and air) di dalam pipa, serta mengidentifikasi struktur aliran, khususnya pada fasa cair dan gas. Metode TRE bekerja dengan menginjeksikan arus lemah melalui elektroda dan mengukur perubahan resistansi untuk merekonstruksi profil aliran, sedangkan konfigurasi dual-plane TRE digunakan untuk meningkatkan resolusi temporal dan spasial melalui analisis korelasi silang. Metode UR memanfaatkan pantulan gelombang ultrasonik untuk mendeteksi perbedaan sifat akustik antar fasa, sehingga efektif dalam mengidentifikasi struktur aliran. Sensitivitas metode UR ditingkatkan melalui analisis sinyal pantulan (echo) dan variasi frekuensi. Untuk mendukung akuisisi data berkecepatan tinggi, sistem diimplementasikan menggunakan field programmable gate array (FPGA) yang memungkinkan sampling rate tinggi sesuai dengan karakteristik transduser ultrasonik berfrekuensi tinggi. Validasi eksperimen dilakukan menggunakan pipa akrilik transparan dengan konfigurasi aliran horizontal agar observasi visual dapat dilakukan secara langsung. Selain itu, pendekatan komputasional dinamika fluida (KDF) diterapkan untuk memodelkan dinamika aliran dua-fasa, mengamati mekanisme pembentukan slug flow, serta membandingkan distribusi pola aliran hasil simulasi dengan hasil eksperimen. Dengan demikian, simulasi KDF berperan sebagai pendukung analisis fisis terhadap fenomena aliran dan sebagai pembanding terhadap hasil pengukuran berbasis UR dan TRE. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu membedakan karakter sinyal antara aliran slug dan aliran stratifikasi (stratified) yang menjadi objek utama pengamatan, serta mengidentifikasi pola aliran slug yang pada kondisi eksperimen dikategorikan sebagai low-aerated slug flow. Pengukuran menggunakan metode UR menunjukkan bahwa ketebalan aliran slug berada pada kisaran 0,330 hingga 0,355 cm, dengan kecenderungan meningkat seiring bertambahnya kecepatan UR pada rentang 0,6 hingga 1,3 m/s. Hubungan antara kedua parameter menunjukkan kecenderungan nonlinier. Pada tahap kalibrasi, sistem UR menunjukkan kesalahan pengukuran kurang dari 1% terhadap referensi. Hasil simulasi KDF menunjukkan kesesuaian dengan tren eksperimen dalam merepresentasikan pembentukan dan distribusi aliran, walaupun masih terdapat perbedaan akibat penyederhanaan model numerik dan kompleksitas dinamika aliran dua-fasa. Kontribusi utama penelitian ini terletak pada pendekatan integratif yang menggabungkan metode UR, TRE, dan KDF untuk meningkatkan kemampuan pengukuran laju aliran, identifikasi karakteristik aliran, serta analisis perilaku slug flow secara lebih representatif. Pendekatan ini memberikan dasar yang lebih komprehensif bagi pengembangan sistem pemantauan aliran dua-fasa pada aplikasi industri.
MODEL PENGGANTI (SURROGATE MODELLING) SIMULASI COMPUTATIONAL FLUID DYNAMICS (CFD) KENDARAAN MELALUI MODIFIKASI TRIPNET
Penelitian ini dilakukan untuk menerapkan teknik surrogate modelling berbasis machine learning untuk mereplikasi hasil simulasi computational fluid dynamics (CFD) pada kendaraan, dengan metode yang digunakan merupakan modifikasi dari kajian TripNet agar bisa dijalankan pada Google Colab. Geometri kendaraan direpresentasikan menggunakan triplanes atau potongan-potongan geometri dua dimensi yang digenerasi melalui Neural Field Diffusion (NFD) dan dimodifikasi melalui penyesuaian algoritma neural network yang digunakan. Representasi ini digunakan sebagai masukan bagi dua model utama yakni convolutional neural network (CNN) untuk prediksi koefisien gesekan udara dan kombinasi U-Net–MLP untuk pemodelan velocity flow field dan surface pressure. Hasil eksperimen menunjukkan bahwa model CNN menghasilkan % MAE sebesar 1.45% dengan koefisien determinasi R² ~0.80 untuk prediksi koefisien gesekan udara. Sementara itu, model U-Net–MLP menghasilkan % MAE rata-rata sebesar 15.71% untuk velocity flow field dan 16.85% untuk surface pressure. Dibandingkan dengan studi TripNet, perbedaan terutama muncul dari teknik normalisasi yang digunakan, di mana penelitian ini menekankan preservasi data untuk memodelkan nilai ekstrem meskipun berdampak pada penurunan akurasi di daerah bernilai kecil. Selain itu, triplanes yang teradaptasi juga berperan dalam perbedaan dengan hasil TripNet ini di mana triplanes yang diperoleh lebih rendah secara detil dan noisy dibandingkan hasil pada TripNet. Hasil ini menunjukkan bahwa surrogate modelling berbasis ML memiliki potensi sebagai alternatif komputasi CFD yang lebih ringan sekaligus menyoroti adanya kompromi antara akurasi di nilai ekstrem dan akurasi di nilai kecil beserta kompromi performa terhadap kualitas dalam generasi triplanes.
ALIRAN FLUIDA PADA SALURAN TERBUKA MIRING
Penelitian ini mengkaji dinamika aliran pada saluran terbuka miring, yang dimodelkan menggunakan Persamaan Saint-Venant satu dimensi. Model ini, yang diturunkan dari prinsip konservasi massa dan momentum, dilinearisasi untuk mengkaji perambatan gangguan kecil. Sistem persamaan linear yang dihasilkan kemudian diselesaikan secara numerik menggunakan skema beda hingga Forward Time Backward Space (FTBS). Hasil simulasi menunjukkan bahwa Bilangan Froude (????) merupakan parameter yang mengontrol stabilitas dan karakteristik gelombang. Ditemukan bahwa skema numerik stabil untuk ?????2, sementara nilai yang lebih rendah menyebabkan ketidakstabilan. Lebih lanjut, peningkatan Bilangan Froude dan kemiringan saluran (????) terbukti mempercepat perambatan gelombang serta meningkatkan kecuraman dan amplitudonya. Disimpulkan bahwa kemiringan saluran dan Bilangan Froude merupakan parameter dominan yang secara kolektif mengatur perambatan gelombang.
PROPER ORTHOGONAL DECOMPOSITION AND SPARSE IDENTIFICATION OF NONLINEAR DYNAMICS FOR FLUID DYNAMICS DATA
Fluid flows are at the core of many applications and to model them well with minimal complexity, you need to capture nonlinear dynamics effectively, which is important for areas ranging from turbulence modeling, flow control to fluid system optimization. Using traditional techniques to identify such dynamics is expensive and cumbersome, often requiring high-fidelity simulations to capture the salient features of the fluid flow. In this thesis, a hybrid approach is used. Proper Orthogonal Decomposition (POD) and Sparse Identification of Nonlinear Dynamics (SINDy) are combined to identify the dominant nonlinear dynamics of fluid flows effectively. POD is used to reduce dimensionality by extracting a specific set of orthogonal modes from high-dimensional fluid flow data that describe the most dominant spatial and temporal structures. These reduced-order modes provide the basis for a simplified model that captures the essential flow physics. The reduced-order data are then processed through the SINDy method, which relies on sparsity-promoting procedures to compute these minimal nonlinear differential equations, which determine the temporal patterns of the POD mode amplitudes. By targeting a sparse representation of the underlying dynamics, the method reveals the physical processes that allow the flow to retain its original design while still making the model computationally efficient and interpretable. To demonstrate the effectiveness of reproducing the flow dynamics for a fluid problem, The POD-SINDy method applied to the flow over three tandem equilateral triangle cylinders and the classic NACA0012 airfoil to demonstrate that it can accurately reproduce the nonlinearities of the flow. These models not only highlight the essential nonlinear interactions of what is happening in the models, but also provide new insights for further research into fluid dynamics as primitive processes. Combined with POD and SINDy, this approach forms a powerful method for flow prediction, control, and predictive turbulence modeling that can be applied in both fundamental research and engineering systems.