IDENTIFIKASI MODEL LINIER DAN NONLINIER DINAMIKA SISTEM SUSPENSI KENDARAAN TESTS MAGISTER Oleh Dirman Hanafi NIM : 23395019
H PROGRAM INSTRUMENTASI DAN KONTROL PROGRAM PASCASARJANA INSTITUT TEKNOLOGI BANDUNG 1998
t
6 .20. z /AN ..
IDENTIEIKASI MODEL, LINIEII DAN NONLINIER DINAMII{A SISTEM SUSPENSI KENDARAAN
: Dimino Hanel
:23395019
Pembimbing I
Pembimbing II
Dr. -lna. Yul Yunnzw~in Naz~ruddin, DIC~ NIP : 131 66$ 872
. D~r. Ir. Hariiono A,. TiokrOnesorQ NIP :130652 815
Avg/d0 bilmi 01* n*ha elan nWap'.i n ". -landa kekuasaan orang-orang yang berilmu pengetahuan ( Q S : Ali -lmran ayat 190)
W.
ABSTRAK Sistem suspensi dari kendaraan adalah bagian yang menentukan keamanan clan kenyamanan dari kendaraan yang bersangkutan. Faktor keamanan dan kenyamanan, antara lain ditentukan oleh besarnya defleksi suspensi clan percepatan vertikal bodz. Apabila sistem suspensi tak mampu meredam gaya yang ditimbulkan oleh kontur permukaan plan yang kasar, ini menyebabkan defleksi suspensi yang besar, sehingga mengakibatkan kendaraan tidak aman. Selain itu juga bodi (sprung mass) kendaraan akan mengalami percepatan vertikal yang besar, dimana hal ini menyebabkan kendaraan menjadi tidak nyaman. Besarnya percepatan vertikal yang terjadi pada bodi kendaraan ataupun defteksi pada sistem suspensi tergantung dari seberapa kasar kontur permukaan jalan. Semakin kasar kontur permukaan jalan, semakin besar gaya yang diterima oleh sistem suspensi. Guna mengetahui karakteristik dinamika bodi kendaraan dan sistem suspensi akibat kontur permukaan jalan tersebut, pada penelitian ini dicoba untuk melakukan pemodelan dinamika sistem suspensi kendaraan dengan menggunakan teknik ident~kasi. Data masukan-keluaran diperoleh dengan pengujian jalan (road test) kendaraan pada beberapa kontur permukaan jalan. Model diasumsikan merepresentasikan seperempat kendaraan dan mempunyai masukankeluaran tunggal (single-input single-output) serta mempunyai karakteristik nonlinier, dengan variabel masukan (input) adalah percepatan vertikal roda kendaraan clan keluaran (output) terdiri dari percepatan vertikal bodi kendaraan dan de, fleksi suspensi. Pemodelan dilakukan untuk karakteristik dinamika sistem suspensi yang dinyatakan dengan model percepatan vertikal bodi kendaraan clan model defleksi suspensi kendaraan. Kedua model tersebut selanjutnya akan diidentifikasi balk dengan algoritma model linier maupun algoritma model nonlinier, yang dirancang khusus untuk keperluan penelitian ini, d e n g a n tujuan untuk menunjukkan bahwa pada kondisi s e b e n a r n y a sistem suspensi memiliki sifat nonlinieritas. Dari hasil identifikasi, d i p e r o l e h bahwa representasi karakteristik dinamika sistem suspensi kendaraan dengan orde yang paling rendah adalah dal= struktur model Nonlinier Differential Equation (NDE). Tabel hasil identifikasi dari kedua model tersebut seperti terlihat berikut ini :
Model NDE na = nb 2 2 2 2 2
p
d
2_ 2 ~ 2 - 2 2 _2_ 2 3 2 2
h 1 1 2 2 3
No Tipe kekasaran permukaan jalan
Ivlode•1-NDE
Model Linier na
Model Hammerstein na
nb
d na = nt,
p
d l.a
Tipe jalan pertama (kasar) Y
4
= nb 2 2 2 2 2
p
2 2 2 2 2
d 1 1 2 2 2
h 1 1 1 2 2
ABSTRACT
Suspension system of the vehicle is a part that determines its comfort and safety. The comfort and safety factors are determined among others by the level of suspension deflection and vertical acceleration of the body. If the suspension system is not capable to absorb the forces that are exerted by the road roughness surface, a high level of suspension deflection will be produced, and therefore the vehicle is said to be unsafe. Moreover, the body of the vehicle (sprung mass) will vertically accelerated faster, and as a result the vehicle said to be discomfort. The level of vertical acceleration that is occurred on the vehicle's body as well as the deflection on the suspension system depends on the road roughness surface. The higher of the road roughness surface, bigger forces will be exerted to the suspension system. To understand the dynamic characteristics the vehicle's body and suspension system that are caused by the road surface contour, in this research, dynamic modeling of the vehicle suspension system is derived using identification method Input-output data were collected experimentally using the vehicle road test on different type of road roughness surfaces. The model is assumed to be a quarter vehicle model, single-input single-output type with nonlinear characteristic. The input is unsprung mass vertical acceleration and the output consists of sprung mass vertical acceleration and suspension deflection. The modeling was carried out for the dynamic's characteristic of the suspension system that is represented by sprung mass vertical acceleration model and suspension deflection model. Both models will be identified using linear and nonlinear model algorithms that were specifically designed for this research to show that in the real case the suspension system has nonlinear characteristics. The results of the identification showed that the lowest order of the dynamic's characteristic of the suspension is represented using Nonlinear Differential Equation (NDE). The identification results for both models are shown in the following tables. Table 1. The order of sprung mass vertical acceleration models according to the different road roughness surface No
Type of the road roughness surface
1. a The first road type (rough) 1.b The second road type (opposite direction from the first road type) 2 The village road type 3 The town road type 4 The toll road type
Linear Model na 7 7
nb 7 7
d 4 4
7 6 5
7 6 5
5 5 7
Hammerstein Model d na = nb p 3 2 2 3 2 3 3 3 3
2 2 2
2 3 3
NDE Model na = nb 2 2
p 2 2
d 2 2
h 1 1
2 2 2
2 2 2
2 3 2
2 2 3
Table 2. The order of the suspension deflection models according to the different road rou ghness surface No Type of the road roughness surface Line Hammerstein NDE Model ar Model Model n = n p d na = nb p d nb d a b na 1. a The first road type (rough) 4 4 1 3 2 1 2 2 1 1. b The second road type (opposite 4 4 1 3 2 1 2 2 1 direction. rom the first road type) 2 The village road type 4 4 2 3 2 2 2 2 2 3 The town road type 3 3 2 3 2 2 2 2 2 4 The toll road type 4 4 3 3 2 2 2 2 2 iv
h 1 1 1 2 2
KATA PENGANTAR Segala puji dan syukur penulis ucapkan kehadirat Allah SWT yang telah berkenan melimpahkan rahmatnya kepada penulis, sehingga penulisan tesis yang merupakan salah satu syarat untuk penyelesaian pendidikan Magister Program Instrumentasi dan Kontrol Institut Teknologi Bandung telah dapat diselesaikan. Pada kesempatan ini penulis sekaligus ingin mengucapkan terima
kasih kepada : 1. Bapak Yul Y. Nazaruddin dan Bapak Harijono A. Tjokronegoro sebagai dosen pembimbing, yang telah banyak meluangkan waktu dan pikirannya untuk memberikan bimbingan clan saran. 2. Bapak Zainal Abidin dan Ibu Farida I. Muchtadi sebagai penguji, yang telah bersedia meluangkan waktunya untuk menghadiri sidang ujian tesis kami. 3. Bapak Yul Yunazwin Nazaruddin sebagai dosen wali. 4. Bapak dan Ibu staf pengajar Program Magister Instrumentasi clan Kontrol Pascasarjana, ITB, atas bekal ilmu yang diberikan pada penulis. 5. Prof. Dr. Bertold Deppisch clan Prof. Dr. Hoepfel, yang telah banyak membantu dan membimbing
penulis selama melakukan penelitian di Fachbereich Naturwissenschaften, Sensorsystem Technic, Fachhochscule Karlsruhe,
6. Bapak Rektor dan Pembantu rektor Universitas Bung Hatta yang telah memberikan kesempatan pada penulis untuk melanjutkan studi di ITB. 7. Bapak Kepala UPT-LUK BPPT atas dibrikannya izin penggunaan beberapa peralatan pengukuran. 8. Bapak Joko Sarwono, Bapak Suprianto dan Bapak Ajat Sudrajat serta semua rekan-rekan mahasiswa PINK yang telah banyak membantu penulis. 9. Kepada kedua orang tua penulis yang telah banyak memberikan bantuan moril dan pengertiannya. 10. Istri penulis Lisa Dresia yang telah memberikan dorongan moril dan pengertiannya. Penulis yakin bahwa dalam tulisan ini masih banyak terdapat kekurangan-kekurangannya, untuk itu penulis mohon saran dan kritik dari berbagai pihak untuk kesempurnaan tulisan ini Semoga tulisan ini bermamfaat bagi perkembangan ilmu pengetahuan.
Bandung, Oktober 1998 Penulis Dirman Hanafi
v
DAFTAR SIMBOL
B
= konstanta elemen peredam (damper) sistem suspensi
M = massa bodi kendaraan K
= konstanta elemen pegas sistem suspensi
Z
= simpangan bodi kendaraan
Z„ = simpangan roda kendaraan p
= derajat nonlinieritas model
na = orde polinomial keluaran model nb = orde polinomial masukan model d = waktu tunda model h
= pergeseran waktu tunda dari operator model
u(t) = masukan sistem y(t) = keluaran sistem e(t) = gangguan sistem q)(t) = vektor masukan-keluaran sistem 0 = vektor parameter model Css = nilai tunak (dc) nonlinier model RN = fungsi kovariansi residual Rue = fungsi kovariansi silang residual dengan masukan sistem N = panjang data pengukuran n
= jumlah parameter
a = standar deviasi Tee =
statistik autokorelasi residual
rUe = statistik korelasi silang residual dengan masukan sistem V = fungsi kriteria
vi
DAFTAR ISI
HALAMAN JUDUL HALAMAN PENGESAHAN ABSTRAK KATA PENGANTAR DAFTAR SIMBOL DAFTAR ISI
i 11
v vi vii
BAB I. PENDAHULUAN 1.1 Latar Belakang 11.2 Tujuan Penelitian 1.3 Metoda Penelitian 1.4 Ruang Lingkup Penelitian 1.5 Sistematika Pembahasan BAB II. DINAMIKA SEPEREMPAT KENDARAAN DAN PENGUJIAN JALAN 2.1 Kekasaran Kontur Permukaan Jalan 2.2 Sistem Suspensi Kendaraan 2.3 Model Dinamika Seperempat Kendaraan 2.3.1 Elemen Pegas (Spring) Sistem Suspensi 2.3.2 Elemen Peredam (Damper) Sistem Suspensi 2.4 Pengujian Jalan Kendaraan dan Pemasangan Sensor BAB III. IDENTIFIKASI SISTEM 3.1 Proses Identifikasi Sistem 3.2 Estimasi Parameter 3.2.1 Pemodelan Sistem 3.2.1.1. Model Linier 3.2.1.2 Model Nonlinier 3.2.1.2.1 Model Hammerstein 3.2.1.2.2 Model NDE Metoda Estimasi Parameter Minimisasi Kesalahan Prediksi 3.3 Metoda Kuadrat Terkecil (Least Square) 3.4 Pemilihan Metoda Identifikasi 3.5 Pemilihan Struktur Model 3.6 Validasi 3.6.1 Tes Putih 3.6.2 Menetukan Waktu Tunda dan Orde Sistem BAB IV. PROSES IDENTIFIKASI 4.1 Pengujian Algoritma Identifikasi Model Nonlinier 4.1.1 Pemilihan Model Simulasi 4.1.2 Proses Identifikasi Parameter Model Simulasi 4.1.2.1 Identifikasi Model Hammerstein 4.1.2.2 Identifikasi Model Pertama 4.1.2.3 Identifikasi Model Kedua 4.1.2.2 Identifikasi Model NDE 4.1.2.2.1 Identifikasi Model Pertama 4.1.2.2.2 Identifikasi Model Kedua 3.2.2 3.2.3
vii
1 1 3 4 4 5 6 6 6 7 8 9 9 11 11 12 12 13 15 19 21 23 24
25 27 28 29 30 32 34 34 34 35 35 35 37 40 40 42
4.1.3 Kesimpulan Pengujian Algoritma 4.2 Identifikasi Parameter Model Percepatan Vertikal Bodi Kendaraan dan Model Defleksi Suspensi Kendaraan dari Tiap Tipe Permukaan Jalan 4.2.1 Tipe Jalan Pertama 4.2.1.1 Algoritma Model Linier 4.2.1.1.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.1.1.2 Model Defleksi Suspensi Kendaraan 4.2.1.2 Algoritma Model Hammerstein 4.2.1.2.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.1.2.2 Model Defleksi Suspensi Kendaraan 4.2.1.3 Algoritma Model NDE 4.2.1.3.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.1.3.2 Model Defleksi Suspensi Kendaraan 4.2.2 Tipe Jalan Kedua (Arch Berlawanan dari Jalan Pertama) 4.2.2.1 Algoritma Model Linier 4.2.2.1.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.2.1.2 Model Defleksi Suspensi Kendaraan 4.2.2.2 Algoritma Model Hammerstein 4.2.2.2.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.2.2.2 Model Defleksi Suspensi Kendaraan 4.2.2.3 Algoritma Model NDE 4.2.2.3.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.2.3.2 Model Defleksi Suspensi Kendaraan 4.2.3 Tipe Jalan Desa 4.2.3.1 Algoritma Model Linier 4.2.3.1.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.3.1.2 Model Defleksi Suspensi Kendaraan 4.2.3.2 Algoritma Model Hammerstein 4.2.3.2.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.3.2.2 Model Defleksi Suspensi Kendaraan 4.2.3.3 Algoritma Model NDE 4.2.3.3.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.3.3.2 Model Defleksi Suspensi Kendaraan 4.2.4 Tipe Jalan Kota 4.2.4.1 Algoritma Model Linier 4.2.4.1.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.4.1.2 Model Defleksi Suspensi Kendaraan 4.2.4.2 Algoritma Model Hammerstein 4.2.4.2.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.4.2.2 Model Defleksi Suspensi Kendaraan 4.2.4.3 Algoritma Model NDE 4.2.4.3.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.4.3.2 Model Defleksi Suspensi Kendaraan 4.2.5 Tipe Jalan Tol 4.2.5.1 Algoritma Model Linier 4.2.5.1.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.5.1.2 Model Defleksi Suspensi Kendaraan 4.2.5.2 Algoritma Model Hammerstein 4.2.5.2.1 Model Percepatan Vertikal Bodi Kendaraan
44 44 44 44 45 46 47 47 48 50 50 51 52 52 52 53 53 53 54 55 55 55 56 56 56 57 57 57 58 59 59 59 60 60 60 61 61 61 62 63 63 63 64 64 64 65 65 65
4.2.5.2.2 Model Defleksi Suspensi Kendaraan 4.2.5.3 Algoritma Model NDE 4.2.5.3.1 Model Percepatan Vertikal Bodi Kendaraan 4.2.5.3.2 Model Defleksi Suspensi Kendaraan BAB V. KESIMPULAN DAN SARAN 5.1 Kesimpulan 5.2 Saran-saran
66 67 67 67 69 69 71
DAFTAR PUSTAKA
72
LAMPIRAN A : GRAFIK SINYAL MASUKAN-KELUARAN DARI PENGUJIAN JALAN KENDARAAN LAMPIRAN B.1 : GRAFIK HASIL IDENTIFIKASI ALGORITMA MODEL LINTER UNTUK MODEL PERCEPATAN VERTIKAL BODI KENDARAAN LAMPIRAN B.2 : GRAFIK HASIL IDENTIFIKASI ALGORITMA MODEL LINTER UNTUK MODEL DEFLEKSI SUSPENSI KENDARAAN LAMPIRAN C.1 : GRAFIK HASIL IDENTIFIKASI ALGORITMA MODEL HAMMERSTEIN UNTUK MODEL PERCEPATAN VERTIKAL BODI KENDARAAN LAMPIRAN C.2 : GRAFIK HASIL IDENTIFIKASI ALGORITMA MODEL HAMMERSTEIN UNTUK MODEL DEFLEKSI SUSPENSI KENDARAAN LAMPIRAN D.1 : GRAFIK HASIL IDENTIFIKASI ALGORITMA MODEL NDE UNTUK MODEL PERCEPATAN VERTIKAL BODI KENDARAAN LAMPIRAN D.2 : GRAFIK HASIL IDENTIFIKASI ALGORITMA MODEL NDE UNTUK MODEL DEFLEKSI SUSPENSI KENDARAAN LAMPIRAN E : INTEGRASI DATA LAMPIRAN F : PENURUNAN DISKRITISASI BACKWARD DIFFERENC EQUATION LAMPIRAN F : DISKRITISASI MODEL NONLINIER DINAMIKA SISTEM SUSPENSI SEPEREMPAT KENDARAAN
ix
74 75 78
81
85 89 92 95 96 97
BAB V. KESIMPULAN DAN SARAN
5.1. Kesimpulan
Parameter CSS adalah termasuk paramerte model yang akan diestimasi yang bersifat nonstasioner. Dimana harganya tergantung pada nilai saat sekarang, sehingga parameter tersebut akan mempengaruhi dinamika model. Analisis dan validasi dari proses estimasi yang dilakukan di atas telah menghasilkan parameter yang terbaik, dari model percepatan vertikal bodi dan defleksi suspensi kendaraan. Berdasarkan kriteria kuadrat terkecil dan algoritma model nonlinier dan linier serta tipe kekasaran kontur permukaan jalan. Orde model yang diperoleh dari tiap-tiap tipe permukaan jalan diperlihatkan pada tabe15.1 dan 5.2.
Tabe15.1 Orde model percepatan vertikal bodi kendaraan clan tiap tipe jalan.
No
Tipe kekasaran pennukaan jalan
Model Linier
Model
Model NDE
Hammerstein na
rib
d
na
p
d
rib
l.a
Tipe jalan pertama Omar)
1.b Tipe jalan
kedua (arah balik dari
na
p
d
h
~
7
7
4
3
2
2
2
2
2
1
7
7
4
3
2
3
2
2
2
1
pertama) 2
Tipe jalan desa
7
7
5
3
2
2
2
2
2
2
3
Tipe jalan kota
6
6
5
3
2
3
2
2
3
2
4
Tipe jalan tol
5
5
7
3
2
3
2
2
2
3
69
Tabel 26. Orde model defleksi suspensi kendaraan dari tiap tipe jalan.
No
Tipe kekasaran permukaan jalan
Model Linier
Model
Model NDE
Hammerstein ~
nb
d
na
p
d
Tipe jalan pertama (kasar)
1.b Tipe jalan kedua (arah balik
dari
p
d
h
nb
nb l.a
~
4
4
1
3
2
1
2
2
1
1
4
4
1
3
2
1
2
2
1
1
pertama) 2
Tipe jalan desa
4
4
2
3
2
2
2
2
2
1
3
Tipe jalan kota
3
3
2
3
2
2
2
2
2
2
4
Tipe jalan tol
4
4
3
3
2
2
2
2
2
2
Dari tabel-tabel diatas dan basil proses identifikasi dapat disimpulkan :
1. Orde model yang dihasilkan dari algoritma identifikasi model nonlinier lebih rendah dibandingkan dengan model linier, hal ini menunjukan bahwa dalam keadaan sesungguhnya dinamika sistem suspensi kendaraan memiliki karakteristik nonlinieritas. 2. Model percepatan vertikal bodi dan defleksi suspensi kendaraan yang dihasilkan algoritma model nonlinier NDE adalah yang paling rendah. 3. Semakin halus kontur permukaan jalan dari gambar percepatan vertikal bodi dan defleksi suspensi kendaraan yang diperoleh memperlihatkan bahwa amplitudonya semakin kecil. Hal ini merepresentasikan bahwa sistem suspensi bekerja makin baik sekaligus menggambarkan bahwa faktor kenyamanan dan keamanan kendaraan semakin . 4. Tidak samanya orde model prediksi (model seperempat kendaraan yang diturunkan dengan penerapan hukum-hukum fisika) dengan basil identifikasi antara lain disebabkan asumsi yang dipergunakan untuk menurunkan model prediksi tidak berlaku, misalnya pengaruh antar suspensi diabaikan, berat kendaraan dianggap terdistribusi merata pada semau bagian, dinamika beban, dinamika permukaan jalan, pengaruh umur sistem suspensi, pengaruh stir, pengaruh kecepatan kendaraan dan lain-lain semuanya tidak diperhitungkan, sebaliknya pada
70
proses identifikasi semua faktor tersebut secara tidak langsung telah terkandung dalam data masukan-keluaran hasil pengukuran. 5. Tabel-tabel pada BAB IV. memperlihatkan nilai FPE dan loss Function yang minimum dari kombinasi orde yang dipilih. Begitu juga fungsi kovariansi residual berada dalam limit kepercayaan yang diinginkan. 6. Gambar-gambar dari hasil proses identifikasi, terlihat bahwa keluaran model cukup bisa mengikuti data hasil pengukuran, walaupun pada respons impuls dan step dari model percepatan vertikal bodi kendaraan tidak berimpit namun hampir mirip, sehingga model yang diperoleh
dapat
diasumsikan
mampu
merepresentasikan
dinamika
sistem.
Kurang
mendekatinya respons impuls maupun respons step tersebut adalah disebabkan respons impuls ataupun respons step dan sistem bukan berasal dari pengukuran dengan memberikan masukan impuls dan step, melainkan dari data masukan-keluaran hasil pengujian jalan kendaraan.
5.2. Saran-saran
Estimasi parameter model-model yang dilakukan dalam penelitian ini adalah secara linier dengan menggunakan kriteria kuadrat terkecil, maka untuk memperoleh hasil yang lebih sempurna disarankan dalam penelitian selanjutnya agar parameter model nonlinier tersebut diestimasi secara nonlinier pula. Kemudian juga jika memungkinkan masukan yang diukur adalah betul-betul kekasaran kontur permukaan jalan.
71
DAFTAR PUSTAKA
Gillespie, Thomas D., "Fundamental of Vehicle Dynamics", Society of Automotive Engineering, Inc., United State of America, 1994. [2]. Hanafi, Dirman; Deppisch, Bertold dan Nazaruddin, Yul Y., "Identification of a Quarter-Vehicle Model", Research Program Report, Fachbereich Naturwissenschaften, Studiengang Sensorsystem Technik, Fachhochschule Karlsruhe, Germany, 1997. [3]. Kortum, Willi dan Lugne, Peter, "System Dynamik and Regelung von Fahrzeugen", Springer-Verlag, Berlin, Heidelberg, 1994. [4]. Hu, Hong-Xing, "Experimental Validation of a Half-vehicle Suspension Model ", SAE Technical Paper Series, USA, 1993. [5]• Rajamani, Rajesh and Hedrick, J.Karl,"Adaptive Observers for Active Automotive Suspension Theory and Experiment",IEEE Trans. on Control Systems Technology, Vol. 3, pp.86-93, 1 March 1995. [6]. Alleyne, Andrew and Hedrick, J.Karl,"Nonlinear Adaptive Control of Active Suspensions", IEEE Trans. on Control Systems Technology, Vol.3, pp.94-101, 1 March 1995. [7]. Rajamani, Rajesh dan Hedrick, J.Karl,"Adaptive Observers for Active Automotive Suspension Theory and Experiment",IEEE Trans. on Control Systems Technology, Vol. 3, pp.86-93, 1 March 1995. [8]. Alleyne, Andrew dan Hedrick, J.Karl,"Nonlinear Adaptive Control of Active Suspensions", IEEE Trans. on Control Systems Technology, Vol.3, pp.94-101, 1 March 1995. [9]. Nazaruddin, Yul Y; Soenarko, Benjamin dan Martinus, Donny, "Performance Analysis of an Optimal Preview Control for Semi Active Vehicle Suspension System ", Proceeding of the Second Asian Control Conference (ASCC), Seoul, Korea, 22-25 Juli 1997. [10]. Landau, ID, "System Identification and Control Design", Prentice Hall Inc., Englewood Cliffs, 1990. [11]. Johansson, Rolf, "System Modeling and Identification", Prentice Hall Inc., Englewood Cliffs, 1993. [12]. Ljung, Lennart, "System Identification : Theory for the User", Prentice Hall Inc., Englewood Cliffs, 1987. [13]. Ljung, Lennart, "System Identification Toolbox User 's Guide", The Math Works Inc., July 1991. [14]. Huisman, Rudolf, "A Controller and Observer for Active Suspension with Preview", Doctoral thesis, Eindhoven University of Technology, 1994
72
[15]. Mills, C.H.G, " Noise Inside and Outside the Vehicle ", Research Group Head (Acaustics and Instrumentation) Motor Industry Research Association, Automotive Technology Series, Vol.7, pp. 47-75, 1969 [16]. Pallard, M.G, " Vehicle Suspension Systems and Passenger Comfort ", Construction Industry Conference Center Limited Proceeding, University of Nottingham, April, 1978 [17]. Hanafi, Dirman, "Laporan Pengujian Jalan Kendaraan", Program Pasca. Sarjana Instrumentasi dan Kontrol (PINK), Institut Teknologi Bandung, 1997. [18]. Nazaruddin, Yul.Y, "Identifikasi Sistem Stokastik Berbasis Ruang Keadaan Dengan Metoda Prediksi Kesalahan Rekursif ", Publikasi Ilmiah PPI-KIM'94, Jakarta, November, 1994, hal. 467-478. [19]. Soderstom, T,"Identication Method of Stochatics Linear System in Presence of Input Noise" , Automatica, Vol. 16, pp.713-725, 1997. [20]. Steiglitz, K dan Mc Bride, L.E,"A Technique for the Identification of Linear Systems", IEEE Trans. Automatic Control, Vol.AX-10, pp.461-464, 1965. [21]. Kortmann, D dan Unbehauen, H," Identification Method for Nonlinear MISO Systems", IFAC World Congress, Munich, July, 1987. [22]. Kortmann, D dan Unbehauen, H,"A Model Structure Selection Algorithm in the Identification of Multivariable Nonlinear Systems with Application to a Turbogeneration Set", IFAC World Congress, Munich, July, 1987. [23]. Haber, R dan Unbehauen, H, "Structure Identification of Nonlinear Dynamic Systems a Survey on Inpput-output Approaches", Automatica, Vol.26, pp.651-667, 1990.
73
