laporan kp rifa'atul fadilah - prodi
DESCRIPTION
Submission for a college assignmentTRANSCRIPT
-
SIMULASI REKONSTRUKSI ECVT SENSOR PLANAR
Disusun Oleh:
Rifaatul Fadilah
1111097000015
Jurusan Fisika
Fakultas Sains Dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
2014
Tugas ini disusun sebagai salah satu syarat Kerja Praktik.
Pembimbing Marlin R. Baidillah, M.Sc
-
i
SIMULASI REKONSTRUKSI ECVT SENSOR PLANAR
Laporan Kerja Praktik
Diajukan untuk memenuhi kurikulum tugas mata kuliah kerja praktik Pada
Jurusan Fisika
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh
Rifaatul Fadilah
1111097000015
Mengetahui,
Pembimbing Kerja Praktek Dosen Pembimbing
Marlin R. Baidillah, M.Sc
Elvan Yuniarti, M.Si NIP. 19791227 200801 2 015
Menyetujui,
Ketua Program Studi Fisika
Sutrisno, M.Si NIP. 19590219 198203 1 005
-
ii
Simulasi Rekonstruksi ECVT Sensor Planar
Abstrak
Keperluan dalam bidang industri dan medis yang tinggi, telah menjadikan teknologi pencitraan
terus diteliti dan dikembangkan. Dalam pengembangannya, telah diciptakan Electrical
Capacitance Volume Tomography sebagai teknologi pencitraan mutakhir yang berbasiskan
pengukuran kapasitansi sehingga didapatkan sebaran permitivitasnya yang kemudian dipetakan
pada ruang 3D sehingga diperoleh suatu citra volumetric dari suatu objek. Proses pencitraan dapat
dilakukan salah satunya yaitu dengan simulasi. Dilakukannya simulasi bertujuan untuk
mengoptimalkan sensitivitas pada sensor pada desain vessel tertentu. Kemudian dengan bantuan
Matlab dapat dicari matriks kapasitansinya meskipun tanpa melakukan eksperimen. Ini dilakukan
untuk mempercepat proses rekonstruksi serta memudahkan pengambilan data kapasitansi. Vessel
yang digunakan bermacam-macam, salah satunya yaitu vessel planar. Dengan jumlah sensor yang
berbeda-beda pula. Semakin banyak jumlah sensornya maka semakin baik sensitivitasnya. Namun
proses rekonstruksi lebih lama dan dapat memberatkan software yang digunakan tergantung pada
spesifikasi komputernya. Karena itu, setelah didapatkannya hasil rekonstruksi dapat dilakukan
kembali rekonstruksi dengan desain sensor yang lebih baik dan memiliki sensitivitas yang bagus.
Kata kunci: Rekonstruksi, Simulasi ECVT
-
iii
DAFTAR ISI
Abstrak ............................................................................................................................................. ii
DAFTAR ISI.................................................................................................................................... iii
DAFTAR GAMBAR.........................................................................................................................v
BAB I................................................................................................................................................1
PENDAHULUAN .............................................................................................................................1
A. Latar Belakang ........................................................................................................................1
B. Tujuan Kerja Praktik................................................................................................................2
C. Manfaat Praktik Kerja Lapangan ..............................................................................................2
D. Waktu dan Tempat Praktik Kerja Lapangan...............................................................................2
BAB II ..............................................................................................................................................3
GAMBARAN UMUM CTECH LABS EDWAR TECHNOLOGY ...................................................3
A. PT.EdWar Technology Indonesia .............................................................................................3
B. Sejarah Berdirinya PT. EdWar Technology ...............................................................................3
C. Visi dan Misi...........................................................................................................................4
D. Produk dan Layanan ................................................................................................................5
1. Full Tomography and Imaging System ..................................................................................5
2. Image Reconstruction Software (IRS) ...................................................................................5
3. Data Acquisition System (DAS) ...........................................................................................5
4. 3D Custom Sensor Designed and Electrical Field Computation Service ...................................6
5. Sensitivity Map Generation, Design Analysis, Image Reconstruction Performance Testing.......6
E. Struktur Bidang Penelitian PT. EdWar Technology....................................................................7
BAB III .............................................................................................................................................8
TINJAUAN PUSTAKA ....................................................................................................................8
A. Tomography............................................................................................................................8
B. Tomography berdasarkan Kapasitansi Medium..........................................................................9
1. Electrical Capacitance Tomography(ECT).............................................................................9
2. Electrical Capacitance Volume Tomography (ECVT) .......................................................... 10
C. Hubungan Matrik Sensitivitas dan Matrik Kapasitansi ............................................................. 12
1. Medan Listrik Pada Bahan Dielektrik .................................................................................. 12
-
iv
2. Persamaan Distribusi Potensial Listrik................................................................................. 14
3. Kapasitansi pada ECVT ..................................................................................................... 14
D. Rekonstruksi Citra .................................................................................................................15
1. Problema Maju .................................................................................................................. 15
2. Problema Inversi................................................................................................................ 16
3. Metode Rekonstruksi Citra ECVT....................................................................................... 16
BAB IV ........................................................................................................................................... 18
PELAKSANAAN PRAKTIK KERJA LAPANGAN....................................................................... 18
A. Peralatan dan Perlengkapan Kerja ........................................................................................... 18
B. Metode Praktik Kerja Lapangan ............................................................................................. 18
C. Langkah-langkah Praktik Kerja Lapangan ............................................................................... 19
1. Sensitivitas Matriks............................................................................................................ 19
2. Kapasitansi ........................................................................................................................ 24
3. Rekonstruksi Citra ............................................................................................................. 24
D. Hasil Eksperimen .................................................................................................................. 26
BAB V............................................................................................................................................. 31
KESIMPULAN DAN SARAN ........................................................................................................ 31
A. Kesimpulan ........................................................................................................................... 31
B. Saran .................................................................................................................................... 31
DAFTAR PUSTAKA ...................................................................................................................... 32
-
v
Daftar Gambar
Gambar 2.1 Sensor ECVT yang telah diproduksi EdWar Technology .5
Gambar 2.2 Struktur Organisasi PT. EdWar Technology7
Gambar 3.1 Ilustrasi dari prinsip tomography .9
Gambar 3.2 Sensor ECT dengan sampel objek didalamnya10
Gambar 3.3 Tiga elemen pokok ECVT11
Gambar 3.4 Sistem sensor pada ECVT12
Gambar 4.1 Metode yang digunakan untuk rekonstruksi18
Gambar 4.2 Subdomain setting..20
Gambar 4.3 Geometri yang di-setting boundary-nya20
Gambar 4.4 Pengaturan Boundary untuk 16 plat sebagai port21
Gambar 4.5 Parameter Mesh ukuran normal22
Gambar 4.6 Geometri yang sudah di-mesh.22
Gambar 4.7 Pengaturan Parameter Solving.23
Gambar 4.8 Hasil yang sudah di-solve23
Gambar 4.9 Flowchart Metode Landweber26
Gambar 4.10 Hasil grafik sensitvitas yang ternormalisasi26
Gambar 4.11 Sensitivitas X-Y untuk setiap level z27
-
1
BAB I
PENDAHULUAN
A. Latar Belakang
Teknologi pencitraan tomografi telah menjadi keperluan penting bagi perindustrian, kesehatan
maupun kebumian, sebagai teknologi pencitraan paling mutakhir sejak pertama kali
dikembangkan. Teknologi tomografi yaitu teknik pencitraan yang menghasilkan gambaran
potongan lintang suatu objek melalui pengolahan terhadap sinyal proyeksi trans-aksial dari
objek tersebut. Pada bidang kebumian atau geofisika, teknologi tomografi diaplikasikan untuk
melihat jenis bebatuan dan susunan permukaan di bawah tanah. Pada bidang perindustr ian
minyak, teknologi tomografi digunakan untuk menerawang distilator saat proses pemisahan gas
dengan minyak mentah. Sedangkan, pada bidang kedokteran, teknologi tomografi dibutuhkan
untuk melihat organ tubuh manusia tanpa harus melakukan pembedahan. Pengaplikas ian
teknologi ini di bidang kedokteran telah banyak digunakan diantaranya pada alat-alat medis
seperti Magnetic Resonance Imaging (MRI), tomografi X-ray, tomografi -ray, Positron
Emission Tomography (PET), Electrical Magnetic Tomography (EMT), Electrical Capacitance
Tomography (ECT). Sedangkan ECT merupakan teknologi tomografi yang paling unggul dalam
hal biaya, kecepatan, keamanan dan aplikasi vessel dalam berbagai bentuk geometri. Namun
kini, ECT telah berkembang sejak pertama kali diperkenalkan pada tahun 1980 di Morgantown
Energy Technology Center (METC). Resolusi yang mampu dicapai teknologi ECT terbatas,
tergantung pada desain sensor dan rekonstruksi gambarnya. Setelah itu, ECT dikembangkan
menjadi ECVT, yaitu sensor kapasitansi yang mengelilingi sebuah objek volumetrik sehingga
dapat menghasilkan pencitraan 4 dimensi (real time) yang kemudian direkonstruksi dengan
memanfaatkan data penyebaran distribusi permitivitas dielektrik dari hasil pengukuran
kapasitansi. Karena itu prinsip ECVT sedikit berbeda dengan teknologi tomografi lainnya yang
pada dasarnya hanya dapat menghasilkan pencitraan dua dan tiga dimensi.
Teknologi ECVT pertama kali muncul sembilan tahun lalu di laboratosium The Ohio State
University. Kini banyak negara yang mengembangkan teknologi ECVT diantaranya Indonesia.
Di Indonesia ECVT dikembangkan oleh Dr. Warsito bersama teman-temannya sejak tahun
-
2
2007. Kemudian Dr. Warsito mengembangkan ECVT di sebuah pusat riset tomografi bernama
Ctech Lab Edwar Technology.
B. Tujuan Kerja Praktik
Kerja praktik ini bertujuan untuk:
1. Mempelajari sistem atau cara kerja Electrical Capacitance Volume Tomography
(ECVT).
2. Mempelajari bagaimana membuat simulasi dan desain sensor pada Electrical
Capacitance Volume Tomography (ECVT) dengan bentuk geometri planar.
3. Melakukan uji sensitivitas sensor planar.
4. Merekonstruksi citra dengan Matlab.
C. Manfaat Praktek Kerja Lapangan
Praktek kerja lapangan ini bermanfaat untuk:
1. Mempelajari teori dasar Tomografi
2. Mengetahui cara kerja Electrical Capacitance Volume Tomography
(ECVT)
3. Mempelajari cara mensimulasikan sensor dengan geometri planar
4. Menghitung sensitivitas sensor dengan Matlab
D. Waktu dan Tempat Pelaksanaan
Tempat : CTECH Labs Edwar Technology, Jl. Jalur Sutera Kavling Spectra Blok 23C
No. 10-12 Alam Sutera, Tangerang.
Waktu : 21 Februari 2014-21 Maret 2014
-
3
BAB II
GAMBARAN UMUM CTECH LABS EDWAR
TECHNOLOGY
A. PT. EdWar Technology Indonesia
Ctech Labs (Center for Tomography Research Laboratory) EdWar Technology merupakan
perusahan yang bergerak di bidang riset tomografi. Perusahaan yang didirikan oleh Dr. Warsito
Purwo Taruno bersama Dr. Edi Sukur ini terletak di kawasan Alam Sutera, Tangerang Selatan,
Indonesia. Nama EdWar Technology sendiri berasal dari nama panggilan kedua pendirinya
yakni Edi dan Warsito yang disingkat menjadi EdWar. Ctech Labs EdWar Technology menelit i
dan mengembangkan sistem pemantauan dan pemeriksaan yang fokus kepada teknologi
Electrical Capacitance Tomography serta sensor ultrasonik. Selama pengembangannya, Ctech
Labs EdWar Technology telah mendapatkan prestasi-prestasi membanggakan diantaranya,
penemuan baru dalam bidang ECT, yaitu Electrical Capacitance Volume Tomography (ECVT).
Teknologi ini memungkinkan untuk membuat pencitraan 3D dari sebuah objek bergerak (real
time) atau real time volume imaging 4D. Perusahaan ini didirikan sebagai bentuk realisasi nyata
dari mimpi Dr. Warsito, yaitu mendirikan institut riset kelas dunia di Indonesia.
B. Sejarah Berdirinya PT. EdWar Technology
Warsito P. Taruno adalah peneliti level dunia yang penelitiannya selamaini berfokus pada
pengembangan ECVT. Bermula dari tugas akhir Wrsito ketika masih menjadi mahasiswa S-1
di Fakultas Teknik Jurusan Teknik Kimia, Universitas Shizuoka, Jepang, pada tahun 1991.
Ketika itu pria kelahiran Solo pada 1967 ini ingin membuat teknologi yang mampu melihat
tembus dinding reaktor yang terbuat dari baja atau objek yang opaque (tak tembus cahaya).
Beliau lantas melakukan riset di Laboratorium of Molecular Transport di bawah bimbingan
Profesor Shigeo Uchida. Beliau kemudian meneruskan S-2 Teknik Kimia dan S-3 Teknik
Elektronika di Universitas Shizuoka. Tesis dan disertasinya tetap mengenai teknologi tomografi.
-
4
Pada 1999, beliau hijrah ke Amerika Serikat. Berbekal dengan riset tentang tomografi, beliau
menjadi satu dari 15 peneliti papan atas dunia di Industrial Research Consortium, Ohio State
University sebuah lembaga riset terpandang yang menjadi acuan sejumlah perusahaan minyak
raksasa di dunia seperti Exxon Mobil, Conoco Phillips, dan Shell. Publikasi temuan Dr. Warsito
pertama kali dirilis Ohio State Research News edisi 27 Maret 2006 yang kemudian di kutip
Science Daily (Amerika Serikat), Scenta (Inggris), Chemical Online, Electronics Weekly dan
hampir seluruh media pemberitaan iptek. Empat tahun beliau curahkan tenaga dan waktu di
Amerika. Mulai 2003 hingga 2006, ia memilih bolak-balik antara Amerika dan Indonesia. Pada
akhirnya, beliau memutuskan kembali ke tanah air Indonesia untuk mendirikan Ctech Labs, dan
pada tahun 2007 didirikanlah Ctech Labs Edwar Technology.
C. Visi dan Misi
1. Visi PT.EdWar Technology
Visi dari PT. EDWAR Thechnology adalah menjadi lembaga yang terkemuka di dunia
untuk penelitian dan pengembangan sistem Tomography.
2. Misi PT. EdWar Technology
a. Menjadi Research &Development kelas dunia untuk sistem Tomography dan
instrumentasi.
b. Mengembangkan dan melisensi inovasi dari sistem tomography dan hasilnya
untuk alatalat dunia industri dan aplikasi lainnya.
c. Bekerja sama dengan Universitas dan lembaga-lembaga penelitian bertaraf
internasional sebaik mitra dalam negeri dalam upaya meningkatkan
pengembangan ilmu dan pengetahuan dan teknologi di Indonesia.
d. Meningkatkan penelitian dan pengembangan ilmiah pada universitas-universitas
dan lembaga penelitian nasional.
e. Membudayakan ilmuwan dan engineers yang memiliki high-skilled sehingga
mampu melakukan Research & Development kelas dunia.
-
5
D. Produk dan Layanan
Produk-produk yang telah dihasilkan serta layanan yang diberikan perusahaan ini adalah :
1. Full Tomography and Imaging System
- ECVT System and ECVT Image Reconstruction Software
- Ultrasound Tomography
- Multi-approach Ultrasound NDT
- Electrical Impedance Tomography
Gambar 2.1 Sensor ECVT yang telah diproduksi EdWar Technology
2. Image Reconstruction Software (IRS)
IRS adalah rekonstruksi gambar and post-processing software untuk Electrical
Capacitance Volume Tomography (ECVT). Software ini dapat dijalankan
menggunakan MATLAB version 6.0 atau yang lebih tinggi. Pilihan yang
fleksibel dari penggunaan rekonstruksi algorithma yang berbeda disediakan
untuk ini, termasuk: linear back projection (LBP), iterative linear back
projection (ILBP), Regulasi Thikonov, and optimasi multi-criterion. Post-
processing software terdiri atas: berbagai grafik permitivitas 3D ditampilkan,
berbagai gambar 2D ditampilkan, kecepatan pemetaan 3D, konstruksi film layar
(benda bergerak) 3D. Software ini kompatibel dengan Windows 98, 2000, XP
OS.
3. Data Acquisition System (DAS)
-
6
Data Acquisition System (DAS) adalah alat yang digunakan untuk mengakuis is i
data kapasitansi pada ECVT. DAS yang dibuat akan berlaku untuk 8, 12, 16, 24
dan 32 channel. Sistem akuisisi data terdiri dari rangkaian Sensor dan papan
akuisisi data yang terdiri atas multiplexer, ADC converter, Programmable
Microcontroller gain amplifier, yang dihubungkan dengan PC menggunakan
serial link.
Waktu akuisisi data kecepatan clock mencapai 2MHz menggunakan sistem 100
volume gambar per detik selama 8 channel, 80 volume gambar per detik untuk
12 saluran, 60 volume gambar per detik untuk 16 channel dan 40 volume gambar
per detik untuk 24 saluran.
4. 3D Custom Sensor Designed and Electrical Field Computation Service
3D sensor design : ECVT memungkinkan penggunaan sebuah bentuk acak
Sensor geometries untuk berbagai aplikasi dan tidak terbatas pada pipa bengkok
(L), T-junction , kerucut, kubus dan bahkan pesawat flat atau kombinasinya.
Electrical Field Computation : FEM digunakan untuk melakukan penghitungan
medan listrik 3D menggunakan perangkat lunak berlisensi Opera-3D dan
COMSOL.
5. Sensitivity Map Generation, Design Analysis, Image Reconstruction Performance
Testing
Sensitivity Map Generation : Sensitivitas peta (matriks) memiliki peran penting
dalam proses rekonstruksi listrik Tomography gambar, sehingga generasi yang
sangat penting dalam pengembangan sistem Tomography.
Sensitivity distribution analysis, design check up and reconstruction
performance testing : analisa komperhensive untuk sensitivitas lead distribus i
-
7
untuk pengembangan yang kuat Sensor desain untuk geometri khusus. Analis is
termasuk memeriksa ketersediaan mati zona dan tes gambar rekonstruksi kinerja.
E. Struktur Bidang Penelitian PT. EdWar Technology
Struktur Organisasi PT.EdWar Technology sebagaimana terlihat pada gambar.
Gambar 2.2 Struktur Organisasi PT. EdWar Technology
-
8
BAB III
TINJAUAN PUSTAKA
A. Tomografi
Ditinjau secara arti kata harfiah, tomografi berasal dari dua kata, yaitu tomos yang
artinya potongan dan graphia yang artinya penggambaran. Jadi secara harfiah
tomografi berarti potongan-potongan dari suatu objek yang menghasilkan suatu
penggambaran atau pencitraan. Sehingga, tomografi didefinisikan sebagai proses
eksplorasi karakteristik internal daerah tertentu melalui integral pengukuran yang
berhubungan dengan karakteristik internal dari domain tertentu.
Teknologi pencitraan tomografi telah berkembang pesat dan menjadi salah satu
pendorong majunya teknologi bidang kesehatan, perindustrian maupun kebumian.
Pada bidang riset kebumian atau geofisik, teknologi tomografi digunakan untuk
merekonstruksi struktur permukaan bawah tanah sehingga dapat dilakukan analis is
kandungan bawah tanah. Dalam dunia perindustrian, teknologi tomografi
dimanfaatkan untuk mengamati proses transfer minyak pada pipa sehingga dapat
terlihat jika ada kerusakan pada pipa. Sedangkan pada bidang kesehatan, diagnosa
penyakit dapat lebih mudah dilakukan dan lebih akurat dengan teknologi tomografi,
bahkan dapat juga dilakukan terapi khusus kanker dengan teknologi ini. Dengan
tomografi, dokter dapat melihat kondisi internal tubuh pasien dan juga melihat jika
ada keabnormalan sehingga sumber penyakit dapat dijelaskan dengan baik. Terapi
kanker yang dilakukan dengan teknologi tomografi dapat dideteksi lokasi sel kanker
dalam tubuh sehingga metode terapi yang dijalankan dapat dilakukan lebih tepat
sasaran, yaitu terapi menghancurkan tepat sel kanker saja dan tidak merusak sel
sehat. Saat ini telah banyak dikembangkan teknologi tomografi dalam bidang
kesehatan, diantaranya adalah Computed Tomography Scan (CT Scan), Magnetic
Resonance Imaging (MRI), Positron Emission Tomography (PET), X-Ray
Tomography, Electrical Inductance Tomography, Electrical Resitance Tomography,
dan Electrical Capacitance Tomography (ECT).
-
9
Gambar 3.1 Ilustrasi dari prinsip tomography
B. Tomografi berdasarkan Kapasitansi Medium
1. Electrical Capacitance Tomography (ECT)
Electrical Capacitance Tomography (ECT) merupakan salah satu teknologi
tomografi berbasis pengukuran besaran listrik yang telah banyak
dikembangkan sejak pertama kali diperkenalkan pada tahun 1980-an oleh
sekelompok peneliti dari US Department of Energy Morgantown Energy
Technology Center (METC) dan pda tahu 1990 dikembangkan lagi oleh
University of Manchester Institute of Science and Technology (UMIST).
Secara umum, cara kerja ECT dengan mengukur variasi nilai kapasitansi
pada daerah antara pasangan elektroda di sekitar sebuah objek dan dengan
memetakan konstanta dielektrik yang didapat, citra dapat direkonstruks i.
Pada awal pengembangannya, pengaplikasian ECT telah banyak digunakan
pada bidang perindustrian minyak dan gas,yaitu untuk mencitrakan proses
aliran gas dalam pipa, proses pemisahan minyak dan gas, serta proses
pembakaran. Electrical Capacitance Tomography memiliki banyak
elektroda mengitari area yang akan dideteksi. Elektroda-elektroda ini akan
berperan sebagai kapasitor dan ruang diantaranya adalah dielektrik. Salah
satu pelat elektroda akan dijadikan sumber muatan sedangkan pelat lainnya
secara bergantian dijadikan detector yang mengukur nilai kapasitansi antara
-
10
plat detector dengan plat sumbernya. Sehingga, dapat diperoleh sebaran
konstanta dielektrik dimana apabila konstanta dielektrik ini dipetakan dapat
menghasilkan citra 2D. Dimisalkan pada gambar 3.1, suatu area memilik i
konstanta dielektrik berbeda dibanding area sekitarnya, maka hasil pemetaan
akan terlihat seperti pada gambar.
Gambar 3.2 Sensor ECT dengan sampel objek didalamnya
Pada ECT, terdapat beberapa keterbatasan, diantaranya tidak memberikan
resolusi spasial yang memadai, ukuran resolusinya tergantung pada desain
sensor ECT dan rekonstruksi citra. Resolusi dari citra ECT dapat
ditingkatkan dengan menambah jumlah sensor. Namun, masalah
rekonstruksi nonlinear yang tinggi masih menjadi kendala utama dalam
meningkatkan kualitas resolusi citra ECT.
2. Electrical Capacitance Volume Tomography (ECVT)
Electrical Capacitance VolumeTomography (ECVT) merupakan hasil
pengembangan dari ECT, yaitu metode pencitran berbasis tiga dimensi yang
menggunakan prinsip pengukuran kapasitansi dari suatu objek volumetr ik
yang berada dalam interior yang dikelilingi oleh multi sensor. Karena itu,
prinsip kerja ECVT sedikit berbeda dengan tomografi secara umum, yaitu
ECVT tidaklah berbasis pada proyeksi garis sebagaimana CT Scan, X-Ray
dan MRI. Ruang volumetrik yang akan diukur dengan ECVT juga tidak harus
berbentuk tabung sebagaimana prinsip tomografi umumnya, namun dapat
berupa ruang sembarang atau bahkan ruang terbuka yang bisa dijangkau oleh
medan listrik statis yang diciptakan oleh elektroda pada sensor yang beraneka
bentuk. ECVT pertama dikembangkan oleh Warsito dkk pada tahun 2007
-
11
(Warsito, 2007). Ide pertamanya sejak tahu 2003 (Warsito, 2003). Kebutuhan
pada industri mendorong cepatnya pengembangan teknologi yang
menghasilkan citra 3D, awalnya citra 3D dapat diperoleh dengan menumpuk
citra 2D hasil ECT. Namun hal tersebut hanya dapat dilakukan jika objeknya
bergerak lambat atau diam. Proses untuk mendapatkan citra pada ECVT
dilakukan proses pengukuran kapasitansi, satu plat sebagai sumber secara
bergantian sedangkan pelat yang lainnya sebagai detektor, hal ini dilakukan
untuk seluruh pelat sehingga jika terdapat 12 pelat elektroda maka akan
memiliki 66 pasangan sensor. Terdapat 3 elemen yang merupakan pokok dari
sstem kerja ECVT, diantaranya desain sensor, perangkat akuisisi data dan
proses rekonstruksi citra atau dapat dilihat pada gambar.
Gambar 3.3 Tiga elemen pokok ECVT
Mendesain sensor dilakukan dengan membuat pemodelan fisis dengan
menggunakan software seperti COMSOL Multiphysics. Setelah sensor
didesain maka dilakukan eksperimen menggunakan akuisisi data sebagai
pengontrol sekaligus pembaca. Instrument yang dimaksud akuisisi data
adalah DAS (Data Acquisition System) yang juga berfungsi mengukur nilai
kapasitansi antara pelat sumber dengan pelat yang berperan sebagai detektor.
DAS juga memindahkan pembacaan dari satu detektor ke detektor lainnya
dengan menggunakan Multiplexer (MUX) untuk kemudian dikirimkan ke
database komputer. Dengan suatu algoritma pemecahan masalah, sebaran
kapasitansi pada volume akan mendapatkan konstanta dielektrik yang
kemudian dapat direkonstruksi.
3 Elemen
Desain Sensor
Akuisisi data
Rekonstruksi Citra
-
12
Gambar 3.4 Sistem sensor pada ECVT
C. Hubungan Matrik Sensitivitas dan Matrik Kapasitansi
1. Medan Listrik Pada Bahan Dielektrik
Medan listrik dapat dipelajari dengan Hukum Gauss. Hukum Gauss
menyatakan bahwa jumlah garis gaya yang keluar dari suatu permukaan
tertutup (fluks) sebanding dengan jumlah muatan listrik yang dilingkupi oleh
permukaan tertutup itu dan muatan di luar tidak akan mempengaruhi fluks di
dalam permukaan tersebut, yang secara matematis dirumuskan sebagai
berikut.
. =1
0.......................................................................................(3.1)
Dengan 0 merupakan permitivitas di ruang vakum (hampa), dan adalah
muatan yang terlingkupi pada permukaan tertutup. Hukum gauss juga dapat
dinyatakan dalam bentuk differensial yang memudahkan dalam analisakasus
medan listrik. Untuk mentransformasikan Hukum Gauss pertama, ubah
ke dalam bentuk rapat muatan seperti berikut.
. =1
0(3.2)
Dengan teorema divergensi diperoleh,
. = (. )...(3.3)
-
13
Dengan menggabungkan persamaan 3.2 dan 3.3 diperoleh,
. =1
0(3.4)
Pada material dielektrik saat diberikan medan listrik maka akan terjadi
polarisasi pada material tersebut. Untuk mempelajari polarisasi maka
digunakan suatu besaran yang disebut momen dipole (P). Momen dipole
suatu material mempengaruhi besar rapat muatan terikat pada material (),
hubungan ini dinyatakan sebagai berikut,
= . .(3.5)
Dimana rapat muatan total merupakan jumlah rapat muatan terikat dan rapat
muatan bebas. Sehingga dengan menggabungkan 3.4 dan 3.5 dapat
diperoleh,
0. = = +
0. = . +
.(0 + ) = ...(3.6)
Untuk memudahkan persamaan diatas maka didefinisikan suatu besaran
yang disebut sebagai Electric displacement (D),
= 0 + ...(3.7)
Sehingga persamaan 3.4 menjadi
. = ..(3.8)
Persmaan Gauss dalam bentuk D menjadi lebih sederhana untuk analisa
medan listrik pada material karena muatan terikat pada material bukanlah
sesuatu ynag perlu kita perhitungkan, hanya muatan bebas yang kita berikan
saja.
Momen dipole pada material dengan dielektrik linear besar nilai nya
bergantung pada susseptibilitas materialnya (e) serta medan magnet total
yang mempengaruhi material tersebut. Secara matematis ditulis,
= 0 ...(3.9)
-
14
Untuk menyederhanakan persamaan maka diperkenalkanlah besaran
permitivitas, dan permitivitas relativ sebagai berikut,
(1 + )0 = 0..(3.10)
Dengan besaran ini maka diperoleh Nilai D yang proporsional dengan E,
= = 0...(3.11)
Persamaan 3.8 dapat dirubah menjadi
. =1
0 (3.12)
2. Persamaan Distribusi Potensial Listrik
Potensial listrik didefinisikan sebagai berikut
= (3.13)
Dengan menggunakan persamaan (3.12) dan (3.13) dapat diperoleh
persamaan poisson yang menyatakan sebaran permitivitas pada volume.
. ((x, y, z)V(x, y, z)) = (x, y, z)....(3.14)
3. Kapasitansi pada ECVT
Kapasitansi didefiniskan sebagai berikut,
=
(3.15)
Sehingga dengan menggunakan persamaan (3.14) dan (3.15) dapat diperoleh
= 1
(,, )(, , )
.(3.16)
Persamaan diatas menunjukan nilai kapasitansi yang terukur pada pasangan
elektroda ke-i dengan luas permuakaan yang menutupi area pada detektor Ai.
Persamaan 3.16 menunjukkan adanya hubungan anatara kapasitansi terukur
dengan sebaran permitivitas pada volume. Permasalahan yang kita hadapai
dalam menyelesaikan persamaan 3.16 adalah terdapat dua variable yang
saling independen yaitu sebaran potensial dan sebaran permitivitas. Hal ini
menjadikan kasus diatas bukanlah suatu kasus linear sehingga perlu metode
matematika khusus untuk mencari penyelesaiannya.
-
15
D. Rekonstruksi Citra
Ada beberapa metode untuk menyelesaikan masalah-masalah yang muncul dalam
merekonstruksi sebaran permitivitas 3 dimensi yaitu dengan metode linearisasi, metode
numeric, dan metode analitik. Metode analitik merupakan metode yang dapat
menghasilkan hasil akurat dan cepat, tetapi metodenya terbatas untuk bentuk geometri
tertentu sehingga menjadi terbatas penggunaannya. Metode numeric dapat memberikan
hasil yang akurat untuk berbagai kasus, tetapi untuk menyelesaikannya dibutuhkan
waktu komputasi yang cukup lama. Teknik linearisasi merupakan metode yang cukup
cepat dan memiliki solusi yang simple, meskipun memiliki beberpa kekurangan dalam
rekonstruksi citra. Salah satu metode untuk melinearkan persamaan 5 adalah dengan
menggunakan model sensitivitas. Pada model sensitivitas volume pada sensor dibagai
menjadi bagaian kecil yang bernama voxel element, selain itu didefinisikan besaran
Sensitivitas yange menunjukkan perubahan nilai kapasitansi terukur oleh pasangan
sensor-i terhadap nilai permitivitas pada voxel-j, secara matematis sebagai berikut,
, =
..(3.17)
Untuk menghitung sensitivitas dapat digunakan persamaan berikut,
, 0 (,,). (,,)
..(3.18)
Esi adalah distribusi medan listrik saat kedua plat pasangan elektroda diberi tegangan
Vsi . Sedangkan Edi adalah distribusi medan listrik saat kedua plat diberi tegangan Vdi.
V0j adalah voleume dari voxel ke-j. Selanjutnya untuk melakukan rekonstruksi dikenala
dua macam problem yaitu,
1. Problema Maju
Dengan besaran sensitivitas maka berdasarkan 3.15 dapat diperoleh bentuk
hubungan linear untuk merekonstruksi yaitu,
= .(3.19)
Dimana C adalah matriks berisi pengukuran kapasitansi inter-elektroda
degan ukuran 1 (66 untuk 12 sensor), G matriks permitivitas dengan
ukuran 1 (bernilai 32768 untuk 32x32x32 grid). S adalah sensitivitas
-
16
matriks yang berupa matriks MxN. Bentuk Persamaan ini disebut problem
Maju (forward problem).
2. Problema Inversi
Problema inversi adalah bagaimana mendapatkan hasil rekonstruksi citra,
nilai G. Untuk mendapatkannya maka perlu dilakukan invers terhadapa nilai
S. Tetapi S bukanlah suatu matriks persegi sehingga nilai inversnya tidak
dapat dicari. Untuk menyelesaikan Problema invers terdapat banyak
algoritma rekonstruksi yang dapat dilakukan.
3. Metode Rekonstruksi Citra ECVT
a. Linear Back Projection (LBP)
Metode LBP adalah cara yang paling simpel untuk menyelesaikan
problem invers, yang dilakukan pada metode ini adalah
menggunakan transpose matriks sensitivitas. Sehingga diperoleh,
= .(3.20)
Dengan menggunakan metode ini hasil yang diperoleh masih
memiliki error yang tinggi sehingga memiliki blur[4]. Sehingga,
perlu metode lainnya untuk membantu memperbaiki hasil citra yang
diperoleh. Salah satu cara untuk memperbaiki image adalah dengan
normalisasi. Pada normalisasi nilai kapasitansi dibandingkan
dengan nilai batasan, dalam hal ini nilai batasan berasal dari
kapasitansi yang terukur pada kalibrasi dengan menggunakan udara
serta air.
b. Metode Iterasi (Landweber Equation)
Pada metode landweber dilakukan iterasi metode LBP. Tujuan dari
iterasi adalah mengurangi error sehingga nilai matriks G yang
diperoleh semakin baik. Metode ini secara persamaan adalah sebagai
berikut
+1 = ( ).(3.21)
Dengan nilai G0 adalah
0 = ..(3.22)
-
17
Secara terperinci langkah-langkah pada metode ini adalah sebagai
berikut,
i. Matriks dari kapasitansi C untuk satu frame citra diukur dan
set dari nilai inisial pixel G0 dihitung menggunakan
persamaan 3.24.
ii. Nilai pendekatan permitivitas G0 kemudian digunakan untuk
menghitung kembali matriks kapasitansi C1 menggunakan
persamaan (3.21). Maka sebuah matriks kapasitansi error
dapat diukur = ( 1), Nilai C digunakan untuk
menghasilkan matriks permitivitas error = ..
iii. Permitivitas error kemudian digunakan untuk mengkoreks i
set permitivitas sebelumnya untu menghasilkan nilai set pixel
G yang baru, dimana 1 = 0 + . Nilai permitivitas G1
kemudian digunakan untuk menghasilkan nilai set
kapasitansi C2 yang baru dan pengulangan ini dilakukan
berulang sebanyak iterasi yang diinginkan. Konstanta
adalah faktor penalti atau relaksasi.
Kelemahan metode Landweber adalah tetap memiliki error yang
menjadikan citra tidak sepenuhnya tepat, terkadang saat dilakukan
iterasi nilai pada matriks G tidak semakin konvergen tetapi terus
berubah. Selain itu nilai alpha dan jumlah iterasi masih merupakan
metode trial and error.
-
18
BAB IV
PELAKSANAAN PRAKTEK KERJA LAPANGAN
A. Peralatan dan Perlengkapan Kerja
Dalam praktek kerja ini diperlukan:
1. Komputer atau Laptop minimal RAM 4GB
2. Software COMSOL Multiphysics 3.5
3. Software MATLAB R2009a
B. Metode Praktek Kerja Lapangan
Pada praktek kerja ini, rekonstruksi citra dilakukan dengan simulasi dengan software
COMSOL Multiphysic tanpa melalui eksperimen dengan akuisisi data.
Gambar 4.1 Metode yang digunakan untuk rekonstruksi
Terdapat beberapa alasan mengapa melalui simulasi, diantaranya;
Desain sensor: Melakukan
pemodelan (COMSOL)
Melakukan Eksperimen
Akuisisi data
Didapat sebaran dilektrik
Rekonstruksi
Citra Volumetrik
x
x SIMULASI
-
19
Setiap desain memiliki distribusi sensitivitas yang berbeda-beda tergantung pada
model yang dibuat.
Simulasi/komputasi ini lebih mudah dan efisien dibandingkan dengan percobaan
sesungguhnya.
Model sensor dapat diubah sesuai dengan model yang diinginkan serta menghemat
waktu dibandingkan dengan membuat secara langsung.
Sedangkan digunakannya COMSOL Multiphysics untuk simulasi yaitu karena dapat
memberikan kemudahan untuk setiap perubahan berbagai parameter fisika yang digunakan.
Kemudian pemecahan masalahnya menggunakan metode numeric finite element method
yaitu metode untuk mencari penyelesain suatu persamaan fisis dengan boundary dengan cara
membagi geometri masalah menjadi mesh dengan geometri sederhana dan kemudian mencari solusi
pada tiap mesh.
C. Langkah-langkah Praktek Kerja
1. Sensitivitas Matrik
Untuk menghitung sensitivitas sensor planar, perlu dilakukan simulasi yang bertujuan untuk
mengetahui distribusi medan listrik model sensor geometri yang diinginkan. Masing-mas ing
distribusi medan listrik dari tiap-tiap channel dikalikan dengan channel pasangannya untuk
mendapatkan sensitivitas. Akan ada 120 jumlah sensitivitas, untuk 16 channel sensor
dihitung dengan rumus N(N-1)/2. Sensitivitas ini yang kemudian digunakan untuk simulas i
rekonstruksi dan dicari korelasi sensitivitas dengan citra yang dihasilkan. Untuk
mendapatkan sensitivitas, dilakukan beberapa pengaturan parameter, diantaranya:
-
20
a) Parameter Subdomain
Parameter subdomain menjelaskan mengenai besaran fisika pada domain utama
model. Pada simulasi ini, domain utama dibagi kedalam beberapa subdomain yang
berbeda karaketeristik fisiknya. Dalam hal ini, parameter subdomain yang digunakan
yaitu untuk menentukan karakteristik material diantaranya rapat muatan dan
permitivitas objek. Dapat dilihat pada gambar nilai yang kami berikan adalah 0
dan nilai permitivitas = 1 untuk udara, = 80 untuk air dan 1 > > 80 untuk
objek.Sensitivitas dihitung dengan menggunakan medan listrik pada media vacuum
serta gunakan persamaan dielektrik linear = 0 .
Gambar 4.2 Subdomain setting
-
21
b) Parameter Boundary
Parameter boundary digunakan untuk memberikan setting-an fisik terhadap suatu
batasan (boundary). Pada simulasi ini, setting parameter boundary dilakukan dengan
mengkondisikan salah satu plat sebagai port input bertegangan 1 V sedangkan plat
lainnya yang berperan sebagai sensor dikondisikan dengan ground. Objek bola
dikondisikan sebagai continuity sedangkan geometri lainnya adalah simetri tak
bermuatan (zero charge symmetri).
Gambar 4.3 Geometri yang di-setting boundary-nya
Gambar 4.4 Pengaturan Boundary untuk 16 plat sebagai port
-
22
c) Parameter Mesh
Parameter Mesh ini yaitu suatu metode numeric, dalam hal ini adalah finite element
method, yang dapat mencari penyelesaian suatu persamaan fisis pada boundary
dengan cara membagi geometri masalah menjadi mesh dengan geometri sederhana
(tetrahedral). Besar kecilnya mesh dapat diatur namun harus sesuai dengan
kemampuan perangkat komputer yang dimiliki.
Gambar 4.5 Parameter Mesh ukuran normal
Gambar 4.6 Geometri yang sudah di-mesh
-
23
d) Parameter Solving
Setelah dilakukan meshing, kemudian untuk mendapatkan distribusi medan listrik
permasalahan dipecahkan dengan opsi solve, dalam hal ini digunakan Linear system
solver berupa GMRES dan Precontitioner-nya berupa Geometric Multigrid.
Gambar 4.7 Pengaturan Parameter Solving
Gambar 4.8 Hasil yang sudah di-solve
-
24
Hasil Solving kemudian di save kedalam ekstensi .m (contoh: Planar.m). Dengan
pengolahan komputasi pada MATLAB proses solving tersebut di-looping untuk
setiap sensor sehingga akan diperoleh nilai sebaran medan listrik untuk 16 jumlah
sensor dengan geometri planar.
2. Kapasitansi
Selain sensitivitas matriks, dibutuhkan juga nilai kapasitansi untuk dapat melakukan
rekonstruksi citra. Nilai kapasitansi yang diperlukan ada tiga dengan objek air
dengan permitivitas = 80, objek udara dengan nilai permitivitas = 1 dan objek
sembarang dengan nilai permitivitas di antara air dan udara 1 < < 80. Untuk
mendapatkan nilai kapasitansi dapat menghitung dengan script Matlab. Kapasitansi
yang didapatkan akan berupa matriks dengan jumlah pengukuran 120 untuk 16
elektroda.Objek air dan udara dibutuhkan untuk menormalisasi nilai kapasitansi
objek yang akan disimulasikan.
3. Rekonstruksi Citra
Sebagaimana dijelaskan sebelumnya, bahwa untuk merekonstruksi citra dibutuhkan
data matriks sensitivitas serta kapasitansi ternormalisasi yang dengan algoritma
Landweber akan mendapatkan nilai G menggunakan script Matlab. Selanjutnya
hanya tinggal proses iterasi saja serta penambahan faktor penalty. Berikut ini
merupakan beberapa rumus yang terdapat pada script:
i. Mencari nilai C ternormalisasi
=
Cn=(C-Ce)./(Cf-Ce);
dimana
: kapasitansi ternormalisasi atau nilai kapasitansi keseluruhan
C : kapasitansi objek sembarang
Ce : kapasitansi ketika disiisi udara (empty)
Cf : kapasitansi ketika diisi air (full)
dicari transposnya
-
25
y1=Cn;
y1 : data transpos dari kapasitansi ternormalisasi
ii. Mencari nilai
phil=y1-ant3d*v0
phil : nilai
y1 : nilai kapasitansi dari poin (1)
ant3d : matriks sensitivitas
v0 : nilai permitivitas
iii. Mencari nilai permitivitas +1
v=v0+alpha0*(an3d*phil);
phil : nilai dari point (2)
alpha0 : nilai alpha
an3d : matriks sensitivitas
v0 : nilai permitivitas
v : nilai permitivitas +1
Flowchart metode Landweber dapat dilihat pada gambar, sedangkan script Matlab
selengkapnya terdapat di lampiran.
-
26
Gambar 4.9 Flowchart Metode Landweber
4. Hasil Eksperimen
Berikut adalah kurva hasil komputasi distribusi sensitivitas untuk 16 channel yang telah
dinormalisasi.
Gambar 4.10 Hasil grafik sensitvitas yang ternormalisasi
-
27
Pada grafik sensitivitas diatas, terdapat 120 jumlah garis yang mewakili tiap
pasangan sensor. Sumbu x pada grafik merupakan jumlah pixel pada sumbu Z sensor
yaitu ada 32 pixel sedangkan pada sumbu y adalah nilai sensitivitas ternormalisas i.
Setiap garis menunjukan sensitivitas dari masing-masing pasangan sensor.
Sementara sumbu vertikal adalah nilai medan listriknya. Pada gambar, terlihat
banyak terdapat variasi di daerah kiri dari sensing area. Banyaknya variasi tersebut
menunjukan bahwa sensitivitas pada posisi tersebut semakin tinggi, artinya jika
suatu objek tertentu diletakan di daerah ini maka akan terdeteksi dengan baik oleh
sensor. Sementara pada bagian tengah tidak terdapat banyak variasi, daerah yang
tidak memiliki bnayak variasi ini disebut sebagai dead zone, yang mana apabila suatu
objek tertentu diletakan di daerah tersebut perubahan kapasitansi yang terjadi tidak
dapat dideteksi oleh sensor.
Gambar 4.11 Sensitivitas X-Y untuk setiap level z
-
28
Pada gambar menunjukan sensitivitas pada sumbu X-Y untuk setiap level Z. Gradasi
warna menunjukan intensitas sensitivitas matriks yang berbeda-beda. Warna biru
menunjukan intensitas yang paling rendah, yaitu merupakan hasil perkalian dot
product dari pasangan sensor yang saling melemahkan. Sedangkan warna merah
menunjukan nilai sensitivitas yang paling tinggi, yaitu hasil perkalian dot product
dari pasangan sensor yang saling menguatkan. Tinggi rendahnya suatu intens itas
sensitivitas ditentukan oleh interaksi medan listrik yang dihasilkan antara pasangan
sensor. Interaksi antar pasangan sensor yang saling menguatkan adalah jika sudut
yang terbentuk 0 < < 90 dan 270 < < 360. Sedangkan interaksi medan
magnet yang saling melemahkan adalah jika sudut antara sensor 90 < < 270.
Pada gambar, warna merah terdapat pada kiri belakang atas, artinya letak pasangan
sensor saling menguatkan adalah di daerah kiri belakang atas.
-
29
Dibawah ini adalah tabel hasil rekonstruksi citra dengan objek 5 cm dari sensor.
Y
ite
r
G
rafi
k R
eko
nst
ruks
i
-1.7
5 50
0 0.
05
-1.5
30
0 0.
03
-1.2
5 30
0 0.
08
-1
300
0.00
5
Y
ite
r
G
rafi
k R
eko
nst
ruks
i
-2.7
5 30
0 1.
5
-2.5
30
0 1
-2.2
5 50
0 0.
1
-2
500
0.1
-
30
Objek berada 3cm dari sensor
Y
ite
r
G
rafi
k R
eko
nst
ruks
i
-1.7
5 50
0 0.
05
-1.5
30
0 0.
03
-1.2
5 30
0 0.
01
-1
300
0.00
5
Y
ite
r
G
rafi
k R
eko
nst
ruks
i
-2.7
5 30
0 1.
5
-2.5
30
0 1.
6
-2.2
5 30
0 0.
1
-2
300
0.1
-
31
Objek 7 cm dari sensor
Y
ite
r
G
rafi
k R
eko
nst
ruks
i
-1.7
5 50
0 0.
1
-1.5
30
0 0.
03
-1.2
5 30
0 0.
03
-1
300
0.01
Y
ite
r
G
rafi
k R
eko
nst
ruks
i
-2.7
5 30
0 1.
5
-2.5
30
0 1.
6
-2.2
5 30
0 0.
85
-2
300
0.5
-
32
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Untuk merekonstruksi citra 3 dimensi diperlukan data sensitivitas
ternormalisasi, kapasitansi objek air, kapasitansi objek udara, dan kapasitansi
objek sembarang.
Terdapat 120 pasangan sensor untuk 32 sesor elektroda.
Intensitas yang rendah didapatkan dari perkalian dot product antara sensor
yang memiliki sudut 90 < < 270.
Intensitas yang tinggi didapatkan dari pasangan sensor yang saling
menguatkan yaitu jika sudut yang terbentuk 0 < < 90 dan 270 < < 360.
B. Saran
Hasil rekonstruksi yang di dapatkan sebaiknya dicari lagi karena masih
memiliki banyak noise.
Sebaiknya dilakukan pula eksperimen langsung untuk membuktikan hasil
simulasi yang telah dilakukan.
-
33
DAFTAR PUSTAKA
Muhtadi, Almas Hilman. 2011. Pencitraan 4 Dimensi Aktivitas Otak dengan Menggunakan ECVT.
(Laporan Kerja Praktik), Jurusan Fisika, FMIPA, Institut Teknologi Bandung.
Maarif, Syamsul. 2008. Pengembangan Desain Sensor Tiga Dimensi Pada Electrical Capacitance
Volume Tomography (ECVT) : Percobaan dengan Bagian Tubuh Manusia. (Skripsi), Jurusan Fisika,
FMIPA, Universitas Indonesia.
Irwin Maulana dan Harrista, Rendy. 2012. Penggunaan Electrical Capacitance Volume Tomography
(ECVT) dalam Pengembangan Bidang Non Destructive Test (NDT). (Kerja Praktik), Jurusan Teknik
Metalurgi, Universitas Tirtayasa.
http://charlyleeone02.wordpress.com/2008/11/06/rekonstruks i-citra/
Alzufri, Habib Syeh. 2011. Pengembangan Electrical Capacitance Volume Tomography (ECVT) untuk
Rekonstruksi Citra dan Diagnosis Kanker Payudara. (Skripsi), Jurusan Fisika, FMIPA, Universitas
Indonesia.
-
34
LAMPIRAN
Script Matlab Looping untuk 16 sensor
% COMSOL Multiphysics Model M-file % Generated by COMSOL 3.5 (COMSOL 3.5.0.494, $Date: 2008/09/19 16:09:48 $)
for i=1:16 flclear fem
% COMSOL version clear vrsn vrsn.name = 'COMSOL 3.5'; vrsn.ext = ''; vrsn.major = 0; vrsn.build = 494; vrsn.rcs = '$Name: $'; vrsn.date = '$Date: 2008/09/19 16:09:48 $'; fem.version = vrsn;
% Geometry % Import CAD data garr = geomimport('D:\Design Sensor RR\planarB\Planar twist.mphbin', ... 'repairtol','1.0E-5', ... 'sdim',3); [g1]=deal(garr{:});
% Analyzed geometry clear s s.objs={g1}; s.name={'CO1'}; s.tags={'g1'};
fem.draw=struct('s',s); fem.geom=geomcsg(fem);
% Initialize mesh fem.mesh=meshinit(fem, ... 'hauto',5);
% (Default values are not included)
% Application mode 1 clear appl appl.mode.class = 'EmElectrostatics'; appl.module = 'ACDC';
appl.sshape = 2; appl.assignsuffix = '_emes'; clear bnd % bnd.inport = {0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0, ... % 0}; bnd.inport = {0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, ...
-
35
0}; bnd.inport (i+1)= {1}; bnd.type = {'nD0','port','port','port','port','port','port','port','port',
... 'port','port','port','port','port','port','port','port'}; bnd.portnr = {1,1,2,3,4,5,6,7,8,9,10,11,12,13,14, ... 15,16}; bnd.name = {'','new group','new group2','new group3','new group4','new
group5', ... 'new group6','new group7','new group8','new group9','new group10','new
group11', ... 'new group12','new group13','new group14','new group15','new group16'}; bnd.V0port = {1,5,1,1,1,1,1,1,1,1,1,1,1,1,1,1, ... 1}; bnd.ind = [1,1,1,1,1,1,1,14,1,1,1,6,1,1,1,10,1,1,1,2,1,1,1,1,1,15,1,1, ... 1,7,1,1,1,1,1,11,1,1,1,3,1,1,1,1,1,16,1,1,1,8,1,1,1,1,1,12,1,1,1,4,1,1,
... 1,1,1,17,1,1,1,9,1,1,1,1,1,13,1,1,1,5,1,1,1,1,1,1]; appl.bnd = bnd; clear equ equ.epsilonr = 5; equ.ind = [1]; appl.equ = equ; fem.appl{1} = appl; fem.frame = {'ref'}; fem.border = 1; clear units; units.basesystem = 'SI'; fem.units = units;
% ODE Settings clear ode clear units; units.basesystem = 'SI'; ode.units = units; fem.ode=ode;
% Multiphysics fem=multiphysics(fem);
% Generate GMG mesh cases fem=meshcaseadd(fem,'mgauto','shape');
% Extend mesh fem.xmesh=meshextend(fem);
% Solve problem fem.sol=femstatic(fem, ... 'solfile','on', ... 'solcomp',{'V'}, ... 'outcomp',{'V'}, ... 'blocksize','auto', ... 'linsolver','gmres', ... 'prefun','gmg', ... 'mcase',[0 1]);
-
36
% Save current fem structure for restart purposes fem0=fem;
% Plot solution postplot(fem, ... 'slicedata',{'V','cont','internal','unit','V'}, ... 'slicexspacing',5, ... 'sliceyspacing',0, ... 'slicezspacing',0, ... 'slicemap','jet(1024)', ... 'title','Slice: Electric potential [V]', ... 'grid','on', ... 'campos',[-0.5461634912561687,-0.7432369035029786,-
0.9889816550231494], ...
'camtarget',[0.057999998331069946,0.06600000150501728,0.0505000012635719],
... 'camup',[-0.8494072488509922,-
0.041624460966510755,0.5260938412951024], ... 'camva',9.765335444794502);
% Remove generated GMG mesh cases fem=meshcasedel(fem,[1]);
flsave (['planarb', num2str(i)],'fem') disp (['planarb',num2str(i)]) end
Script Matlab Eksport Kapasitansi
i=1; ssm=2;
cap(1,120)=0; for ss=1:15 fname1=['planarb' num2str(ss)]; flload([fname1]); for sss=ssm:16 vcap=['C' num2str(sss) num2str(ss) '_emes']; cap(i)=postint(fem,vcap, ... 'unit','F', ...
'dl',[1], ... 'edim',0); disp(['C' num2str(sss) num2str(ss) '_emes']); i=i+1; end ssm=ssm+1; clear fem; end save(['CL.dat'],'cap','-mat');
-
37
Script Matlab untuk Eksport Medan Listrik
clear close all format long
nx=32; ny=32; nz=32; xmin=-0.0440; %
-
38
%close all %clc format long %NOD= 'G:\simulasi_18_12\'; nx=32;ny=32;nz=32;n=nx*ny*nz; ne=16; %
-
39
SUMS % for k=1:32 % subplot(4,8,k) % mesh(S(:,:,k)) % title(['Level=' num2str(k)]) % end
Script SUMS
%close all %clear all format long clc %NOD='G:\simulasi_18_12\'; ne=16; %
-
40
a3d0=a3d1(i,:); a3d2=reshape(a3d0,n2d,nz); a3d2=squeeze(a3d2); a3d(i,1:nz)=sum(a3d2); end n=nz; N = sum(a3d); aN = find(abs(N)>0.00001); R1 = zeros(1,n); R1(aN) = 1./N(aN); at3d = a3d'; M = sum(at3d); R2 = zeros(1,m); aM = find(abs(M)>0.0001); R2(aM) = 1./M(aM);
for i=1:m an3d(i,:)=a3d(i,:).*R1; end ant3d=zeros(n,m); for j=1:n ant3d(j,:)=at3d(j,:).*R2; j; end % save(['normliss' fname '-Z.nsm'],'an3d','ant3d','m','nz','-mat') figure plot(an3d') set(gcf,'color','w'); set(gca,'FontName','Times New Roman'); xlabel('Sumbu Z [-]','FontName','Times New Roman'); ylabel('Normalized sensitivity [-]','FontName','Times New Roman');
SN3D % axis([1 32 -0.02 0.08]);
% fname = ['matsenstgabungancrop']; % load(['normliss' fname '-Z.nsm'],'-mat');
% figure % plot(an3d')
Script SN3D
clear all format long %NOD='D:\Design Sensor RR\Planar\'; %
-
41
% Load sensitivity matrix
fname = ['planarb']; %0); R1 = zeros(1,n); R1(aN) = 1./N(aN);
% Derive normalisation matrix for at by % summing maps to avoid division by zero % ---------------------------------------- at3d = a3d'; M = sum(at3d); R2 = zeros(1,m); aM = find(abs(M)>0); R2(aM) = 1./M(aM);
% Normalise sensitivity matrix a % ---------------------------------------- an3d=zeros(m,n); for i=1:m an3d(i,:)=a3d(i,:).*R1; end for j=1:n ant3d(j,:)=at3d(j,:).*R2; j end save(['normliss' fname '.nsm'],'an3d','ant3d','n','m','nx','ny','nz','-mat') aaa=an3d(3,:); aaa=reshape(aaa,nx,ny,nz); figure for i=1:10 aab=aaa(:,:,i); aab=reshape(aab,nx,ny); subplot(2,5,i) surfc(aab,'FaceColor','interp','EdgeColor','none','FaceLighting','none') axis([1 nx 1 ny -1 1]) title(['Level=' num2str(i)]) view(-45,30) end
SN3DLoad
Script SN3Dload
%clear all % close all
-
42
clc %NOD='D:\Design Sensor RR\Planar\'; %
-
43
% title(['Level=' num2str(i)]); % view(-30,30); % saveas(gcf,['pair_1_8#Level=' num2str(i) '.jpg']); % end % % aaa=an3d(8,:); % aaa=reshape(aaa,nx,ny,nz); % figure % for i=1:32 % aab=aaa(:,:,i); % aab=reshape(aab,nx,ny); % % subplot(4,8,i); % % set(gcf,'color','w'); % surfc(aab,'FaceColor','interp','FaceLighting','none'); % axis([1 nx 1 ny]); % title(['Level=' num2str(i)]); % view(-30,30); % saveas(gcf,['pair_1_9#Level=' num2str(i) '.jpg']); % end % % aaa=an3d(12,:); % aaa=reshape(aaa,nx,ny,nz); % figure % for i=1:32 % aab=aaa(:,:,i); % aab=reshape(aab,nx,ny); % % subplot(4,8,i); % % set(gcf,'color','w'); % surfc(aab,'FaceColor','interp','FaceLighting','none'); % axis([1 nx 1 ny]); % title(['Level=' num2str(i)]); % view(-30,30); % saveas(gcf,['pair_1_13#Level=' num2str(i) '.jpg']); % end % figure % plot_3DSNc