Laporan KP Rifa'Atul Fadilah - Prodi
Laporan KP Rifa'Atul Fadilah - Prodi
Disusun Oleh:
Rifaatul Fadilah
1111097000015
Jurusan Fisika
Fakultas Sains Dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
2014
Oleh
Rifaatul Fadilah
1111097000015
Mengetahui,
Pembimbing Kerja Praktek
Dosen Pembimbing
Menyetujui,
Ketua Program Studi Fisika
Sutrisno, M.Si
NIP. 19590219 198203 1 005
Dalam pengembangannya,
Dilakukannya
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 digunaka n 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
ii
DAFTAR ISI
Abstrak ............................................................................................................................................. ii
DAFTAR ISI.................................................................................................................................... iii
DAFTAR GAMBAR.........................................................................................................................v
BAB I................................................................................................................................................1
PENDAHULUAN .............................................................................................................................1
A. Latar Belakang ........................................................................................................................1
B.
C.
C.
2.
3.
4.
5.
E.
BAB III.............................................................................................................................................8
TINJAUAN PUSTAKA ....................................................................................................................8
A. Tomography............................................................................................................................8
B.
2.
C.
2.
3.
2.
Problema Inversi................................................................................................................ 16
3.
BAB IV........................................................................................................................................... 18
PELAKSANAAN PRAKTIK KERJA LAPANGAN....................................................................... 18
A. Peralatan dan Perlengkapan Kerja ........................................................................................... 18
B.
C.
Sensitivitas Matriks............................................................................................................ 19
2.
Kapasitansi........................................................................................................................ 24
3.
Saran .................................................................................................................................... 31
iv
Daftar Gambar
BAB I
PENDAHULUAN
A. Latar Belakang
Teknologi pencitraan tomografi telah menjadi keperluan penting bagi perindustrian, kesehatan
maupun
kebumian,
paling
mutakhir
2007. Kemudian Dr. Warsito mengembangkan ECVT di sebuah pusat riset tomografi bernama
Ctech Lab Edwar Technology.
: CTECH Labs Edwar Technology, Jl. Jalur Sutera Kavling Spectra Blok 23C
No. 10-12 Alam Sutera, Tangerang.
Waktu
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 meneliti
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 bimbinga n
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.
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.
sebaik
mitra
dalam
negeri
dalam
upaya
meningkatka n
Ultrasound Tomography
Gambar 2.1 Sensor ECVT yang telah dip roduksi EdWar Technology
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 menggunaka n
serial link.
Waktu akuisisi data kecepatan clock mencapai 2MHz menggunakan sistem 100
volume gambar per detik selama 8 channel, 80 volume gambar per detik unt uk
12 saluran, 60 volume gambar per detik untuk 16 channel dan 40 volume gambar
per detik untuk 24 saluran.
untuk pengembangan yang kuat Sensor desain untuk geometri khusus. Analis is
termasuk memeriksa ketersediaan mati zona dan tes gambar rekonstruksi kinerja.
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).
8
berbasis
pengukuran
besaran
listrik
yang
telah
banyak
Electrical
banyak
dengan
menambah
jumlah
sensor.
Namun,
masalah
(Warsito, 2007). Ide pertamanya sejak tahu 2003 (Warsito, 2003). Kebutuhan
pada industri
mendorong
cepatnya
pengembangan
teknologi
yang
3
Elemen
Akuisisi data
Rekonstruksi Citra
1
0
.......................................................................................(3.1)
1
0
(3.2)
12
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)
13
Untuk
menyederhanakan
persamaan
maka diperkenalkanlah
besaran
. = (3.12)
0
dapat diperoleh
(3.15)
= (, , )(, , ).(3.16)
14
D. Rekonstruksi Citra
Ada beberapa metode untuk menyelesaikan masalah-masalah yang muncul dalam
merekonstruksi sebaran permitivitas 3 dimensi yaitu dengan metode linearisasi, metode
numeric,
Metode analitik
menghasilkan hasil akurat dan cepat, tetapi metodenya terbatas untuk bentuk geometri
tertentu sehingga menjadi terbatas penggunaannya. Metode numeric dapat memberika n
hasil yang akurat untuk berbagai kasus, tetapi untuk menyelesaikannya dibutuhka n
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)
( ,,) . (,,)
..(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
15
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 menyelesaika n
problem
invers,
yang
dilakukan
pada metode
ini
adalah
Pada normalisasi
dengan nilai batasan, dalam hal ini nilai batasan berasal dari
kapasitansi yang terukur pada kalibrasi dengan menggunakan udara
serta air.
b.
pixel G0 dihitung
menggunaka n
persamaan 3.24.
ii.
iii.
digunakan
untuk
menghasilkan
nilai
set
17
BAB IV
PELAKSANAAN PRAKTEK KERJA LAPANGAN
Melakukan
Eksperimen
Akuisisi data
SIMULASI
Didapat
sebaran
dilektrik
Rekonstruksi
Citra Volumetrik
18
Model sensor dapat diubah sesuai dengan model yang diinginkan serta menghe mat
waktu dibandingkan dengan membuat secara langsung.
19
Untuk
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 .
20
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).
21
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.
22
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.
23
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 dibutuhka n
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
24
y1=Cn;
y1 : data transpos dari kapasitansi ternormalisasi
ii. Mencari nilai
phil=y1-ant3d*v0
phil
: nilai
y1
ant3d
: matriks sensitivitas
v0
: nilai permitivitas
alpha0
: nilai alpha
an3d
: matriks sensitivitas
v0
: nilai permitivitas
: nilai permitivitas +1
Flowchart metode Landweber dapat dilihat pada gambar, sedangkan script Matlab
selengkapnya terdapat di lampiran.
25
4. Hasil Eksperimen
Berikut adalah kurva hasil komputasi distribusi sensitivitas untuk 16 channel yang telah
dinormalisasi.
26
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
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.
27
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.
28
29
500
500
-2
300
-2.5
-2.25
iter
300
Y
-2.75
0.1
0.1
1.5
Grafik
Rekonstruksi
-1
-1.25
-1.5
Y
-1.75
300
300
300
iter
500
0.005
0.08
0.03
0.05
Grafik
Rekonstruksi
Dibawah ini adalah tabel hasil rekonstruksi citra dengan objek 5 cm dari sensor.
-1
0.1
300
-2
30
300
300
300
-1.5
-1.25
iter
500
Y
-1.75
0.1
Rekonstruksi
300
1.6
300
-2.5
Grafik
-2.25
1.5
iter
300
Y
-2.75
0.005
0.01
0.03
0.05
Grafik
Rekonstruksi
-1
0.5
300
-2
31
300
300
300
-1.5
-1.25
iter
500
Y
-1.75
0.85
Rekonstruksi
300
1.6
300
-2.5
Grafik
-2.25
1.5
iter
300
Y
-2.75
0.01
0.03
0.03
0.1
Grafik
Rekonstruksi
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.
32
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.
33
LAMPIRAN
34
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]);
35
36
37
%close all
%clc
format long
%NOD= 'G:\simulasi_18_12\';
nx=32;ny=32;nz=32;n=nx*ny*nz;
ne=16; %<-- angka 4 diganti sesuai jumlah port yang dimodelkan
m=0.5*ne*(ne-1);
n=1;mm=2;
% load ([NOD 'domain3d'],'-mat');
for l=1:(ne-1)
clear a b c d e f S Ex1 Ey1 Ez1 Ex2 Ey2 Ez2
a=load(['planarb' num2str(l) 'x.txt'],'-ascii'); %<-- nama file 'Mamae'
diganti sesuai dari file EXPORTEF
b=load(['planarb' num2str(l) 'y.txt'],'-ascii');
c=load(['planarb' num2str(l) 'z.txt'],'-ascii');
for m = mm:(ne)
d=load(['planarb' num2str(m) 'x.txt'],'-ascii');
e=load(['planarb' num2str(m) 'y.txt'],'-ascii');
f=load(['planarb' num2str(m) 'z.txt'],'-ascii');
countV1=0;
Ex1(1:nx,1:ny,1:nz)=0;
Ey1(1:nx,1:ny,1:nz)=0;
Ez1(1:nx,1:ny,1:nz)=0;
Ex2(1:nx,1:ny,1:nz)=0;
Ey2(1:nx,1:ny,1:nz)=0;
Ez2(1:nx,1:ny,1:nz)=0;
for k=1:nz;
for i=1:nx;
for j=1:ny;
countV1=countV1+1;
Ex1(i,j,k)=a(countV1);
Ey1(i,j,k)=b(countV1);
Ez1(i,j,k)=c(countV1);
Ex2(i,j,k)=d(countV1);
Ey2(i,j,k)=e(countV1);
Ez2(i,j,k)=f(countV1);
end;
end;
end
Ex1=Ex1;
Ey1=Ey1;
Ez1=Ez1;
Ex2=Ex2;
Ey2=Ey2;
Ez2=Ez2;
S=-1*(((Ex1.*Ex2)+(Ey1.*Ey2)+(Ez1.*Ez2)));
save(['Scrop' num2str(n)], 'S','nx','ny','nz','-mat')
l
m
n
n=n+1;
end
mm=mm+1;
end
38
SUMS
% for
%
%
%
% end
k=1:32
subplot(4,8,k)
mesh(S(:,:,k))
title(['Level=' num2str(k)])
Script SUMS
%close all
%clear all
format long
clc
%NOD='G:\simulasi_18_12\';
ne=16;
%<-- angka 4 diganti sesuai jumlah port yang dimodelkan
m=0.5*ne*(ne-1);
nx=32;ny=32;nz=32;
n=nx*ny*nz;
for p=1:m
filename=['Scrop' num2str(p)];
load ([filename],'-mat');
mesh(S(:,:,nz))
S1=reshape(S,1,n);
S2(p,1:n)=S1;
delete ([filename]);
end
clear S
S=S2;
save (['planarb.smt'],'S','n','m','nx','ny','nz','-mat') %<-- nama file
disesuaikan
% figure
% plot(S)
SNZ
39
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\'; %<-- direktori disesuaikan
% User defined parameter
n2d = 1024;
ne = 16;
% Number of electordes (diganti sesuai jumlah port
yang dimodelkan)
nz = 32;
nx = 32;
ny = 32;
n = nx*ny*nz;
% Number of total pixels
npixel = n;
40
% removing NaN
% Calculate theta_ij
N = sum(a3d);
aN = find(abs(N)>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
41
clc
%NOD='D:\Design Sensor RR\Planar\'; %<-- disesuaikan
fname='normlissplanarb'; %disesuaikan seperti dari file SN3D
load ([fname ('.nsm')],'-mat');
for i=1:120
%<-- angka 6 dari m=0.5*ne*(ne-1), rumus yang di file SM
S1=an3d(i,:);
S1(find(isnan(S1)))=0;
S1=reshape(S1,nx*ny,nz);
sz=sum(S1);
S2(i,1:nz)=sz;
end
figure
plot(S2')
set(gcf,'color','w');
set(gca,'FontName','Times New Roman');
xlabel('Sumbu Z [-]','FontName','Times New Roman');
ylabel('Normalized sensitivity [-]','FontName','Times New Roman');
% aaa=an3d(1,:);
% 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_2#Level=' num2str(i) '.jpg']);
% end
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
aaa=an3d(4,:);
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_5#Level=' num2str(i) '.jpg']);
end
aaa=an3d(7,:);
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]);
42
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
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
43