Dokumen tersebut membahas metode Gradien Konjugasi Sekuensial untuk memperkirakan aliran panas dari masalah inversi konduksi panas nonlinier. Metode ini lebih efisien dibandingkan Metode Gradien Konjugasi karena memerlukan memori dan waktu komputasi yang lebih sedikit. Metode ini digunakan untuk memperkirakan aliran panas permukaan dan suhu permukaan berdasarkan kondisi awal dan batas masalah termal.
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
20220001 Efa Latiffah.pptx
1. Metode Gradien Konjugasi Sekuensial
untuk Memperkirakan Fluks Panas dari
Inversi
Konduksi Panas Nonlinier
EFA LATIFFAH 20220001
KOMPUTASI SISTEM FISIS
PROGRAM 23 FEBRUARI 2021
2. Konduksi Panas
• Kasus inversi konduksi panas merupakan salah satu kasus penting
dalam studi perpindahan panas. Kasus ini sering diaplikasikan pada
industri nuklir
• Dalam industri nuklir sangat sulit atau bahkan tidak mungkin untuk
mendapatkan suhu permukaan atau fluks panas secara langsung dari
beberapa perangkat yang memiliki persyaratan keamanan khusus.
• Kasus inversi konduksi panas sangat sensitif terhadap noise
pengukuran input. Sangat penting mengetahui estimasi parameter
sehingga ketidakstabilan solusi dapat diminimalisir.
3. CGM vs SCGM
• Metode Gradien Konjugasi (CGM) adalah algoritma domain sepanjang waktu yang
khas , dimana semua parameter yang tidak diketahui diperkirakan secara
bersamaan. Diperlukan lebih banyak memori penyimpanan dalam aplikasi praktis.
Uji numerik dan serangkaian percobaan membuktikan CGM dapat digunakan untuk
mendapatkan fluks panas dinding bagian dalam. Namun, metode invers CGM dapat
memakan banyak waktu karena masalah invers melibatkan sifat termal yang
bergantung pada suhu, terutama untuk masalah invers multi-dimensi.
• Untuk algoritma sekuensial, metode spesifikasi fungsi sekuensial (SFSM),
diusulkan oleh Beck et al. (Beck et al., 1985), saat ini merupakan salah satu metode
paling populer, yang menggunakan beberapa informasi waktu masa depan untuk
inversi parameter yang tidak diketahui dari langkah waktu saat ini. Dibandingkan
dengan metode estimasi domain sepanjang waktu, metode sekuensial memerlukan