Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   13 ,  No.   2 ,  F eb r uar y   201 9 , pp.  4 75 ~484   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 3 .i 2 .pp 4 75 - 484          475       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Wind  directi on senso r  b ased  on th er m al anemom ete r for   olfacto ry mobile  robot       Helm y Wi dya nt ar a ,  Muha mmad  R i va i ,  Djok o  P urw anto   Depa rtment  o f  E le c tri c al E ngin eering,   Inst it ut   T ek nologi   Sepu luh N opember  Suraba y a, I ndonesi a       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   Sep   1 9 , 201 8   Re vised  N ov   2 0,   2018   Accepte d  Dec  4 , 2 018       A  wind  dire ct i on  sensor  has  bee n  implement ed  for  m an y   a ppli c at ions ,     such  as  navi g at i on,   wea the r ,   and   ai r  po ll uti on   m onit oring .   In  an   o dor  tra ck ing   s y stem,  th e  win d  play s  the   important   ro le   to  ca rr y   g as  from   it s  source .   The ref or e,   th e  pre ci se ,   low - cos t,   and  eff e ctive   wind  dire ct ion   sensor  is   req uire d  to  tr ac e   the   gas  sourc e .   In  thi s  stud y ,   a   n ew  design  of  wi nd  dire c ti on   sensor  has  bee n   deve lop ed  usin g  the rm al   ane m om et er  prin ci pl e  with  the  m ai n  component  of  the   p ositi ve   te m per at u re  coe f ficien t   the rm istor.    Thre e   an emom et ers  each  of   whic h  has  diff ere n t  d ire c ti ons  ar e  use d  as  i npu ts   for  the   neur al   ne twork  to  det ermine  the   direct ion   of  the   wind  aut om at ic a l l y .   The   expe r iment al   r esult s  show   t hat   the   w ind  sen sor  s y stem  is  ab le   to  d et e ct  twel ve  wind  dir e ct ions.  A  m obil e   robot  equi pped  with  thi s  sensor  s y stem  can   navi ga te   to  a  wind  so urc e  in   the  open   ai r   with  a   succ ess  rat e   of  80% .     Thi s  s y stem  is  expe cted  to  inc r e ase   the   succ ess  rat e  of  th e  olfac tor y   m obile  robot  in   sea r chi n g  for  d ange rous l ea king   gas  in  th e   open ai r .   Ke yw or ds:   Neural  netw ork   Olfacto ry m ob il e rob ot   Ther m al  an em om et er   W i nd  directi on  sen s or   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed.   Corres pond in g  Aut h or :   Muh am m ad  Riv ai ,    Dep a rtm ent o f El ect rical  En gi neer i ng,    In sti tut Te knol og i  Sepulu h N op em ber   Surab ay a, Indo nesia .   Em a il :  m uh a m m ad_ ri vai@ee. it s.ac.id       1.   INTROD U CTION     The  m easur e m ents  of   wind  directi on  a re  com m on ly   us e d  in  we at her   m on it ori ng   sta ti ons ,     nav i gation  syst e m s,  an d  ai r   poll ution  syst e m s   [1,   2] .  T his  data  is   re qu i red  in  m any  ar eas,  s uch  as  a viati on,   sh ip ping,   ag ric ultur e ,  et c.   I n  po ll utio n  syst em s,  the   wind  directi on  is  use d  for  analy sis  of   the  sp rea d  of   ai r   po ll uta nts   [3,   4] ,  especial ly   in  industrial   area  with  neig hbori ng  reside nc e. W in d  di recti on   is  al so   use d  as   aux il ia ry  de vic e  to  m ake  the  ta keo f f  pro ce ss  of   Un m anned  Ae rial   Vehi cl e  (U A V)   s m oo ther   [ 5] ,  and   as  a   nav i gation sy stem  o n o dor  tra ckin g rob ot   [ 6] .    In   the  od or   tra ckin g  rob ot,  th e  wind   play s  a  ro le   to  carry   the  od or  fro m   i ts  so ur ce   [ 3].  The  odor   m ov es f ro m  th e so urce occur s b y adv ect io n  and   diffusio n  a ssist ed  by the w in d.  Th e  odor p lum e sp reads t o  fill  the  spa ce  f ollo wing  the   wi nd  directi on  as  il lustrate d  in  Fig ur e  1  [ 7].  Se ve ral  m et ho ds   of   odor  pl um e  trackin g  hav e  bee n  te ste d  an d  com pared  it s  perform ance  by  pre vious  resea rc her s .   Li  et   al   con cl ud e d  that   the  z igzag   m et ho d  was  ef fici ent  only   if  the  r obot  m ov es  faster  tha n  the  odor  pl ume   or   ai r  flo w.   The   upwind  m et ho d  cou l d  be  bette r   if  the  ro bot  m ov e s  slow e r  th an  the  odor  pl um e  [ 3 ] .  Ho w ever,  the  pr e vi ou s  pro po se d  m et ho d  has  no t been   s uccess fu l  in  tr a ci ng   t he  odor pl um e  in  open  a ir   an d  in  tu rbul ent  wind  c ondi ti on s . Unstable   wind  conditi ons  cau se  the  dire ct io n  of  s pr ea ding  the  odor  plu m e  is  change d,   t his  cause s  the  rob ot  to  lose  tr ackin g  of   t he  od or   plum e.  Ther e fore,   the  searc h  for   the  od or   s our ce  is  unsu cces sfu l  or   ta kes  a  long  ti m e  to  find   t he   odor  pl um e.   Alexa nd e r  et   al   con si der e d  the  wi nd   dire ct ion   in  his  m et ho d  for  tr ackin g  odor  pl um e  in  tur bu le nce  c onditi on  [ 8 ] .  T he  trackin g  s ucce ss  rate  i ncr ease s  to 8 0%   in   the   sim ulatio n.   T hi s  resu lt   em ph a siz es   that  the  pr es en t  of  wi nd  direc ti on   se nsor   is  necessa ry  f or  odor  plu m e  trackin g  in   real  pl an ts.   By   knowing  th e   wind  di recti on,  the  trac king  process  ca n  be   accom plished  faster  a nd   eas ie r  to  fin d  t he   gas  s ource .  I n  this  stud y,  we  pro pose  a  wind  dir ect ion   se ns or  usi ng   an  om nid irect ion al   t her m al   anem o m et er .   T his  sen sor  s yst e m   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   2 ,  Fe bru ary 2 019   :   475   –   484   476   is  exp ect e d  to   be  im ple m ented  in  var io us   un m ann e d  de vi ces,  su c h  as  odor  tracki ng   rob ot  or   gas  l eakag e   fin der   r obot   [ 9,   10] , fo r  ei ther   sing le   [11]  or   s war m  ty pe  rob ots   [12 - 14] .           Figure  1.   The   odor  plu m e d ispersi on       2.   RESEA R CH MET HO D     2 . 1.       Ther m al  A nem ome ter   An em om e te r  is  a  de vice  to   m easur e  the   w ind   s pee d.   Ba s ed  on  it s  w ork ing   pr i nciple,   there  are  t w o  ty pes  of  this  dev ic e,   i.e.  ve locit y  and   pr e ssu re   anem ome te rs.   H owev e r,   the  vel ocity   anem o m et er  i s  m or e   com m on ly   us ed  in  m any  appl ic at ion s.  T herm al   ane m o m eter   is  a  ty pe  of  velocit y  anem om et er  that  con ve rts   wind  s peed  to  tem per at ur e  ch ang e s.  In  this  m et ho d,  w he n  the  ai r  is  passi ng  thr ough  t he   wire  or  tra nsd ucer’s   su r face,   it   will   in du ce   the   co oling  ef fect  [15] .  T he  dif fer e nt  m agn it ud e   of  the   te m per at ur e  is   the n  c onve rte d  into  wind  spe e d.   T her m al   ane m o m et er  has  hig h  f reque ncy  respo ns e  an d  good  sp at ia l  res olu ti on  com pared  to   the o t her m et h od s . T he refor e ,  it  is b r oa dly u sed for t urbu le nt w i nd  analy si s .   The  therm al   anem o m et er  i s  sh own  in  F igure  2.   Ge ne rall y,  the  core  el e m ent  of   the  therm a l   anem o m et er  is   a  thin  wire  know n  as  ho t  wire  or   a  t ransduce r  s uc h  as   a  therm ist or ,  resist ive  te m p erature   detect or s   (RT D) ,   et c.  The   therm al   anem o m et er  has  ge ne r al   w orki ng  pri nciple  i.e .,  w hen  the   tran sducer   i s   su ppli ed  by  a n  el ect rical   cu rr e nt,  it   will   gen e rate  the  i nter nal  heati ng  w hich  e qual s  to  it s  su r rou nd i ngs    [16,   17] .  T he  a m ou nt  of   i nput  powe r  is  e qu al   to  t he  lo st  power   a ff ec te d  by  the  c onvecti ve  heat  tran s fer  expresse d  as:     2 = ℎ . ( − )                 (1)     W he re  I   is  the  inp ut  cu rr e nt,   R w   is   the  resist ance  of   the  t ran s ducer ,  h   is  the  heat  trans fer   coe ff ic ie nt  of   the  trans du ce r ,  A w  is  the  trans duc er’ s  s urface  a r ea,  T w  is  the  trans du ce r  te m p eratur e ,  T f   is  the  te m per at ur e   in  the   ai r,  a nd  R w  is t he fu nctio n of  t e m per at ure  deri ved  a s:     =  [ 1 + α   ( −  ) ]               (2)     W he re    is  the   coeffic ie nt  of  therm al   resist a nce,  T Ref   is  the   ref e ren ce  te m per at ur e ,  a nd   R R ef  is  the  resist ance   at   the  ref e ren ce  t e m per at ure  [18 ] .  A ccordin g  to  King' s  la w ,  the  heat  trans fe r   coeffic ie nt  sym bo li zed  by  h   is  the  functi on  of   flui d velocit y  V f ,  wh e rein   a ,  b , a nd  c   a re th e  coe ff ic ie nt  ac hie ved  f ro m  the c al ibrati on ( c   ~  0.5).       ℎ = + .                   (3)     By  co m bin ing   the equat io n (1), (2 ), an d (3),   we  ca n  el im ina te   h .     + . =   2 ( − )     =   2  [ 1 +   ( −  ) ] ( − )                 (4)     Ther e f or e,  the   fluid vel ocity  can be  wr it te n  a s:     = { [ 2  [ 1 +   ( −  ) ] ( − ) − ] / } 1 /             (5)   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Wi nd d ire ct io n sens or   base d on ther m al ane mometer f or   olfactory  m ob il e  ro bot  ( Hel my W idya nta r a )   477       Figure  2 .   The r m al  an em o m e t er: (a )  the  workin g pr i nciple,  (b) W i nd Re vP sens or, a nd    (c)  c ha racteri sti c o f  the  Win d R evP  se nsor       2 . 2 .     Win d Tu nnel   The  wind  t unne l  is  us e d  t o  m ini m iz e  the  eff ect s  of  tu rbulence,   to   m ain ta in  th e  sta bl e  ai rf lo w,  a nd  al so   to  pr oduc e  the  hom og en eous  ai rf l ow   [ 19,   20] .   T he  wind  tu nn el   is   app li ed  t o  ac hieve  the  wind   sens or   char act e risti cs,  an d  al s o  to   ve rify  the   ex per i m ental   resu lt s.   The   desi gn  of  the  wind  t unne l  is  show n  i n  Figur e   3 .  T he  wind  t unne l  us e d  in   th is  exp e rim ent  consi sts  of  a   c ham ber   with  t he  siz es  of  15c m   x  18 cm   x  18cm .  It  has  the  e ntry  a nd   t he  e xit  ho l e s   with  the  sa m e  dia m et er  of   18  cm .  Ther e   are  six  t hin   fins  instal le d  at   the  exit   ho le   to  m ini m i ze   the  tur bule nc e  eff ect .  F urt her m or e,  th e  di ff use r  of   plasti c  straw  locat e d  at   the  ent ry  channe l   has  the   le ngth  of   15  cm   and   diam e te r  of  0. 7  cm .  The  ai r  com ing   from   t he  ou tsi de   al re ady  recti fied   by   the   diffuse r  is  tran sp ort ed  t o  the  te sti ng   area   with  the  siz e  of  0.6m   x  0. 4m   x  0. 4m .  In   this  stu dy ,  the  wi nd   t unne l   op e rates   from   0.5 to 7  m ph , wit h  the  volt ag e   sup ply   is va ried fr om  7 .5   vo lt s to  24  volt s.           Figure  3 .   The   desig n of wi nd tunnel       2 . 3 .     Win d  Direction  Sens or   This  stu dy  us e s  a  therm al  anem o m et er  based  wind   s pee d  se ns or  of  W i nd   Re vP   pro duce d  by  Mo dern   Dev ic e.   It   ap pl ie s  a  posit ive   te m per at ur e  coeffic ie nt  (PTC )  the rm ist or   as   the   tran s du ce r  t o  m easur e   the  coo li ng  e ff ect   cause d  by  the  ai r  passing  th r ough  the  tra nsdu ce r’s  surface .  It  is  able  to  m easur e  t he  wi nd  sp ee d  from  0  to 150  m ph  [ 2 1],  with  the acc ur acy   of 0.5  m ph  [2 2]. F urt he rm or e, the  relat io nship  b et wee n  t he v oltage   and tem per at ure can  be  e xpres sed  as:      = +  +                 (6)     wh e re  T   is  a m bient  tem per at ur e  ( C),    is  wind  sp ee d  (m s - 1 ),   an d  a,  b,   c,  d  are  co ns ta nts.  T he  tra nsp os e  of   wind s pee d  ca n be  wr it te n  as:     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   2 ,  Fe bru ary 2 019   :   475   –   484   478   = { (  − −  ) } 1 /                 (7)     The  outp ut  sig nal  of  t he  Wi nd  Re vP   is  t he n  c onve rted   into  dig it al   data  us i ng  A nalo g  to   Digital   Converte r  ( A DC)  of   the  m i cro c ontrolle r .  The  c har act eri sti c  data  of   th e  W in d  Re vP   assessed  by  th e  wind   tunnel  can  be  seen  in  Fi gure   2( c ).   It  s hows   that  the  wind   sens or   pro vide s  the  dif fer e nt   respo ns e s  f or  each   sens or   to  the  wind  directi on .  This  data  is  per f orm ed  us ing   a  wi nd   s peed   of   1.5,  3,   an d  6  m ph  with   norm al iz a ti on   expresse d  as:      = ( −  ) (  −  )                 (8)     Accor ding  to  e xp e rim ental   resu lt ,  the  wind  sens or   has   the  hig hest  ou t pu t  at   the  di recti on  of   0   a nd   the  lo west  out pu t  at   t he  di re ct ion   of   90 ,   a nd  27 0 .  Me a nwhile ,  f or  the   opposit e  di re ct ion   s uch  as  0   a nd  180 ,  the  wind  sen sor  pr ov i des  sim i la r  outpu t.  T her e f ore,  to  obta in  th e  pr eci se  wind   directi on  m od el ing,     an  a d va nce d  m et hod  a nd app r opriat e sen sor  placem ent are  require d.   Accor ding  to  t he  sen sor  cha r act erist ic ,  the  wind  sen sor  ha s  a  good  se nsi ti vity   in  the  m easur em ent  ang le   of  60 .  I n  orde r  to  rec ognize  12  wi nd   directi ons,  the  config ur at io n  of   th ree  sens ors  def ine d  with  A,   B,  and   C  s houl d  be  locat e d  at   0 ,  12 0 ,  a nd  240 ,  resp ect i ve ly .  The  se ns or  config ur at io n  i s  show n  in  Fig ur e  4.   The  sm al l  siz e  of   a nem o m et ers  are  r eq uire d  f or   m ob il e  r obot   app li cat ions  s uch  as  s war m   ro boti cs.  Accor ding   to  the  m echani cal   design ,  if   the  base  diam et er  of   the  wi nd   directi on  sens or   is  sm a ller  than  20  cm ,  it   wil l   gen e rate t he  si m il ar r esp on se s due t o  the  shor t  distance.   The  sc hem at ic  la yout  of  the  wind  di recti on  sens or   s how n  in  Fig ur e  4( a )   us es  the  om nid irect io nal  m et ho d  a pply ing   t he  ac r yl ic   m at erial   with  a  thick ness  of   0.5  cm .  Figure  4(b)   prese nts  the  m echan ic al   desig n  of   t he  wi nd   di recti on   se nsor .   Each  se nsor  i s  co nn ect e d  to   the  m ic ro con t ro ll er.  The  dat a  retrieval  pro cess  is   cond ucted   us i ng  the   wi nd  tunnel  at   t he  w ind   sp ee d  of  1.5  m ph,  3  m ph ,  a nd  6  m ph  for  t he  s pecifi c  wi nd  directi ons  by rotat ing  t he  se nsor  ev e ry  30 .           Figure  4.  W i nd d irect io n  se nsor:  (a) t he  sc he m at ic  lay ou t, and (b)  the m echan ic al   desig n       2 . 4 .     Neur al  Net w or k  fo r   Wind  Directio n Predicti on   In   this  stu dy,  a  Mult i  Lay er  Perce ptron  (M LP)  ne ural   net work   al gorith m   is  app li ed  t o  predict   the   wind  directi on.   The  MLP  is  a  per ce ptr on   m od el   dev el oped  by  Rosenbla tt in  [23].  P er cept ron  m od el   is  us ed  to  so lv e   li nea r  pr ob le m s  on ly ,  wh e reas  MLP   can  be  use d  to  accom plish  com plex  probl e m s .  The  MLP  is  a  per ce ptr on  that   has  t he  ad diti on al   la ye rs  bet ween  the  in put   la ye r  an d  the  ou t pu t  la ye r  know n  as  t he  hi dd e n  la ye r.   The  a rc hitec ture  of   M LP  net work   use d  in  this  st udy  can  be  see n  in  Fig ur e  5.   T he  in pu t  la ye r  node s   denoted  by  X1,  X2,  an d  X3   ob ta in  data  fro m   wind   sp ee d  sensors  A,   B,   and   C,  respec ti vely .  A  nu m ber   of  twenty  n e uro ns i n  the  h i dden  lay er ar e  us e d  t o  im pr ove the   netw ork per f orm ance as a pat te rn ide ntifie r.     Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Wi nd d ire ct io n sens or   base d on ther m al ane mometer f or   olfactory  m ob il e  ro bot  ( Hel my W idya nta r a )   479       Figure  5. The  a rch it ect ure  of   ne ur al   netw ork       The  f our  neur on s  i n  t he  ou t pu t  la ye r  re pre sent  the  twel ve   wind  directi on s .  T he  act iv at ion   f unct ion  us e d  in  this  stud y  is  the  bina ry  sigm oid   fu nction  [23,   24] .  Ba ckpropa ga ti on   is  a  le arn ing   al go rithm   f or   the   arti fici al   neura l  netw ork  to   obta in  proper  w ei gh ts  betwee n  the  ne uro ns   [ 25 ] .  I n  this  m et hod,   t he  weig hts  of  the  hi dd e n  a nd   outp ut  la ye rs  are  up dated   it erati vely   durin g  the  le ar ning  proces s  [ 26] .  T he  back  pro pa gation  al gorithm   con s ist s  of   a dvance d  fee d  f orward   com pu ta ti on   a nd  bac k  pro pa gation.  T he  fee d  f orwa rd  in  hi dd e n  la ye r   is ex pr es sed by:     ij ij i oj j x w w n et Z 3 1                 (9)     wh e re  i   is  the  i - th  node  ( i = 1, . . ,3)  at   the  inp ut   la ye r,   j   is  the  j - th  ne uro n  ( j =1 ,2 , …, 20)  at   the  hid de n  la ye r,   x ij   is   the  in pu t  value   of   node  i   t o  th e  hidde n  ne uro n   j ,  w oj   is  the  bi as  of   t he  hi dden  la ye r,   w ij   is  the  wei gh t  betwee n  the in pu t  node   i  and the  hi dd e n neur on   j .    The o utput o f  e ach  neur on is a n  act ivati on  functi on exp ress ed  as:     n et e n et Z f Z j Z j j 1 1 ) (               (10)     The  cal c ulati on   process  is the n  a pp li ed  to  th e  outp ut lay er  expresse d  as:     jk j k j Ok k v z v n e t y 1                 (11)     The  val ue  of  v ok   is  the  bias  at   t he  outp ut  la ye r,   z j  is  the  ou t put  of   each  ne uro n  in  the  hidde n  la ye r,   and   v jk   is  the   weig hts  betwe en hid den n e ur on  j  an d  t he out pu t  neur on  k   ( k=1,2,…, 4).     k Y n e t k k e Y n et f y 1 1 ) (               (12)     The wei ght c orrecti on b et wee n  the  h i dd e n an d  the  outp ut la ye rs  is e xpress ed  as:     n e t Z f Y T j k k k ' ) (   j k jk z v                    (13)     wh e re    is  le arn i ng   rate.  Me anwhil e,  the  weig ht  correct ion   betwee n  the  in pu t  a nd   t he  hi dd e n  la ye rs  is   expresse d  as:     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   2 ,  Fe bru ary 2 019   :   475   –   484   480   n e t Z f n e t j j j '   i j ij x w                    (14)     The u pd at e  of  weig hts a nd b i as are  giv e n by  the  fo ll owin g equ at io n:     jk jk jk v v v   ij ij ij w w w                   (15)     The  weig hts  and   biases  gen e rated  in  t he  le arn i ng   process   are  the n  us e d  for  the  neural   netw ork  arc hi te ct ure   i m ple m ented  on the  m ic ro cont ro ll er.       3.   RESU LT S   A ND AN ALYSIS     3.1.      The  A n al ys is o f the  Wind  Directio n  Senso r   Characte rizat io n  a nd  te sti ng   of   t he  wind  directi on  sen sor  are  perform ed  inside  t he  wi nd  tu nnel   a s   sh ow n  in  Fig ure  6( a ).   Test s  on   the  ho m ogeneit y  of   the  wind  directi on   fo rm ed  in  the  tun nel  ne ed   to  be   accom plished .  The  te st  is  c ondu ct e d  by  tur ni ng  the   fan  at   2. 700  rp m   and  m easur i ng  the  wi nd  sp ee d  at   vari ou s   distances  insi de   the  tun ne l.  F igure  6(b )  sho ws  that  the  res pons e  of   wi nd  sp eed  in  the  wind  tunnel  is  alm os t   ho m og e neous .   The  c onfi gurati on   of  the   th re e  sens ors  pr es ents  the   pe rfo r m ance  res ult  a s  sho wn  in  Figure  7.  T he   sens or   A  has  a   good  re spo nse   with  the   wi nd  c om ing   from   the  di recti on   of   0   a nd  180 .  The  sens or  B   has  a   good  norm al izati on   sc or e   wit h  the  wind  c om ing   f ro m   the  directi on  of   120   a nd   300 .  Me anwhil e,  se ns or  C   has  a  good  res pons e  wit h  the   wind   c om ing   from   the  directi on   of  60   a nd   240 .   The  dire ct ivit y  patte rn   of   the   wind se nsor  is  about  60 .           Figure  6.  The  c har act erizat io n an d  te sti ng  of  W i nd  directi on  sen s or :  ( a ) wind t unnel,  and    (b) ho m og e neity  o f  the  wind i ns ide  the t unne l           Figu re  7.  The   directi vity   patte rn  of the  w i nd sen s or   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Wi nd d ire ct io n sens or   base d on ther m al ane mometer f or   olfactory  m ob il e  ro bot  ( Hel my W idya nta r a )   481   At  the  wind  dir ect ion   wh ic h  ha s  opposit e  di r ect ion   of   t he  W i nd  Se nsor  Re v  P,   f or   i ns t ance,  t he  wind  com ing   from   the  directi on  of  0   ge ne rates  t he  diff e re nt  no rm alizat ion   sc or e   of  0.30  to   the  di recti on  of  180 .  This  di ff e ren t  r esult  occ ur s  be cause  the  posit ion   of   t he  the r m ist or   sign i ficantl y  influ e nce s  the  am ou nt  of  wi nd  stream   to  reach  the  therm ist or   su r face.  I f  th e  wind   stream   highly   reaches  the  su r face,  it   will   gen erate  a  faster   heat  release   from   the  therm i stor . The  norm al iz ed  res ponse s  of  the  wind  se nsor  a re  sh ow n  in   Fig ur e  8.     This  in dicat es  that  the  r esp on se  patte r n  of   t he   sens or  ar ray  is  infl uen ce d  by   the  ai rf l ow  c om ing   from   diff e ren t  directi ons.  Ea ch  wi nd  direct ion   will   produ ce  a  sp eci fic  sens or   patte r n;   there fore,  it   can  be   us e d  f or   t he   trai ning  proces s of the  n e ural   netw ork  t o pr e dict t he win d d irect ion .   In   th e  trai ning   ph ase ,  this  ne twork  is  fe d  a  vecto r  pair  consi sti ng   of   s ens or   patte rn s   and   ta r get s   represe nting   t welve  wi nd   dir ect ion s.  Eac h  directi on  co ns i sts  of   te n  sens or   pa tt ern s .  Th e  nu m ber   of   it erati ons   in  this  ph a se  is  set   at   10 ,00 0  epo c hs ,  as  s how n  in  Fig ure   9.   The  te sti ng   ph ase  of   wind  directi on  se nsor  is   cond ucted  to  a ssess  it s  per f orm ance.  Test   of  the  sensor  m o du le   us i ng  wind  tunnel  is  perform ed  fo r  tw el ve   wind  directi ons  with  a  sp ee d  of  0 . 5  -   6  m ph .   The  ex pe rim e ntal  resu lt   of  th e  wind  directi on  sen sor  on  the   wind   tunnel i s  pr ese nted  i n  Ta ble  1. It s hows  that t he  acc ur acy   of  the w i nd se ns or is  91.6%.           Figure  8. The  re spon ses  of t he  w in d  s en s ors           Figure  9. The  e rror val ues dur ing  t he  trai ning  phase   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   2 ,  Fe bru ary 2 019   :   475   –   484   482   Table  1 .   T he   M easu rem ent R esult  of  the   W i nd  D irect io n  S e nsor   in t he   W in d  T un nel   W in d  Dir e ctio n   0°   30°   60°   90°   120°   150°   180°   210°   240°   270°   300°   330°   Su ccess rate  ( %)   100   100   70   100   100   100   60   100   100   100   70   100   Av erage of  Succes s rate (%)   9 1 .66       3.2.      The  Perf orm an ce  of th e Olf actory  M ob il e Rob ot E quipped  wi th   Wind  Directio n S ens or   Test ing   t he  se ns or  m od ule  i n  the  open  ai r   beco m es  an  e xciti ng   c halle nge.  In   t his  cas e,  the  se nsor   m od ule  is  i m plem ented  in  an  olfacto ry  m ob il e  rob ot   to  fin d  the   wind  s ource .  Fig ur e  10  sh ow s   i m ple m entat io n  of  the  wi nd  directi on  sen s or   on   t he  m ob il e  ro bot  an d  it s  trackin g  al gorithm   fo r  1  s econd - sam pling   tim e.   The  m ob il e  robo t  is  te ste d  w it h  sever al   hea ding  an gles.   P erfor m ance  te st  on   the  m ob il e  robot   in  trackin g  the   wind   s ource  was  accom plished   by  blowin g  the  wind  us i ng   a n  el ect rical   fan ,  as  sho wn   in   Figure  11.  T he   r obot  m ov es  wh il e  keep  try ing  to  t race  the   wind  t ow a r d  t he  fan,  as  sho wn  in  Fig ur e   12.  Th e   exp e rim ent al   resu lt   of  this   r obot  is   sho wn  in  Ta ble  2.   T he   su ccess   rate  of  the   r obot  to   f ind   t he  s ource  of   wi nd   with  head i ng a ng le s  of  45 , 0 , a nd  - 45   is  77. 5%, 8 7.5%,  a nd 75% , r e sp ec ti vely .           Figure  10. T he  i m ple m entat ion   of w i nd d irec ti on  se nsor:  (a) m ob il e  robo t e qu i pp e d wit h  t he win d direct ion  sens or ,  a nd (b) t he ro bot’s tra ckin g  al go rith m           Figure  11. Wi nd s ource  searc hing  by the  olf act or y m ob il e r obot       Table  2 .   T he   S uccess Rat e  of  the  Ro bot  to  Find  the  Sou rce  of  W i nd   Orientatio n   Distan ce ( c m )   Av erage   Total   25     50     75     100     Av erage     45°   100%   80%   70%   60%   7 7 .5%     0°   100%   100%   80%   70%   8 7 .5%   80%   - 45°   100%   80%   70%   50%   7 5 .0%       Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Wi nd d ire ct io n sens or   base d on ther m al ane mometer f or   olfactory  m ob il e  ro bot  ( Hel my W idya nta r a )   483       Figure  12. T he  robot tra j ect or y i n  searc h o f win d  s ource       4.   CONCL US I O N   In   t his  stu dy,  we  hav e   de vel op e d  a   wi nd   di recti on  sens or  us in g  the rm al   anem o m et er  pri nciple  with   the  m ai n  co m pone nt  of   the  po sit ive  te m per at ur e  c oeffici ent  therm ist or .  Thr ee  anem ome te rs  each  of  wh ic h  hav e  dif fer e nt  directi ons  of  120   are  us e d  a s  inputs  f or   t he   neural  net work   t o  determ ine  the  directi on   of   t he  wind  aut om at i cal ly .  The  ex pe rim ental   resu lt s  sh ow  that  t he   wind  se ns or  syst e m   is  able  to  rec ognize   t welve  wind  directi on s  with  the  accu racy  of   91. 6% .   A n  olfa ct or y   m ob il e  ro bo t  e qu i pp e d  with  t his  sens or   syst e m   ca n   nav i gate to  a  w ind   source   in t he op e n  ai r  with a  su cces s r at e of  80 % .       ACKN OWLE DGE MENTS     This  researc h  was  ca rr ie d  ou t  with  fina ncia l  ai d  s upport   f ro m   Lem bag a  Penelit ia n  dan  Pengab dian  Kep a da  Ma sya rak at   (L PPM )  Insti tut  Teknolo gi  Sepulu h  Nopem ber   (ITS)  S ur a baya,   and   the  Mi ni stry  of  Re search , Tec hnology a nd Hi gh e r  E du cat i on  of the Re publ ic  o f Ind on e sia  (Kem enr ist ekd ikti  RI ).       REFERE NCE S    [1]   Babu  SD ,   Acha rj y a  AS ,   Alam  S .   Design  And  Constr uct ion  of  Mic rocontroller  Based  Wind  S pe ed  And  Direc t io n  Monit oring S yst em .   In   Strategi c Te chno log y .   Co x' s Ba za r .   2014 : 284 - 288.   [2]   Kim   KH ,   Le e  SB ,   Dae kwangW oo ,   Bae  GN .   Infl uenc e  of   W ind  Dire ction  And  Speed  on  The   T ra nsport  of  Parti c l e - bound  PA Hs   in  a  Roadwa y   Env i ronm ent .   At mos pheric   Pol lu ti on   Re search .   2015;   6(6):  1024 - 1034 .   [3]   Li   JG ,   Yang  J,  Cui  SG ,   Geng  LH .   Speed  Li m it a tion  of  a  Mobile   Robot  and  Meth odolog y   of  Tr ac i ng  Odor  Plu m e  in  Airflow  Envi ron m ent s.  Jounal E l sev ie r  Proce d ia Engi ne ering .   20 11;  15:   1014 - 10 45.   [4]   Akin y emi  ML ,   Emete re   ME,   A kinwum i  SA .   Dy nami cs  of  W ind  Strengt h  and  W ind  Dire ction  on  Air  Pollut ion   Dispersion.   Asia n  Journal  o f App li ed   Scienc es .   20 16;  4(2):   422 - 42 9.   [5]   Rahi m i  MR,  Haji gh ase m i  S,  Sanae i  D.  Desi gning  and  Sim ula ti on  for  V er ti c al   Moving  C ontrol   of  UA V.  Inte rnational   Jo urnal  of El e ct ri c al  and  Comput er  Engi n ee ring   ( IJE CE) .   2013;   3(5 ):  651 - 659.   [6]   M  Riva i,  Rend yans y ah ,   D  Purw a nto.   Impl eme ntation  of  Fuzzy  Logic  Control  In  Ro bot  Arm  For  Sea rching  Locati o n   of  Gas   Leak .   Int ern ational Sem ina r  on  Intelli g en t   Te chno log y   a nd  Its  Applicati on .   Suraba y a. 2015:  69 - 74.   [7]   K.  Harri ngton ,   N.  Daniel,  R.   Gurka,   A.   Hara ri,   G. Z. A .   L iberzon.   Moth - Insp ire d  Nav iga t ion   Algorit hm   in   a  Turbul en t  Odor  Plum e  From   a  Puls at ing   Source .   PLOS ONE ,   201 8;  13(6):   1 - 18.   [8]   Abus al oua  A,   Sheli q   R.   Dispersio n  Models  of   At m ospheric   Air  P oll uta n ts.  Uni ve r sity   Bul l et in .   201 6;  18(3):   56 - 79.   [9]   Zha ng  T,   Li   H ,   W ang  S.  Inv erse l y   Tracki ng   Indoor  Airbor ne  Parti cles  to  Loc ate  The ir  Rel e ase   Source s.  At mos pheric   En vi ronm ent .   2012 ;  55(3):   328 - 338.   [10]   Lu  TF.   Indoor  Odour  Source   Loc alisati on  Us ing  Robot:   Init ial  Loc a ti on  and  Surge  Distanc e  Ma tt er .   Robot i cs  and  Aut onomous   Sys te ms .   2013;   61:   637 - 647.   [11]   Voges  N,  Chaff i ol  A,  Lu ca s  P,  Marti ne z  D.  Re a ct iv e  Sear chi ng  and  Infota x is  in  Odor  Source   Lo ca l iz a ti on .   PLO S  Computati onal Bi ology .   2014 ;  1 0(10):  1 - 14.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   2 ,  Fe bru ary 2 019   :   475   –   484   484   [12]   Zha ng  J,  Gong  D,  Zha ng  Y.  A  Nichi ng  PS O  Ba sed  Multi   Robot  Coopera ti on  M et hod  for  Loc a lizing  Odor  Source s.  Neurocomputi ng .   2013;   123:   308 - 317.   [13]   Jatmiko  W ,   Jova n  F.  Robots  Im ple m ent a ti on  For  Odor  Source   Lo ca l iz a ti o n  Us ing  PS O  Algorit hm .   World  Sci en ti f ic  and  Engi n ee ring   Ac ad emy   and   S oci e ty .   2011;   4(1 0):  115 - 125.   [14]   Ta n  Y,   Zh eng Z. Re sea r ch  Adva nce   in  Sw arm R oboti cs.   Def enc e   Technol og y .   20 13;  9(1):   18 - 39.   [15]   Chen  B,   Zhu  YQ ,   Yi  Z,   Qin  M,  Huang  QA .   Tem per at ure   Eff ects  on  the   W ind  Dire ction.   Senso rs .   2015;  15(12):  29871 – 29881.   [16]   Hultmark  M,  Sm it s  AJ .   Te m p era tur e  Corre c tions   for  Constant   Te m per a ture  and  Constant   Curre nt  Hot  W ire   Anem om et ers.   Me asur eme nt  S c ie nc e  And   Techn ology .   2010;   21: 1 - 4.   [17]   Zhu  Y,  Chen  B ,   Qin  M,  Huang   QA .   2  D  Micromac hine d  Th er m al   W ind  Sensors   A  Revi ew.   I EE E  In te rnet  o f  Things   Journal .   2014;  1(3):   216 - 232.   [18]   Kham shah  N,  A bdal l a  AN ,   Koh  SP ,   Rashag  HF .   Iss ues  and  Te mpe rat ur e  Com pensa ti on  Techni q ues  for  Hot  W ire   The rm al   Flow   Senso r:  A Review .   Int ernati onal   J ournal  of the   Ph ysic al   Scienc es .   2011;  6(14):   327 0 - 3278.   [19]   Kam iński  Z,   Cz y ż   Z.   The   Ch aract er isti cs  of  Th e  Opera ti ng  Par a m et ers  of  The   V ert i ca l  Axis  W in d  Turbi ne  For  T he   Sele c te d  W ind   Speed.  Ad vances in Sc i ence  and   Te chnol ogy   Re s ea rch  Journal .   2017 ;  11(1):   58 - 65.   [20]   Yong  TH,   Dol  SS .   Design  and  D eve lopment  o f  L ow - Cost  W ind  Tunne l  for  Educ a t iona l  Purpos e.  M ate rials  Sc ie nc e   and  Engi n ee ring .   2015;   78:   1 - 11.   [21]   Garve y   L,   Hass an  L,   Nicho ls  K,  Paquin  A.  Equ ine   Lung  Func t i on  Testing  Dev i ce .   In  No rth ea st   Bioe ngineeri ng  Confer ence. Phil ade lph ia .   2017.   [22]   Prohask y   D,   W at kins  S.   Low   C ost  Hot - element   Ane mom et ry   V erses  the   TFI   C obra .   In  19th   A ustral asi an  Fluid   M ec hanics Conf ere nc e. Me lbour ne.   2014 :  260 - 26 3.   [23]   Pancha l  G ,   Gan at ra  A ,   Kos ta   Y P,  Panchal  D.  B eha viour  An aly s is  of  Multi l a y er   Perc ept rons  wi th   Multi pl e  Hidde n   Neurons a nd  Hi dden  L a y ers.  Int ernati onal   Journ al  of   Computer  Theory  and  Eng i nee ring .   2011;   3 (2):  332 - 337 .   [24]   M Riva i,   F Budi m an,   D Purwanto,   J Sim amor a.   Mea t  Freshness   Ide nti f ic a ti on  S y stem Us ing  Gas  Sensor Arra y   And   Color  Sensor  In   Conjunc t ion  W it h  Neura l   Network  Pat te rn  Rec ognition .   Jo urnal  of  Theore ti cal  and  Appl i e d   Information  Tec hnology .   2018,   9 6  (12):  3861 - 387 2.   [25]   M  Riva i,   A  Arif in,   EI   Agus ti n.   Mix e d  Vapour  I dent ification  Us i ng  Parti ti on   Col umn - QCMs   And  Arti ficia l  Neura l   Net work .   Inte r nat ion al   Conf er enc e   on  Infor m at ion,   Com m unic a ti on  T ec h nolog y   and  S y stem.  Sur abaya.    2016:  172 - 177.   [26]   Rao  CS .   Design   of  Artif ic i al  Int el li g ent  Controll er  for   Autom at i c  Gen er ation  Co ntrol   of   Two  Ar ea   H y droth erma l  S y stem.  In te rnat ional   Journal  of   El e ct rica l  and   C omputer  Engi n e ering .   2012 ;  2(2) :  183 - 190.       Evaluation Warning : The document was created with Spire.PDF for Python.