Garuda - Garba Rujukan Digital

Tuning Parameter Kontrol Proporsional–Integral Menggunakan Sugeno Fuzzy Inference System Wahyudi Wahyudi; Iwan Setiawan; Eduward Tigor
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 10, No 2 (2008): TRANSMISI
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

PI (Proportional-Interal) controller is a control method that have been applying in industrial proccess. This control method have two control parameters the proporsional parameter (Kp) and the integral parameter (Ki). In conventional methot, parameter PI is tuned by using trial and error. That problem is how tuning parameter is easyly and not long time to find this parameter. Autotuning paramer by using fuzzy logic is one method to solve this problem. In autotuning method, PI parameter is calculate by some of rules base. This methode have two inputs, error and change of error. Main controller of this plant, control fluid level, use Atmega8535 microcontroller and water pump as the actuator to control. This reseach is succesfull for tuning PI parameter and to control the fluid level as we want. The respon system have rapid rise time, no offset and no overshoot. The respon system is stable although we add some noise in the system.Keywords: PI (Proportional-Integral), autotuning fuzzy, and ATmega 8535 microcontroller

SIMULASI PENGENDALIAN SHELL HEAVY OIL FRACTIONATOR (SHOF) MENGGUNAKAN METODE KONTROL ADAPTIF Sela Martasia; Budi Setiyono; Wahyudi Wahyudi
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 7, NO. 1, MARET 2018
Publisher : Universitas Diponegoro

Shell Heavy Oil Fractionator (SHOF) adalah suatu kolom distilasi atau yang disebut juga fraksinator yang digunakan untuk memisahkan heavy oil mentah menjadi produk-produk yang diinginkan berdasarkan perbedaan titik didih dari masing-masing produk tersebut. Perancangan kendali pada SHOF memiliki beberapa kendala yang disebabkan oleh non-linearitas pada proses, interaksi multivariabel, waktu tunda (dead time) yang panjang, dan gangguan. Berdasarkan hal tersebut, dibutuhkan suatu metode kontrol yang mampu mengendalikan respon sistem untuk pengoptimalan sistem SHOF sehingga keluaran komposisi produk sesuai dengan yang diharapkan. Kontroler tersebut digunakan untuk mengendalikan valve pada kolom fraksinator SHOF dengan tiga masukan dan tiga keluaran yang telah didekopling. Metode kontrol adaptif autotuning umpan balik relay dan algoritma Dahlin merupakan beberapa jenis metode kontrol yang mampu mengendalikan plant multivariabel dengan fungsi alih FOPDT. Berdasarkan pengujian yang telah dilakukan, rata-rata IAE terkecil yang diperoleh pada top end point composition (Y1) tanpa dan dengan gangguan sebesar 21,46 dan 101,78 dengan kontroler autotuning umpan balik relay sedangkan pada side end point composition (Y2) diperoleh rata-rata IAE terkecil tanpa dan dengan gangguan sebesar 9,19 dan 37,66 dengan kontroler autotuning umpan balik relay.

DESAIN SISTEM KONTROLFUZZY MODEL REFERENCE LEARNING CONTROL(FMRLC) STUDI KASUS: PENGONTROLAN KETINGGIAN AIR PADA CONICAL TANK M Arif Syukur D; Aris Triwiyatno; Wahyudi Wahyudi
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 2, NO. 3, SEPTEMBER 2013
Publisher : Universitas Diponegoro

AbstrakFMRLC merupakan modifikasi metode fuzzy logic control(FLC) dan model reference adaptive control (MRAC), yaituFLC yang memiliki sebuah "sistem pembelajaran" untuk meningkatkan kinerjanya dari waktu ke waktu ketikaberinteraksi dengan lingkungannya. Kontroler tersebut telah banyak digunakan untuk mengontrol sistem-sistemnonlinear. Proses perancangan FMRLC memerlukan empat bagian utama: plant, fuzzy controller untuk diatur, modelreferensi, dan mekanisme pembelajaran (mekanisme adaptasi). Pada penelitian ini, algoritma adaptasi dilakukan denganmenggunakan FLC yang bertindak sebagai penyedia parameter adaptasi, yaituFuzzyInverse Model (FIM).Tujuan dariproses pembelajaran FMRLC adalah meminimalkan error yang terjadi ketika menggunakan kontroler fuzzySugeno.Berdasarkan pengujian yang dilakukan dengan menerapkan FMRLC dan FLC pada plant conical tank, untukperubahan setpoint, diketahui bahwa respon sistem dengan FMRLC memiliki waktu konstan yang lebih cepat dibandingFLC. Ketika mendapat gangguan eksternal, FMRLC dapat mempertahankan performa sistem pada setpoint.Kata kunci : FMRLC, model reference adaptive control, fuzzy logic controller, fuzzy inverse modelAbstractFMRLC is a modification of fuzzy logic control (FLC) and model reference adaptive control (MRAC), it can beinterpreted with FLC which has a "learning system" to improve its performance over time by interacting withenvironment. That’s controller had been used to control many nonlinear system. To design FMRLC, need four mainpart : plant, fuzzy controller to be tuning, model reference, and learning mechanism (adaptation mechanism). In thisresearch, the adaptation algorithm use FLC to produce adaptive parameter, that is Fuzzy Inverse Model (FIM). Thepurpose of FMRLC learning process is to reduce thefuzzy Sugeno system’s error.Based on setpoint changes testing thatperformed by applying FMRLC and FLC on conical tank plant, FMRLC system response has faster constant time thanFLC system response. Similarly, when system gets an external disturbance, FMRLC can maintain system performanceat setpoint.Keyword : FMRLC, model reference adaptive control, fuzzy logic controller, fuzzy inverse model

SIMULASI LALU LINTAS SIMPANG EMPAT MENGGUNAKAN CELLULAR AUTOMATA DENGAN SISTEM KONTROL BERBASIS ARTIFICIAL NEURAL NETWORK PADA MATLAB Muhammad Khoirul Anam Al Mufti; Wahyudi Wahyudi; Budi Setiyono
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 7, NO. 2, JUNI 2018
Publisher : Universitas Diponegoro

Pembahasan solusi untuk persoalan kemacetan telah menjadi suatu fokus penelitian yang penting. Namun kondisi lalu lintas yang kompleks dan sulitnya untuk bereksperimen pada lalu lintas secara langsung juga menjadi pertimbangan dalam penerapan pemecahan kemacetan. Salah satu solusinya yaitu dengan menyimulasikan model lalu lintas, sehingga teori dapat diaplikasikan secara mudah dan efektif sebelum diterapkan di dunia nyata. Model yang dibuat pada penelitian ini menggunakan Cellular Automata (CA) model Nagel-Schreckenberg (NS model) untuk menggambarkan lalu lintas Simpang Bangkong dan Simpang Milo di Kota Semarang yang memiliki lampu lalu lintas fixed time. Kemudian model diimplementasikan pengaturan lampu lalu lintas adaptif berbasis Artificial Neural Network (ANN) sebagai solusi kemacetan dengan output durasi lampu hijau yang dapat menyesuaikan kondisi kepadatan jalan. Model fixed time yang telah dibuat dibandingkan dengan data volume lalu lintas selama 1 jam lapangan memiliki error terkecil 3% dan terbesar 15% pada jam puncak siang, dan error 3%-18% pada jam puncak sore. ANN yang diusulkan dapat mengurangi kemacetan dilihat dari berkurangnya kepadatan jalan rata-rata di jalan terpenuh yaitu jalan utara Simpang Milo yang bernilai 0,3578 untuk model ANN dibanding model fixed time 0,5446 saat jam puncak siang, sedangkan saat jam puncak sore model ANN 0,4630 dibanding model fixed time 0,6780.

PERANCANGAN KONTROLER FUZZY MODEL REFERENCE LEARNING CONTROL (FMRLC) BERBASIS MIKROKONTROLER ATMEGA16 SEBAGAI KENDALI MOTOR BRUSHLESS DC (BLDC) Muhammad Rifki Fajrianto; Wahyudi Wahyudi; Sudjadi Sudjadi
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 6, NO. 4, DESEMBER 2017
Publisher : Universitas Diponegoro

Motor Brushless DC (BLDC) merupakan salah satu jenis motor listrik dengan struktur yang sederhana, kehandalan yang tinggi, perawatan yang mudah dan efisiensi tinggi namun membutuhkan proses yang kompleks untuk mengendalikannya secara konvensional sehingga sulit dimodelkan dengan model matematika biasa. Maka dari itu diperlukan suatu metode pengendalian motor BLDC yang mampu mengatasi kesulitan tersebut, salah satunya dengan Kontroler Fuzzy Model Reference Learning Control (FMRLC). FMRLC merupakan modifikasi metode Fuzzy Logic Control (FLC) dan Model Reference Adaptive Control (MRAC), yaitu FLC yang memiliki sebuah sistem pembelajaran untuk meningkatkan kinerjanya dari waktu ke waktu ketika berinteraksi dengan lingkungannya. Pengujian dilakukan pada pengaruh nilai konstanta waktu model terhadap respon transien kecepatan motor BLDC. Nilai rata – rata keadaan steady state respon sistem pada tiga kecepatan referensi yang didapat ketika model referensi menggunakan konstanta waktu 5 detik sebesar 6,86 detik, konstanta waktu 6 detik sebesar 8,13 detik, konstanta waktu 7 detik sebesar 9,61 detik, konstanta waktu 8 detik sebesar 10,75 detik, dan konstanta waktu 9 detik sebesar 12,68 detik. Hasil tersebut menunjukkan semakin besar konstanta waktu model, respon sistem dalam mencapai keadaan steady state semakin lambat.

PERANCANGAN SELF-BALANCING ROBOT MENGGUNAKAN LOGIKA FUZZY UNTUK TUNING PARAMETER KENDALI PROPORSIONAL INTEGRAL DERIVATIF Satria Nur Cahya; Wahyudi Wahyudi; Sumardi Sumardi
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 4, NO. 3, SEPTEMBER 2015
Publisher : Universitas Diponegoro

Abstrak Self-balancing robot merupakan sebuah robot yang mempunyai dua buah roda sejajar di sisi kiri dan kanan badan robot yang dapat seimbang dengan adanya sebuah kendali. Tugas akhir ini menerapkan kendali PID sebagai sistem regulator pada plant self-balancing robot yang memiliki prinsip kerja mirip dengan pendulum terbalik. Dalam pembuatan tugas akhir self-balancing robot menggunakan logika fuzzy untuk tuning parameter kendali PID. Kecepatan putaran dua motor DC yang digunakan sebagai penggerak dapat diatur dengan mengatur tegangan masukan. Sensor Inertial Measurement Unit (IMU) MPU-6050 digunakan sebagai pendeteksi sudut kemiringan self-balancing robot. Complementary filter digunakan untuk mengurangi nilai error yang dihasilkan oleh sensor IMU MPU-6050. Penerapan kendali PID dan sistem secara keseluruhan di aplikasikan di dalam mikrokontroler ATMega16. Dari hasil pengujian didapatkan bahwa nilai konstanta logika fuzzy untuk tuning kendali PID yaitu konstanta parameter Kp (ZkpSB=10,2; ZkpB=9,8; ZkpS=9,4; dan ZkpK=9), konstanta parameter Ki (Ki=100), dan konstanta Kd (ZkdSB=62; ZkdB=58; ZkdS=54; dan ZkdK=50). Self-balancing robot dapat menyeimbangkan diri ketika tanpa gangguan dan dengan gangguan. Pada pengujian dengan gangguan searah jarum jam (CW) sudut maksimal yang masih dapat diseimbangkan oleh sistem adalah sebesar 15,690, sedangkan pada gangguan berlawanan arah jarum jam (CCW) sebesar -9,140. Kata Kunci: fuzzy, MPU-6050, kendali PID, self-balancing robot Abstract Self-balancing robot is a robot that has two wheels aligned on both side of the robot which will balanced by the the existence of a control.This final project applying PID control as a system regulator on plant self-balancing robot that has a working principle similar to the inverted pendulum. In the making of final project self-balancing robot using fuzzy logic to tuning PID control parameters. The speed of two DC motors that are used as activator can be set by regulating the input voltage.. The Inertial Measurement Unit (IMU) MPU-6050 sensor is used for detecting angle of self-balancing robot. Complementary filter is used to reduce the error that produced by the IMU MPU-6050 sensor. The implementation of PID control and overall system applied in the ATMega16 microcontroller. From the test results obtained that the constant value for the fuzzy logic to tuning PID control are parameters constants Kp (ZkpSB = 10.2; ZkpB = 9.8; ZkpS = 9.4; and ZkpK = 9), parameter constants Ki (Ki = 100), and the constant Kd (ZkdSB = 62; ZkdB = 58; ZkdS = 54; and ZkdK = 50). Self-balancing robot can balance themselves when without interference and with interference. On testing with a clockwise (CW) interference the maximum angle which is balanced by the system equal to 15.690, while the counter clockwise (CCW) interference equal to -9.140. Keywords: fuzzy, MPU-6050, PID control, self-balancing robot

KARAKTERISTIK DAN KALIBRASI UNTUK SENSOR INERTIAL MEASUREMENT UNIT Ridwan Tri Prasetyo; Wahyudi Wahyudi; Budi Setiyono
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 3, NO. 4, DESEMBER 2014
Publisher : Universitas Diponegoro

Abstrak Sistem navigasi inersia dapat mengetahui informasi posisi, kecepatan, dan letak dalam waktu yang singkat. Hal ini memicu untuk pencarian sensor dengan biaya yang efektif dan murah, salah satunya dengan MEMS sensor. MEMS sensor mempunyai sumber error dankarakteristik yang harus dimodelkan secara hati-hati dan kalibrasi secara tepat. Seiring berjalannya dengan waktu akurasi dari sistem inersia akan mengalami penurunan. untuk mendapatkan data percepatan gravitasi dan kecepatan sudut yang presisi, diperlukan pemodelan sensor yang akurat. Beberapa metode telah dilakuakan untuk mendapatkan model sensor yang akurat. Masing masing mempunyai kelebihan dan keunggulannya sendiri. Untuk dapat menghasilkan informasi yang diinginkan diperlukan analisis model sensor yang baik. Salah satu model analisis adalah Allan Variance. Metode Allan Variance dapat menentukan karakter dari proses acak suatu data. Demikian juga pembahasan tentang sistem kalibrasi dari sensor. Dalam Tugas Akhir ini tes dinamis dan statis dilakukan untuk mendapatkan parameter kalibrasi dan meninjau karakteristik dari kinerja sensor tersebut.. Dengan menggunakan metode Allan Variance dan metode Least Square, serta dengan berbagai macam posisi. Sehingga didapat parameter ketidakstabilan bias accelerometer untuk sumbu x=0,404,y=0.16,dan z=0,14 sedangkan gyroscope ketidakstabilan bias gyroscope untuk sumbu x=0,404,y=0.16,dan z=0,14. Dengan metode least square didapat parameter error faktor skala x=0,4856, faktor skala y=0,4261, faktor skala z=0,6152. Pada tes tumbukan sumbu yang lain juga ikut mempengaruhi Kata Kunci : sensor inertia, kalibrasi karateristik Abstract Inertial navigation system can find out information on the position, velocity, and location within a short time. This sparked a search for cost-effective sensors and cheap, one with MEMS sensors. MEMS sensors have the sources of error and characteristics that must be modeled carefully and appropriately calibration. Over time the accuracy of the inertial system will decrease. to obtain data gravitational acceleration and angular velocity precision, required an accurate modeling of the sensor. Several methods has helped to get an accurate sensor model. Each has its own advantages and superiority. To be able to produce the desired information needed good analysis of sensor models. One model is the Allan Variance analysis. Allan Variance method can determine the character of a random process the data. Similarly, the discussion about the calibration of the sensor system. In this final dynamic and static tests carried out to obtain the calibration parameters and review the characteristics of the sensor performance .. By using Allan Variance and Least Square method, as well as with a variety of positions. Thus obtained parameter instability to the x-axis accelerometer bias = 0.404, y = 0:16, and z = 0.14, while the gyroscope bias instability for the x-axis gyroscope = 0.404, y = 0:16, and z = 0.14. Obtained by the method of least square error parameters scale factor x = 0.4856, y = 0.4261 scale factor, scale factor z = 0.6152. In other tests the collision axis also affects Keyword :inertial sensor, characteristic, calibration

PERANCANGAN KONTROLER SELF – TUNING PI DENGAN LOGIKA FUZZY SEBAGAI KENDALI MOTOR SERVO PADA SISTEM TRACKING BOLA Rizki Anggoro Kurniawan; Wahyudi Wahyudi; Ajub Ajulian Zahra
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 7, NO. 2, JUNI 2018
Publisher : Universitas Diponegoro

Perekaman pertandingan sepak bola saat ini masih menggunakan tenaga manusia untuk mengarahkan kamera. Pengarahan kamera dapat diotomasi Sistem self-targetting turret ini akan mengikuti gerak bola. Sistem kendali yang masih populer digunakan adalah kendali PI.Salah satu cara menentukan parameter Kp dan Ki pada kontrol PI adalah dengan metode fuzzy. Berdasarkan hal tersebut, pada Penelitian ini, diterapkan sistem kendali self-tuning PI dengan logika fuzzy. Pendeteksian bola pada Penelitian ini menggunakan Hough Transform pada citra yang telah di-threshold agar citra bola dengan citra latar belakang terpisah. Pengujian lainnya yaitu adalah pengujian sistem kendali self-tuning PI dengan metode fuzzy. Hasil pengujian kendali self-tuning PI pada servo tilt didapatkan sebesar 70 ms, sebesar 155 ms, Mp sebesar 22%, dan sebesar 1,4%, sedangkan pada servo pan diperoleh sebesar 125 ms, sebesar 140 ms, Mp sebesar 10,8%, dan sebesar 1,3%. Pengujian sistem keseluruhan pada target bergerak dengan pola tertentu didapatkan error rata-rata sebesar -6,65˚ untuk servo pan dan -2,36˚ pada servo tilt. Pengujian pad target bergerak secara bebas diperoleh rata-rata error sebesar -1,8˚ untuk servo tilt dan 0,67˚ pada servo pan.

ESTIMASI SUDUT ORIENTASI BENDA MENGGUNAKAN SENSOR 6 DOF IMU DAN SENSOR MAGNETOMETER 3 AKSIS Rahadian Nurfansyah; Wahyudi Wahyudi; Budi Setiyono
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 2, NO. 3, SEPTEMBER 2013
Publisher : Universitas Diponegoro

Abstrak Penentuan posisi dan orientasi yang tepat dalam suatu sistem teknis mempunyai peranan yang penting dalam sistem navigasi dan robotika. Instrumen-instrument yang biasa digunakan pada sistem navigasi adalah Inertial Measurement Unit (IMU) dan sensor magnetometer. IMU yang merupakan kombinasi dari sensor akselerometer dan sensor gisroskop, beserta sensor magnetometer merupakan sensor-sensor yang telah mengalami kemajuan dan banyak diaplikasikan untuk mengukur sudut orientasi. Untuk aplikasi yang lebih lanjut, sensor IMU dan sensor magnetometer banyak digunakan untuk keperluan navigasi. Pada penelitian ini dilakukan perancangan dan pembuatan instrumentasi sensor IMU dan sensor magnetometer untuk mendeteksi sudut dengan 3 derajat kebebasan. Data berupa sudut diperoleh dari hasil penggabungan data ketiga sensor dengan metode tapis komplementer. Nilai penguatan pada tapis komplementer didapatkan dengan menggunakan logika fuzzy. Sistem instrumentasi menggunakan mikrokontroler Atmega128 sebagai unit pemroses utama, dan komputer yang akan menampilkan data hasil pengukuran. Data hasil pengukuran dikirim secara nirkabel dari mikrokontroler ke komputer dengan menggunakan modul YS-1020UA. Hasil pengujian menunjukkan bahwa estimasi sudut orientasi dari tapis komplementer cukup baik karena dapat menghilangkan galat drift dari sensor giroskop dan dapat meredam galat dari pengaruh getaran terhadap akselerometer. Kata kunci : Sudut Orientasi, IMU, Magnetometer, Mikrokontroler Abstract Determining of exact position and orientation has important role in navigation system and robotics. The Instruments commonly used in navigation are IMU and magnetometer sensor. IMU that consist of accelerometer sensor and gysroscope sensor, together with magnetometer are sensors that have been improved and have a lot of application for measuring orientation. For further application, IMU and magnetometer are widely used for navigational purpose. In this research, IMU and magnetometer sensors instrumentation are designed and implemented for sensing 3 degree of freedome orientation. Orientation data is gained from fusión of three sensors data by using complementary filter. The instrumentation system is using an Atmega128 microcontroller as main processor unit, and a computer for showing measurement data. The Measurement Data are sent wirelessly from microcontroller to computer by using YS-1020UA modul. Test result showed that estimated orientation data from complementary filter is good enough because it can eliminate drift error from gyroscope and compensate error from vibration effect of accelerometer. Keyword : inverted Orientation, IMU, Magnetometer, Mikrokontroler

DESAIN SISTEM KONTROL ADAPTIVE NEURO FUZZYINFERENCE SYSTEM (ANFIS) STUDI KASUS: PENGONTROLAN KETINGGIAN AIR DAN TEMPERATUR UAP STEAM DRUM BOILER Fatimah Avtur Alifia; Aris Triwiyatno; Wahyudi Wahyudi
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 1, NO. 4, DESEMBER 2012
Publisher : Universitas Diponegoro

Abstrak Penelitian ini dilakukan untuk merancang sistem kontrol yang mampu menjaga ketinggian air dan temperatur uap steam drum boiler pada nilai normal setpoint meskipun terjadi perubahan beban maupun masukan pada sistem. Hal tersebut dilakukan untuk menjaga keamanan dan efisiensi kerja steam drum boiler. Adaptive Neuro-Fuzzy Inference System (ANFIS)adalah teknik kendali yang merupakan kombinasi dua buah metode yaitu metode fuzzy logic dan neural network. Proses perancangan ANFIS memerlukan pasangan data input-output yang didapat dari kontroler PI yang dianggap sebagai “guru” bagi ANFIS untuk proses pembelajaran. Setelah proses pembelajaran, didapat file FIS yang nilai parameter antecedent dan consequent telah di-update. File FIS tersebut yang diaplikasikan untuk mengontrol sistem steam drum boiler.Implementasi kontroler pada penelitian ini dilakukan secara simulasi dengan menggunakan Matlab/simulink.Dari hasil simulasi dapat disimpulkan bahwa respon sistem menggunakan kontroler ANFIS yang dibandingkan dengan PI untuk perubahan setpoint diketahui bahwa respon sistem dengan ANFIS memiliki waktu konstan yang lebih cepat dibanding PI. Namun, ANFIS belum dapat mengatasi gangguan eksternal yang terjadi pada sistem karena respon tidak dapat kembali tepat pada setpoint. Kata kunci : ANFIS, ketinggian air, matlab/simulink, steam drum boiler, dan temperatur uap Abstract The purpose of research is to design a control system that can keep the water level and steam temperature in the steam drum boiler on the setpoint although there was changing of load and input system. Steam drum boiler should be controlled to keep its safety and efficiency. its safety and efficiency. Adaptive Neuro-Fuzzy Inference System (ANFIS). It is a combination of fuzzy logic control and neural network. Design ANFIS needs an input/ output data set that was gotten from PI controller that considered as a teacher for ANFIS for training process. After training process, its produce a FIS file that antecedent and consequent parameter value was updated. The updated FIS used to control the system of steam drum boiler. Implementation of controller in this research is simulated using matlab/ simulink.From the result of simulation it can conclude that a respon of system using ANFIS controller that compared with PI controllerfor changing of setpoint is known that the respon of system using ANFIS has a constant time faster than PI has. But, ANFIS couldn’t exceed an external disturbance that happens to system because the output system couldn’t back to the setpoint exactly. Keyword : ANFIS, matlab/ simulink, steam drum boiler, steam temperature, and water level

Title

Found 23 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 23 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 23 Documents
Search