Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengendali fuzzy adaptif tipe tidak langsung terdiri dari pengendali fuzzy dan aturan adaptasi. Pengendali fuzzy menggunakan sistem fuzzy untuk menggantikan fungsi sistem. Sistem fuzzy yang digunakan terdiri dari basis pengetahuan yang fungsi keanggotaan dari himpunan fuzzynya adalah fungsi gaussian, mesin inferensi produk, fuzzifier singleton dan defuzzif er rata-rata tengah_ Basis pengetahuan menyimpan parameter-parameter dari sistem fuzzy yaitu pusat himpunan fuzzy dari bagian MAKA pads aturan JIKA-MAKA fuzzy. Parameter-parameter tersebut perlu disesuaikan agar pengendali dapat monjalankan tugasnya dengan baik Parameter-parameter tersebut disesuaikan dengan menggunakan aturan adaptasi yang diturunkan dengan rnenggunakan sintesis Lyapunov. Langkah-langkah clan sintesis Lyapunov adalah pembentukan persaraaan keadaan dari sistem lingkar tertutup dan penggunaan kriteriakestabilan Lyapunov untuk mencari aturan adaptasi. Pengendali tersebut akan diaplikasikan pads sistem pendulum terbalik dengan simulasi yang disusun menggunakan bahasa C. Kemudian, grafik-grafik yang diperoleh dari simulasi tersebut akan dianalisis untuk menyimpulkan karakteristik-karakteristik dari pengendali fuzzy adaptiftipe tidak langsung pada sistem pendulum terbalik."

"Diketahui bahwa mengendalikan gerakan mundur suatu truk-trailer sampai suatu posisi tertentu merupakan hal yang sulit untuk setiap orang umum, kecuali supir truk ahli yang telah berpengalaman. Hal ini dikarenakan dinamika truk-trailer yang nonlinear dan tidak stabil. Dalam tugas skripsi ini akan dibahas perancangan pengendali fuzzy dengan model sistem fuzzy yang diterapkan pads truk-trailer tersebut dalam mengendalikan truk-trailer tersebut ke posisi yang diinginkan secara mundur. Telah banyak makalah yang membahas pengendalian gerak mundur truk-trailer, tetapi dalam pembahasannya masih mengunakan model sistem dinamika nonlinear. Secara praktis, seorang ahli umumnya mengambarkan suatu proses dengan mengunakan bahasa manusia, sehingga dapat digabungkan menjadi model proses tersebut yang disebut model sistem fuzzy. Dalarn skripsi ini model dinamika truk-trailer dirnodelkan dengan model sistem fuzzy yang digunakan untuk perancangan pengendali umpan batik berupa pengendali fuzzy yang menerapkan sistem fuzzy TSK (Takagi-Sugeno-Kang). Untuk menunjukkan kemampuan sistem pengendali fuzzy di atas dalam mengendalikan truk-trailer tersebut, dilakukan simulasi dengan menggunakan aplikasi MATLAB 5.3."

"Dengan berkembangnya pembangunan perkotaan dan kebutuhan industri, semakin pipa panjang diperlukan. Untuk kebutuhan industri diperlukan suatu sistem system pengendalian yang kuat, adaptif, efisien, dan ramah lingkungan untuk memenuhi kebutuhan yang sangat besar. Pada penelitian ini telah dirancang sebuah sistem kendali berdasarkan kecerdasan buatan dengan logika fuzzy pada kontrol aliran air berdasarkan PLC. Pada penelitian ini sistem logika fuzzy menggunakan 2 input himpunan fuzzy yaitu error dan perubahan kesalahan. Setiap himpunan fuzzy menggunakan 5 fungsi keanggotaan yaitu negatif besar (NB), negatif sedang (NM), nol (ZO), positif sedang (PM), besar positif (PB). Sistem dapat melakukan kontrol debit sesuai kebutuhan. Sistem ini adalah pada komputer yang berfungsi sebagai pusat kendali dan mengambil data dari server OPC tempat data diambil dari PLC menggunakan komunikasi Ethernet yang terhubung langsung ke plant. Sistem kontrol berbasis logika fuzzy dioperasikan pada pabrik prototipe pada skala lab, dan analisis kinerja diverifikasi secara eksperimental. Data dapat langsung diambil dan dilihat menggunakan MATLAB SIMULINK. Berdasarkan hasil percobaan, dapat disimpulkankontrol menggunakan logika fuzzy lebih baik dari kontrol konvensional PID. Hasil kontrol menggunakan logika fuzzy mencapai kondisi tunak lebih cepat yaitu 24,24 detik tanpa overshoot dibandingkan dengan menggunakan PID yaitu ID 48,6 detik dengan overshoot 16,2%.With the development of urban development and industrial needs, more and more long pipes are needed. For industrial needs, a strong, adaptive, efficient, and environmentally friendly control system is needed to meet enormous needs. In this research, a control system based on artificial intelligence has been designed with fuzzy logic on water flow control based on PLC. In this study, the fuzzy logic system uses 2 input fuzzy sets, namely error and error change. Each fuzzy set uses 5 membership functions, namely large negative (NB), medium negative (NM), zero (ZO), medium positive (PM), large positive (PB). The system can perform discharge control as needed. This system is on a computer that functions as a control center and retrieves data from the OPC server where data is retrieved from the PLC using Ethernet communication that is connected directly to the plant. The fuzzy logic based control system is operated in a prototype factory on a lab scale, and the performance analysis is verified experimentally. Data can be directly retrieved and viewed using MATLAB SIMULINK. Based on the experimental results, it can be concluded control using fuzzy logic is better than conventional control PIDs. The results of the control using fuzzy logic reached steady state faster, namely 24.24 seconds without overshoot than using PID, namely ID 48.6 seconds with 16.2% overshoot."

"Terdapat berbagai macam metode untuk meningkatkan stabilitas system tenaga listrik. Salah satunya adalah dengan menggunakan metode pengereman dinamis (dynamic braking). Selain menggunakan braking resistor saja, system braking dapat juga melibatkan reaktor dan kapasitor untuk meningkatkan unjuk kerja pengereman. Setelah terjadi gangguan yang besar, setiap generator sinkron yang terhubung dengan sistem tenaga listrik mengalami perbedaan antara masukan daya mekanis dan keluaran daya elektris yang dapat membawa system menuju ketidakstabilan. Skripsi ini membahas tentang penggunaan pengendali logika fuzzy untuk koordinasi pensaklaran braking resistor, reaktor, dan kapasitor pada perbaikan stabilitas peralihan sistem tenaga listrik. Setelah terjadinya gangguan, variabel kecepatan rotor dari generator akan diukur dan sudut penyalaan untuk saklar thyristor ditentukan dari keluaran crisp pengendali logika fuzzy. Dengan mengendalikan sudut penyalaan untuk masing-masing komponen, koordinasi dari braking resistor, reaktor, dan kapasitor dapat mengendalikan daya percepatan dan perlambatan pada generator dan kemudian meningkatkan stabilitas peralihan. Simulasi dilakukan dengan menggunakan gangguan tiga fasa ke tanah pada saluran transmisi paralel. Hasil simulasi menunjukkan bahwa pengendalian dengan logika fuzzy untuk koordinasi pensaklaran braking resistor, reaktor dan kapasitor dapat memberikan metode yang sederhana dan efektif untuk meningkatkan kestabilan sistem tenaga listrik.

---

There are several method to improve the power system stability. One of the method that can be used is dynamic braking. Beside of braking resistor only, the braking system can also involve reactor anda capacitor to enchance the braking performace. Following a major disturbance, each synchronous generator connected to a power system experiences a net difference between its mechanical power input and electrical power output which leads to instability of the system.

This paper deals with the implementation of fuzzy logic controller for switching coordination of braking resistor, reactor, and capacitor in power system transient stability improvement.

Following a fault, variable rotor speed of the generator is measured and the firing-angle for the thyristor switch is determined from the crispy output of the fuzzy controller. By controlling the firing-angle for each component, the coordination of braking resistor, reactor, and capacitor can control the accelerating and decelerating power in generator and thus improves the transient stability.

The simulations is doing by considering Three-phase-to-ground fault in the parallel transmission lines. Simulation results clearly indicate that the proposed fuzzy control strategy provides a simple and effective method of transient stability enhancement of synchronous power system."

"Dalam skripsi ini akan dibahas dan disimulasikan penerapan sistem inferensi fuzzy berbasis jaringan adaptif untuk menghilangkan komponen pengganggu dalam sinyal yang diterima sehingga informasi yang diinginkan dapat diperoleh. Komponen pengganggu yang dimaksud di sini adalah suatu sinyal lain yang tidak diinginkan yang berasal dari suatu sumber yang diketahu4 yang mengalami perbbaaan setelah melalui suatu jalur dinamik tertentu. Penyaringan dilakukan dengan terlebih dahulu memodelkan jalur dinamik tersebut sehingga komponen pengganggu dapat diestimasikan. Pemodelan jalur dinamik dilakukan dengan mempergunakan sistem inferensi fuzzy Sugeno yang parameternya ditala oleh suatu jaringan adaptif, atau biasa disebut ANFIS (Adaptive Network - based Fuzzy Inference System). Teknik penyaringan dengan ANFIS dapat memberikan hash yang lebih baik dibandingkan dengan teknik penyaringan berdasarkan perbedaan frekuensi. Pendekatan ANFIS dapat diterapkan jika beberapa persyaratan dapat dipenuhi , yaitu sumber informasi tidak berbubungan dengan sumber komponen pengganggu, orde jalur dinamik diketahui dan sumber informasi memiEd rata-rata nol."

"Beberapa tahun belakangan ini, pengendali logika fuzzy berkembang dengan pesat karena kefleksibelannya dalam pengambilan aksi kendali untuk sistem dengan model matematis yang sulit sekalipun, Sejalan dengan perkembangan itu, ditemukan suatu metode untuk mengidentifikasi pemodelan pengendali logika fuzzy, yaitu dengan menggunakan jaringan adaptif. Hai ini sangat membantu, terutama jika sistem yang akan dikendalikan sedemikian kompleksnya sehingga penalaan sistem inferensi fizzynya sulit untuk dilakukan secara manual. Pengendali fuzzy yang menggunakan jaringan adaptif dalam mekanisme belajar untuk menala sistem inferensinya disebut ANFIS (Adaptive Network-Based Frizzy hTerence System). DaIam Tugas Skripsi ini dibuat simulasi penggunaan ANFIS untuk mengidentifikasi model sistem inferensi fuzzy yang akan digunakan dalam pengendalian gerak pitch pesawat terbang, serta simulasi penerapannya dalam pengaturan sudut elevator (sirip pads sayap beiakang horisontal). Tujuan penerapan metode ANFIS tersebut adalah agar sistem yang dikendalikan memiliki tanggapan yang sama seperti sistem yang dijadikan acuan. Dalam hal ini berarti memperbaiki tanggapan sistem tersebut, yaitu dengan mempercepat kestabilan sistem dan menghilangkan lonjakan awal. Dalam anabsis tanggapan sistem digunakan parameter tanggapan waktu, yaitu waktu naik, waktu puncak, waktu tetap, persentase lonjakan, dan kesalahan galat tunak. Hasil analisis menunjukkan bahwa sistem inferensi fuzzy hash penalaan metode ANFIS dapat mengeluarkan sinyal kendali yang membawa tanggapan sistem yang dikendalikan menuju tanggapan yang diinginkan, yaitu tanggapan sistem dengan wal.-tu tetap lebih keeil atau sama dengan 6 detik dan tidak mengalami lonjakan."

"Sistem kecerdasan buatan dengan menggunakan logika fuzzy saat ini seoang berkembang pesat dan banyak diminati. Logika ini menggunakan aturan variabel secara linguistik sebagai basis pengetahuannya. Dengan logika fuzzy ini seorang pakar (expert) atau seorang operator yang terlatih (skilled operator) dapat dengan mudah memasukkan pengetahuan tentang tindakannya terhadap suatu permasalahan ke dalam mesin. Selain itu, karena menggunakan variabel linguistik sistem ini mudah dirancang dan cocok untuk digunakan pada sistem yang model matematisnya sangat rumit. Tulisan-tulisan yang telah sering dipublikasikan tentang fuzzy ini kebanyakan terlalu bersifat teoretis. Padahal pada aplikasinya, logika fuzzy ini banyak digunakan sebagai pengontrol (controller) yang menerapkannya hanya dari sisi yang lebih sederhana, sehingga sering tegadi kesulitan untuk memahami teori fuzzy ini untuk penerapannya pada aplikasi praktis. Penerapan logika fuzzy pada sistem kontrol biasanya menggunakan bagianbagian teorema fuzzy yang dibutuhkan saja. Dalam penerapan sistem secara spesifik terlihat bahwa perancangannya berbeda-beda, tetapi sebenarnya secara keseluruhan memiliki proses/prosedur dasar yang serupa. Prosedur-prosedur ini bisa digeneralisasikan dengan menggunakan suatu prosedur standar yang maksudnya untuk mencakup kebutuhan perancangan sistem dengan logika fuzzy. Pada Tugas Akhir ini akan dibuat perangkat lunak sistem fuzzy universal yang memiliki kemampuan untuk membantu perancangan suatu sistem fuzzy sesuai dengan kebutuhan pemakai. Pada uji cobanya akan disertakan suatu penerapan sistem fuzzy sederhana guna melihat hasil kega perangkat Iunak fuzzy universal ini. Penekanan Tugas Akhir ini adalah pada pemrograman dasar logika fuzzy dalam sistem kontrol pendulum tegak."

"Pengendali motor induksi dengan orientasi fluks medan membuat motor induksi dapat dikendalikan secara terpisah torsi yang dihasilkan dan fluks medannya, sedangkan torsi yang dihasilkan adalah optimal. Salah satu metodenya yakni dengan orientasi fluks medan motor tidak Iangsung. Unjuk kerja sistem kendali ini sangat bafk, namun perubahan parameter tahanan motor pada motor akibat naik turunnya temperatur motor saat dioperasikan mengakibatkan melesetnya perhitungan-perhitungan pada sistem kendalinya, dan akurasi besar torsi yang dihasilkan menjadi turun. Perubahan Iahanan rotor ini ternyata dapat dideteksf dengan logika fuzzy. Dari pengamatan fluks medan rotor logika fuzzy dapat mencari tahanan rotor motor yang sesungguhnya, sehingga kesalahan perhitungan yang terjadi dapat dikoreksi dan akurasi besar rorsi yang dihasilkan dapat kembali."