Hasil Pencarian  ::  Simpan CSV :: Kembali

"Fuzzy Model Reference Learning Control merupakan suatu teknik kendali yang dapat mengatasi keterbatasan pengendali fuzzy yang tidak memiliki suatu algoritma untuk mengkompensasi perubahan kondisi tau variasi yang besar dari sistem yang dikendalikannya, Fuzzy Model Reference Learning Control memiliki kemampuan untuk mengatasi adanya perubahan parameter sistem dengan menggunakan mekanisme pembelajaran. Sistem pengereman mobil merupakan sistem dengan parameter yang bervariasi, yaitu specific torque sehingga metoda Fuzzy Model Reference Learning Control diaplikasikan pada pengendali sistem ini. Pengendali menggunakan suatu model referensi pada mekanisme pembelajarannya yang merepresentasikan bagaimana suatu sistem perngereman diharapkan untuk berlaku. Hasil simulasi menunjukkan pengendali mampu memaksa sistem pengereman mobil yang dikendalikannya berlaku seperti model referensi walaupun dengan specific torque yang bervariasi."

"Beberapa tahun belakangan ini pengendali logika fuzzy muncul sebagai teknik alternatif dari pengendali klasik dalam suatu pengendalian proses. Hal ini disebabkan karena logika fuzzy mempunyai kemampuan yang baik sekali, kemungkinan ini disebabkan karena kefleksibelan dari proses pengambilan keputusan fuzzy, dan cocok untuk sistem dengan model matematis yang sangat sulit (tidak jelas); hanya kebiasaan umumnya saja yang diketahui [Gatl92]. Seiring dengan perkembangannya, diperkenalkan berbagai macam algoritma logika fuzzy seperti kendali logika fuzzy self organizing, kendali logika fuzzy adaptif dan fuzzy model reference learning control (FMRLC). Pada Skripsi ini dibahas mengenai simulasi penggunaan logika fuzzy dengan FMRLC sebagai pengendali kemudi pada kapal kargo. Secara umum pengendalian kemudi kapal kargo memakai pengendali logika fuzzy dengan proses "learning" ini, memberikan performance yang baik ketika berinteraksi dengan lingkungan serta perubahan dinamik dari kapal kargo tersebut seperti kecepatan kapal, keseimbangan, beban kapal, angin, anus dan gelombang yang menerpa kapal. Algoritma FNMC ini menggunakan suatu model referensi yang ditentukan sebelumnya sehingga performance umpan balik lingkar tertutup sistem berkelakuan sesuai dengan model referensi tersebut dengan mensintesa dan menala basis pengetahuan (knowledge base) kendali fuzzy. Hasil pengendalian dengan menggunakan logika fuzzy tersebut, disimulasikan untuk memperlihatkan kinerja dari pengendalian kemudi kapal kargo. Dalam analisa respons keluaran sistem dipakai parameter tanggapan waktu, yaitu rise time, settling time, peak time, percent overshoot dan galat tunak yang dibandingkan dengan parameter tanggapan waktu pengendali fuzzy biasa dan model referensi. Hasil analisa menunjukkan bahwa penerapan pengendalian menggunakan FMRLC dapat memperkecil rise time, settling time, peak time, percent overshoot dan galat tunak serta berkelakuan sesuai dengan model referensi."

"Pengendali fuzzy, sebagai suatu pengendali alternatif memiliki keterbatasan manakala sistem yang dikendalikan memiliki parameter yung berubah-ubah dan adanya gangguan dari lingkungan Iuar sislem. Untuk itu dikembangkanlah berbagai macam metode pengendali adaptif yang diharapkan dapat mengkompensasi perubahan parameter dan gangguan tersebut. Salah satu metode pengendali adaptif adalah Fuzzy Model Reference Learning Control (FMRLC). Pembahasan meliputi prinsip dasar metode FMRLC dan penerapannya untuk mengendalikan sudut pitch kapal selam. Parameter kapal selam yang digunakan mengacu pada kapal selam TNI AL yaitu KRI Pusopati (bernomor lambung 410). Kapal selam ini mempunyai kecepatan maksimal di dalam air sebesar 23,5 knot = 12,0884 m/s dan kecepatan ekonomis sebesar 10 knot = 5,144 m/s. Pengendalian dengan FMRLC ini dimaksudkan agar sudur pitch kapal sclam dapat mencapai nilai yang konstan setelah beberapa saat ketika kapal selam melakukan manuver. Selain itu dilakukan pengendalian sudut pitch kapal sclam dengan pengendali fuzzy biasa (non-adaptif). Dan unjuk kerja kedua pengendali tersebut dibandingkan dengan mengacu pada respons model referensi. Simulasi pengendalian sudut pitch kapal selam ini dilakukan dengan suatu program yang dibuat dengan menggunakan software Matlab versi 5,3 dan menggunakan fasilitas Graphical User Interface. Pada simulasi pengendalian dengan FMRLC dilakukan uji coba nilai parameter tetap, uji coba variasi nilai parameter, dan uji coba gangguan. Pada setiap simulasi dilakukan dua variasi kecepatan yaitu kecepatan maksimum dan ekonomis. Dari simulasi yang dilakukan terlihat bahwa meskipun teriadi perubahan parameter atau gangguan, pengendalian FMRLC dapat membuat respons sistem menyerupai respons model referensi."

"Pembangkitan listrik hams memperhatikan pengendalian kecepatan putar turbin generator agar Iistrik yang dibangkitkan memiliki frekuensi yang stabil dan daya sinkron yang besar.Pengendalian kecepatan putar pada turbin uap menggunakan Auromatic Generation Control (AGC) bertujuan agar response deviasi frekuensi tidak memiliki error steady-state serta mampu mengembalikan kepada kecepatan sinkronnya secepat mungkin sehingga daya sinkron sistem bertambah tinggi. Pembahasan meliputi pemodelan sistem steam turbine-generator yang sederhana, konsep dasar Iogika fuzzy dan penerapannya sebagai pengendali. Analisis dilakukan terhadap transient stability dan steady-state strability pada sistem dengan pengendali Iogika fuzzy sebagai AGC yang mengalami gangguan (disturbance) pada beban dan tegangan. Serta unjuk kerjanya dibandingkan dengan sistem dengan pengendali PI.Simulasi pengendali logika FLIZZY sebagai AGC dilakukan dengan bantuan perangkat lunak Simulink pada Matlab versi 5.3. Dari simulasi didapat bahwa pengendali logika Fuzzy tipe PFD sebagai AGC mampu menghilangkan error steady-state response deviasi frekuensi dengan cepat dan memiliki daya sinkron yang relatif bertambah tinggi dibandingkan pengendali PI."

"Navigasi merupakan hal yang sangat penting dalam setiap pelayaran kapal laut, yaitu untuk mengetahui posisi kapal dalam koordinat geografis. Pengendalian pada sistem kemudi kapal laut dimaksudkan untuk melepaskan diri dan ketergantungan kemudi kapal terhadap seorang nakhoda dan kapal laut dapat tiba di tempat tujuan dengan kesalahan posisi yang tidak terlalu besar.Pada skripsi ini akan dibahas perbandingan dua pengendali yang akan digunakan untuk mengendalikan kemudi kapal laut, yaitu pengendali logika fuzzy dan pengendali ANFIS (Adaptive-Network-Based Fuzzy Inference System). Pengendali logika fuzzy menggunakan metoda basis aturan berdasarkan pengalaman seorang pakar (dalam hal ini nakhoda) untuk mengendalikan kemudi kapal yang diambil dari acuan[2] , sementara pengendali ANFIS merupakan pengendali neuro fuzzy yang rnenggunakan proses learning dari basis data untuk menghasilkan basis aturannya. Kedua jenis pengendali ini akan menghasilkan kinerja yang berbeda."

"Pada tesis ini dibahas tentang simulasi dan perancangan pengendalian sistem multivariabel Coupled Tank Apparatus dengan menggunakan Neural Network model Direct Invers Control. Model sistem yang bersifat non linier akan dilinierisasi sehingga diperoleh fungsi alih yang mengandung persamaan karakteristik yang menyerupai sistem linier orde dua yang berada dalam keadaan over damped akan selalu stabil. Pengurangan interaksi (kopling) yang terjadi pada sistem multivariabel Coupled Tank Apparatus dilakukan dengan perancangan dekopling yang menggunakan metode Relative Gain Matrik. Perancangan dan simulasi sistem pengendalian Neural Network model Direct Invers Control menggunakan program Matlab Versi 5.3.1. Perbandingan antara analisa tanggapan waktu terhadap sistem kendali yang dirancang dengan sistem kendali Proportional Integral Derivatif serta sistem kendali logika Fuzzy menghasilkan tanggapan respon untuk mencapai keadaan steady state (setting time) pada Neural Network model Direct Invers Control lebih cepat dibandingkan dengan tanggapan waktu yang dihasilkan oleh pengendali konvensional PI, PID, dan Fuzzy.Dalam hal ini, data parameter sistem untuk simulasi diperoleh dari hasil penelitian dan percobaan di Laboratorium Fakultas Teknik Universitas Indonesia.

---

In this thesis, a study on simulation and design of a multivariabel Control of Coupled Tank Apparatus Systems is presented. A Neural Network Controller based on a Direct Invers Control is applied. The linierized model of the Coupled Tank Apparatus Systems appears to be a stable second order transfer function with an over damped characteristic. A Decoupling Compensator is designed using Relative Gain Matrix Method of Bristol. The Simulation and control is implemented using Matlab 5.3.1 on apersonal computer. For comparison a PID controller and a Fuzzy Logic Controller are also implemented. It is found that NN Direct Invers Control shows a better performance than the other control method in terms of speed response.All data for experiment and equipment used are done in the Control Laboratory, Dept of Electrical Engineering, Faculty of Technology University of Indonesia."

"Berkembangnya teknologi kecerdasan buatan merupakan suatu hal yang berimbas pula kepada teknologi sistem kendali. Proses automatisasi industri bahkan alat-alat rumah tangga telah banyak yang menggunakannya Salah satu teknologi yang digunal-can dalam sistem kendali adalah logika fuzzy. Logika fuzzy merupakan suatu bentuk logika yang merepresentasikan cara rnanusia berpikir yang tidak pasti, penuh keraguan. Dalam peranoangan sistem kendaii dengan logika fuzzy, yang perlu dilakukan adalah mernbuat suatu sistem berdasarkan pengalaman operator selama mengoperasikan alat yang dikendalikannya. Hal ini tentu Sangat memudahkan desain suatu sistem dan outputnya akan lebih baik daripada sistem dengan pengendali klasik. Pada skripsi ini akan dibahas unjuk kerja pengendali logika firny dengan pengendali PI dengan penerapannya pada pengendalian kecepatan putar motor arus searah penguatan ter-pisah.Motor arus scarab banyak digunakan dalam sistem kendali misalnya sebagai penggerak elevator, lift, dan tangan robot. Koniigurasi motor arus searah pada skripsi ini rnenggunakan koniigurasi tluks variabel untuk merepresentasikan kerja yang sesungguhnya dari motor arus scarab. Teknik pengendalian membutuhkan 2 parameter yang harus dikendalllcan secara bersamaan yaitu keoepatan dan arus karcna pada proses start, arus jangkar motor saugat tinggi, sehingga harus dirancang sistem kendaii yang juga rnampu mcngendaiikan arus jangicar tersebut Pada skripsi ini dapat diaualisa bagaimana pengendali PI dan logika iirzzy mampu menangani masalah tersebut."

"Tesis ini membahas tentang Pengendali Logika Fuzzy sistem Thermal Mixing. Salah satu contoh proses thermal mixing yang cukup sederhana dan mewakili adalah Proses Pencampuran Air Panas dan Air Dingin. Sistem pencampuran air panas dan air dingin ini terdiri atas sebuah tangki dengan dua buah pipa saluran masukan dan sebuah saluran keluaran. Level dan temperatur air akan diukur dengan menggunakan tranduser.Sistem pencampuran air panas dan air dingin ini merupakan sistem yang multivariabel dengan empat masukan dan dua keluaran. Dari pemodelan yang diperoleh dapat dilihat bahwa sistem pencampuran ini merupakan sistem non linier. Sifat non linier sistem ini merupakan suatu kendala yang harus dikendalikan untuk mendapatkan hasil yang diinginkan yaitu temperatur dan level air tertentu.Konfigurasi sistem yang digunakan pada pengujian ini adalah maksimum tinggi air dalam tangki 2 m, luas alas tangki 2 m2, luas penampang pipa air 0,05 m2, tinggi level air awal 1 m, suhu air awal dalam tangki 27°C.Untuk melihat tanggapan sistem pengendalian proses pencampuran air panas dan air dingin dengan menggunakan pengendali logika fuzzy maka harus dilakukan berbagai pengujian dengan berbagai macam kondisi. Pengujian ini dilakukan dengan menggunakan fasilitas Simulink versi 4 pada program Matlab versi 6.0.0.88 Release 12.

---

This thesis studies a fuzzy logic controller to the process of thermal mixing. An example of a simple thermal mixing process that represent it was a cold and hot water mixing process. The cold and hot water mixing system consist of a tank which connected to two water pipe inputs and a water pipe output. Water level and temperature were measured with transducers.

The cold and hot water mixing process was a multivariable system with four inputs and two outputs. From mathematical models, the mixing system is a non linear system. The non linearity of this system is the constraint that has to be controlled to achieve the temperature and level set points.

The system configuration used in the examination are 2 m of maximum water level in tank, base area of tank is 2 m2, cross section area of outlet pipe is 0.05 m2 initial water level is 1 m and initial water temperature is 27°C.

The responds system of the mixing process control using fuzzy logic controller was tested in some variants conditions. The tests were simulations using the Simulink version 4 facility in Matlab version 6.0.0.88 release 12 program."

"Anti Lock Brake Systems (ABS) bertujuan untuk menghasilkan seoptimal mungkin gaya pengereman, tetapi selama proses pengereman roda kendaraan tidak terkunci sehingga kendaraan tetap terkendali.Pada pengendalian ABS, untuk rnendapatkan hasil yang optimal maka diperlukan pengendali yang mampu menjaga besar torsi optimum yang diperkenankan sebelum teljadjnya penguncian pada roda kendaraan. Torsi optimum yang dimaksud adalah torsi pengereman pada saat equilibrium point.Pengendalian ini dihadapkan pada pennasalahan berubah-ubahnya kondisi jalan, yang mengakibatkan besarnya torsi pengereman yang diberikan harus disesuaikan dengan kondisi jalan. Agar dapat diberikan besar torsi pengereman yang sesuai di perlukan slip ratio sebagai pembanding antara kondisi jalan yang berbeda. Karena itu dibutuhkan sensor untuk mendeteksi kecepatan putar roda yang kemudian data dan sensor tersebut digunakan umuk memperoleh slip ratio.Pada skripsi ini untuk membedakan kondisi pemaukaan jalan digunakan decision logic (metode elemen hingga). Metode elemen hingga membedakan kondisi permukaan jalan dengan cara membandingkan besar torsi pengereman yang diberikan dengan slip ratio yang terukur.Keluaran dan metode elemen hingga merupakan masukan bagi pengendali logika fuzzy. Masukan berupa informasi kondisi permukaan jalan menyebabkan pengendali Iogika dapat memutuskan untuk memberikan sinyal kendali yang sesuai dengan kondisi pemiukaan jalan kepada servovalve sehingga torsi pengereman optimum dapat diberikan selama terjadinya proses pengereman.Output dan simulasi berupa bentuk-bentuk grafik yang merupakan tanggapan slip ratio terhadap waktu, tanggapan torsi pengereman terhadap waktu, tanggapan kecepatan terhadap waktu sehingga dapat diamati tanggapan sistem secara keseluruhan."