Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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 PID merupakan pengendali yang sudah teruji dan banyak diterapkan pada proses pengendalian suatu sistem, salah satu penerapannya yaitu pada pengendalian sudut pitch kapal selam. Walaupun pengendali PID (Fixed parameters) ini bekerja dengan baik namun performance-nya menurun pada saat kapal mengalami perubahan kecepatan maupun saat terjadinya gangguan seperti gelombang dan arus laut. Selain itu diperlukan waktu yang cukup lama dalam melakukan penalaan terhadap parameter-parameter pengendali PID jika proses penalaan itu dilakukan secara manual (trial and error). Oleh sebab itu dibutuhkan suatu metode untuk mengatasi permasalahan tersebut. Pada skripsi ini dibahas penerapan GMRAC (Genetic Model Reference Adaptive Control) dalam proses pengendalian sudut pitch kapal selam. GMRAC merupakan sistem kendali adaptif yang didalamnya terdapat algoritma genetika sebagai metode penalaan terhadap pengendali suatu plant (kendalian) yang berdasarkan acuan model referensi sistem tersebut. Algoritma genetika digunakan sebagai teknik pencarian parameter-parameter pengendali PID berdasarkan mekanisme genetika dan seleksi alam, sedangkan model referensi digunakan sebagai acuan agar hasil keluaran sistem yang dikendalikan berkelakuan sesuai dengan performance yang diinginkan. Proses penalaan pengendali PID dilakukan secara dinamis terhadap perubahan kecepatan kapal maupun saat adanya gangguan (disturbance) yang sangat mempengaruhi dinamika kapal selam. Hasil pengendalian sudut pitch kapal selam dengan GMRAC disimulasikan dengan menggunakan perangkat lunak MATLAB versi 5.3 yang ditampilkan berupa grafik tanggapan waktu untuk menunjukkan settling time, rise time, overshoot danerror selama simulasi serta grafik error antara model referensi dan sistem GMRAC. Berdasarkan karakteristik tanggapan waktu dan grafik error terscbut akan dilihat performance pengendalian GMRAC terhadap perubahan kecepatan kapal maupun dalam mengatasi gangguan (disturbance) yang menerpa kapal."

"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."

"Pengendali PID merupakan pengendali yang sudah teruji dan banyak diterapkan pada proses pengendalian suatu sistem, salah satunya penerapannya yaitu autopilot pada kendali pesawat. Pengendali ini memiliki keterbatasan saat sistem yang dikendalikan memiliki parameter yang berubah-ubah dan adanya gangguan dari lingkungan luar sistem. Biasanya diperlukan waktu yang lama dalam melakukan penalaan parameter pengendali PID jika proses penalaan itu dilakukan secara manual (trial and error). Untuk itu dikembangkanlah berbagai macam metode pengendali adaptif yang diharapkan dapat mengatasi permasalahan tersebut. Salah satu metode pengendali adaptif adalah Generic Model Reference Adaptive Control (GMRAC). Pembahasan dalam skripsi ini meliputi prinsip dasar metode GMRAC dan penerapannya untuk mengendalikan sudut pitch pesawat. Metode GMRAC menggunakan algoritma genetika untuk melakukan penalaan terhadap parameter-parameter pengendali PID terhadap suatu model dinamika gerak pesawat dalam setiap interval waktu update. Keunggulan algoritma genetika terletak pada fleksibilitasnya, dimana metode pencarian solusinya berdasarkan pada mekanisme seleksi alam. Hasil uji coba simulasi pengendalian sudut pitch pesawat dengan GMRAC dilakukan dengan menggunakan software MATLAB 5.3 dengan fasilitas simulink versi 3. Simulasi dilakukan pada empat kondisi terbang dengan cariasi kecepatan dan ketinggian pesawat yang bertipe Charlie, yaitu pesawat penumpang berukuran besar dengan empat mesin jet. Selain itu juga disimulasikan adanya gangguan dari lingkunan luar sistem seperti angin. Dari simulasi yang dilakukan terlihar bahwa meskipun terjadi perubahan parameter kondisi terbang atau gangguan, pengendalian GMRAC dapat membuat respon sistem menyerupai respon meodel referensi."

"Pada Tugas Akhir ini, pengendali fizzy dipadukan dengan pengendali adaptif model referensi, dimana model referensi yang dipilih bersifat linier dan berorde satu sehingga disebut jugs Linear Model Following Controller (LMFC). Pada perancangannya, mula-mula sebuah output umpan balik LWC didisain berdasarkan model plant yang diestimasi secara kasar, yaitu model plant yang ordenya direduksi menjadi satu, dan sebuah model referensi yang dipilih. Kemudian sebuah pengendali fuzzy yang dikendalikan error dan delta error dirancang untuk mengurangi efek dari variasi-variasi parameter dan dinamika sistem yang tidak termodelkan. Pengendali yang dimaksud kemudian disimulasikan untuk berbagai vwiasi parameter dan kondisi operasi. Beberapa hasil simulasi juga diberikan beserta analisisnya. Hasil simulasi menunjukkan bahwa pengendaFi fuzzy telah sangat berhasil meningkatkan performansi sistem, dibanding bila hanya digunakan pengendali adaptif model referensi atau LWC. Peningkatan performansi sistem ditunjukkan oleh penyimpangan maksimum rise time dan settling tune dari model yang sangat kecil, yaitu masingmasing 0,0040 s dan 0,0070 s, serta %OS dan error steady state maksimum yang hanya sebesar 0,0856 % dan 0,0009."

"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."