Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Sistem simulasi yang diketengahkan dalam Tugas Akhir ini menggunakan algoritma pengaturan berbasis logika fuzzy. Logika fuzzy digunakan untuk mengatasi kesulitan pengendalian pada sistem yang memiliki sifat non-linieritas tinggi, di antaranya adalah pengemudian mobil. Akan dijelaskan model asli model yang disederhanakan, serta penentuan model fuzzy Takagi-Sugeno mobil. Sebagai pengendali digunakan kontroler fuzzy yang dioptimasi dengan persamaan Riccati. Dibahas juga pengujian kestabilan pengendalian. Dalam hal ini, logika fuzzy tidak hanya digunakan pada pengendali (kontroller) tetapi juga untuk memodelkan mobil (model fuzzy Takagi-Sugeno). Pada bagian akhir diberikan flowchart program simulasi dan Basil-hasil simulasi pada beberapa kondisi untuk menunjukkan pengaruh - kecepat:an, waktu cuplik, panjang mobil, dan besainya state feedback gain, K terhadap kinerja pemarkiran."

"The paper proposes a control method called fuzzy logic based reference (Set-Point) control..."

"Dalam sistem tenaga listrik, frekuensi sistem hams dapat dijaga pada standar operasi dari setiap mesin pembangkit daya ( 50 Hz). Masalah utama pada saat pembangkitan tenaga listrik adalah jika sistem mengalami gangguan ketidakseimbangan daya sistem sehingga menyebabkan tejadinya penurunan frekuensi sistem.Penurunan frekuensi sistem ini sangat berbahaya sebab bila tidak teramati dengan baik dan segera dilakukan tindakan penyelamatan akan dapat menyentuh batas bawah frekuensi sistem terinterkoneksi yang masih dapat bertahan (47.5 Hz) sehingga akibat fatal yang terjadi adalah pemadaman total (black out).Tesis ini membahas mengenai bagaimana mengatasi penurunan frekuensi sistem akibat beban berlebih dengan melakukan pelepasan beban otomatis pada sistem Jawa-Bali dengan menerapkan teknologi Fuzzy. Aturan-aturan berbasis pengetahuan para pakar atau data yang menjadi rule base fuzzy ternyata dapat diterapkan untuk menghasilkan nilai besar keputusan pelepasan beban yang tepat seperti hasil perhitungan rumus matematika

---

In the case of the electrical energy, the system frequency has to be maintained at the operational standard of every energy producing set of 50 Hz. The main problem which may arise at the electrical energy production is when there is problem due to the energy system equilibrium which will eventually cause the lessening in the system frequency.

The lessening in the system frequency will create serious problem, because if that remains well unnoticed and no safety action is soon be taken, this may eventually touch the base limit at the interconnection system frequency, which, so far is still able to stand (at 47,5 Hz) and so that a fatal consequences may follow, which is the total black out.

This thesis basically discuss the way how to overcome in any way the lessening of the system frequency as a result of the excess burden by releasing automatic burden in the in the Java-Ball systems and by making use of the fuzzy logic technology.

All the rulings which are based on the expert knowledge and data which so far have been parts of ttie rule base fuzzy, all prove to be applicable to produce outstanding function in the decision of releasing the right amount of burden just in line with application of the mathematical formula."

"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."

"Suatu sistem kendali yang baik harus mempunyai ketahanan terhadap disturbance dan mempunyai respon yang cepat dan akurat. Sering terjadi permasalahan dalam sistem kendali Proportional Integral Derivative (PID) bila dibuat sangat sensitif, maka respon sistem terhadap disturbance menghasilkan overshot/undershot yang besar sehingga kemungkinan dapat terjadi osilasi semakin tinggi. Bila dibuat kurang sensitif memang akan menghasilkan overshot/undershot kecil, tetapi akibatnya akan memperpanjang recovery time. Untuk mengatasi hal ini, diterapkan sistem kendali hybrid yaitu sistem kendali PID yang akan dihybridkan dengan sistem kendali logika fuzzy. Dalam sistem ini kendali utama adalah kendali PID sedangkan kendali logika fuzzy bekerja membantu untuk meminimalkan overshot/undershot yang terjadi dan juga meminimalkan recovery time dari respon sistem.Sistem kendali logika fuzzy yang didesain mempunyai 2 input yaitu error dan delta error dan output kecepatan motor. Besar output dari sistem kendali logika fuzzy hanya 50 % dari kendali PID. Hal ini dilakukan dengan membatasi semesta pembicaraan dari himpunan fuzzy untuk output. Dari desain sistem ini diharapkan sistem kendali secara keseluruhan yang merupakan hybrid antara PID dengan Kendali Logika Fuzzy dapat menghasilkan respon sistem yang lebih baik.

---

PID Fuzzy Logic Controller System for DC Motor Speed Control. A good controller system must have resilience to disturbance and must be able to response quickly and accurately. Problem usually appears when PID controller system was built sensitively hence the system?s respon to the disturbance will yield big overshot/undershot then the possibility of oscillation to be happened is excelsior. When the controller system was built insensitively, the overshot/undershot will be small but the recovery time will be longer. Hybrid controller system could overcome those problems by combining PID control system with fuzzy logic.The main control of this system is PID controller while the fuzzy logic acts to reduce an overshot/undershot and a recovery time. The fuzzy logic controller is designed with two input error and delta error and one output of the motor speed. The output of fuzzy logic controller should be only half of the PID controller for limiting entirely fuzzy output. This hybrid system design has a better respon time controller system than PID controller without fuzzy logic."