Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Pengendalian krane dengan kecepatan maksimum dengan sudut ayunn minimum diperlukan untuk memindahkan beban dengan aman serta cepat. Sehingga diperlukan pengendali yang mampu menentukkan besar tegangan berdasarkan beberapa input yaitu: sudut ayunan, kecepatan sudut ayunan, kecepatan, dan posisi dari trolley. Oleh karena itu pengendali fuzzy diajukan untuk digunakan sebagai pengendali tegangan input motor sebab mudah untuk diimplementasikan baik dalam bentuk intuisi manusia maupun dalam realisasi alat dalam kehidupan sehari-hari. Model matematis dari krane kontainer yang sifatnya kompleks didapatkan dengan menggunakan formulasi Lagrange yang sederhaua dan sisternatis. Krane kontainer ini direpresentasikan dengan dua buah model utama yang saling berinteraksi satu dengan yang Iainnya. Komponen dinamika pertama meliputi dinamika trolley dan dinamika ayunan, sedangkan komponen yang kedua merupakan dinamika pengangkatan beban. Kedua model maternatis kedua sistem ini diturunkan secara terpisah satu terhadap yang lainnya, kemudian dengan logika fuzzy dibuat simulasi untuk uji gerak maju, gerak angkat, uji gangguan sudut awal dan uji variasi massa beban."

"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."

"Tesis ini membahas perancangan pengendali berbasis logika fuzzy yang digunakan untuk pengendalian suhu barrel extruder beserta simulasinya. Model dinamika proses yang dikendalikan diturunkan berdasarkan aliran energi panas yang terjadi pada setiap barrel nya.Perancangan pengendali ini dengan menggunakan Fuzzy Logic Toolbox Using Matlab. Fungsi keanggotaan yang digunakan berbentuk segitiga, dengan representasi untuk masukan pengendali terdiri dari 5 himpunan fuzzy, dan untuk keluarannya terdiri dari 6 himpunan fuzzy. Penalaran fuzzy yang digunakan pada tesis ini disusun berdasarkan Kaidah Mamdani, dengan mengacu pads 30 aturan fuzzy sesuai Fuzzy Associative Memories (FAO) yang dirancang. Unjuk kerja dari sistem yang dikendalikan disimulasikan dengan Simulink Toolbox Using Matlab, dengan membuat rangkaian simulink dari keseluruhan sistem dan pengendalinya. Untuk analisanya dilihat unjuk kerja sistem yang dikendalikan berupa tanggapan waktu, yang dibandingkan dengan unjuk kerja yang meggunakan pengendali proporsional."

"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."

"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."

"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."