Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam Tugas Akhir ini digunakan sistem kendali yang merupakan gabungan antara pengendali jaringan syaraf dengan pengendali PID. Pengendali jaringan syaraf yang digunakan menggunakan sebuah jaringan syaraf lain yang berfungsi sebagai ideenrifier. Identifier di sini berfungsi untuk menghitung sinyal error bagi jaringan syaraf pengendali. 3aringan syaraf pengendali di sini berfungsi untuk memberikan sinyal koreksi bagi sinyal kendali pengendali PID untuk memperbaiki respon transien sistem. Dengan menggunakan kombinasi dua jenis pengendali seperti ini, diperoleh basil kendali dengan tanggapan yang eepat dan stabil, yang terlihat pada basil simulasi yang dilakukan."

"Perkembangan bare dalam neural network telah memberikan keuntungan-keuntungan dalam aplikasi sistem kontrol. Berdasarkan teori stale space dan pendekatan neural network, dikembangkan suatu algoritma yang disebut Stochastic Neural Direct Adaptive Control (SNDAC) untuk mengendalikan plant yang diketahui sebagian matriks sistemnya, yaitu matdks masukan B(.) dan matriks keluaran C(.). Pengendali neural network menggunakan algoritma SNDAC untuk mengubah bobot-bobotnya sehingga dihasilkan sinyal kendali yang mengoptimalkan quadratic performance index. Parameter yang berpengaruh pada pengendalian adalah banyaknya neuron pada lapisan tersembunyi dan besarnya koefisien belajar. Pemilihan banyaknya neuron pada lapisan tersembunyi dan besarnya koefisien belajar tidak dapat dilakukan secara eksak, tetapi dengan trial and error. Dengan pemilihan yang tepat dihasilkan pengendalian yang stabil dengan toleransi kesalahan yang kecil, seperti terlihat pada hasiI simulasi."

"Sistem boiler pada pembahasan tesis ini merupakan sistem mutivariabel, yang mempunyai empat variabel keadaan, dua variabel masukan dan dua variabel keluaran. Dengan variabel pengendali adalah tekanan drum (drum pressure) (y1) dan selisih tingkat air/level air didalam drum (drum water level) (y3 ), sedangkan variabel yang dimanipulasi adalah laju aliran bahan bakar (fuel flow rate) ( u1 ) dan laju aliran air pengisi drum (feedwater flow rate) (u3).Tujuan dari sistem pengendalian boiler adalah untuk mengatur tekanan uap (drum pressure) (y1) disekitar 320 psi dan level air di dalam drum (drum water level) (y3) disekitar 0 inch terhadap perubahan beban uap. Salah satu pengendalian sistem boiler adalah pengendali PI. Pengendali PI ini akan mengendalikan boiler agar boiler mampu memiliki kinerja yang baik karena pengendali PI dapat mempercepat respon sistem menuju setpoint dan dapat menghilangkan offset atau error steady state.Pada pembahasan tesis ini pengendalian sistem boiler akan melakukan penalaan parameter pengendali PI berbasis algoritma genetika untuk mendapatkan nilai parameter yang optimal.Hasil yang diperoleh dari penalaan PI berbasis algoritma genetika pada pembahasan tesis ini sudah dapat mencapai kriteria yang diinginkan seperti overshoot, rise time dan settling time. Dan respon keluaran dari pengendali PI yang ditala dengan algoritma genetika ternyata menunjukkan hasil yang lebih baik jika dibandingkan dengan respon keluaran dari pengendali PI yang ditala dengan cara trial error seperti pada acuan [2] dan [3].

---

Boiler system described in this thesis is multivariable system, which have four state variable, two input and two output variable. Where variable control is drum pressure (y1) and delta drum water level (y3), whereas the manipulated variable is fuel flow rate (u1 ) and feedwater flow rate (u3 ).

The purpose in this boiler control is to make the drum pressure (y1) around 320 psi and drum water level (y3) around 0 inch towards the changes of steam load. One of boiler system control is PI controller. PI controller will control the boiler to make the boiler have a good performance, because PI controller can enforce system response more quicker into the set point and can eliminate offset or error steady state.

In this thesis a boiler system controller will do a tunning parameter on PI controller based on Genetic Algoritms to produce optimal parameter value.

The result from PI tunning based on Genetic Algorithm in this thesis already fulfill the criteria like overshoot, rise time, and settling time. And output respons from PI controller that have been tunning with genetic algoritms shows the better result when compares with output response from PI controller which tunning with trial error method [2] , [3]."

"Sistem temperatur pada proses kimia merupakan suatu sistem yang kompleks dan tak linear, sehingga hares dikendalikan dengan pengendali yang adaptif. Pengendali PID yang banyak dignakan dalam sistem ini dapat dibuat menjadi sebuah pengendali adaptif dengan menggunakan pengendali logika fuzzy sebagai pengatur nilai parameter pengendali PJD. Pengendali PID adaptif berbasis logika fuzzy seperti ini memiliki parameter yang dapat berubah sesuai karakteristik sistem yang dikendalikannya Dalam skripsi ini Akan dibahas simulasi sistem temperatur pads proses kimia dengan pengendali P1D adaptif berbasis fuzzy. Sirnulasi dilakulcan dengan menggunakan perangkat lunak MATLAB versi 5.3,0, Simulink versi 2.0 dan Fuzzy Logic Toolbox versi 2M. Masukan sistem yang digunakan ialah fungsi langkah satuan (input step). Hasil simulasi menunjukkan bahwa sistem dengan pengendali PID adaptif berbasis fuzzy memiliki karakteristik tanggapan waktu yang lebih baik dibandingkan basil simulasi sistem dengan pengendali proporsional unity gain dan pengendali PID Zieger-Nichols. Hal ini tampak terutama pada overshoot (os) yang dihasilkan."

"Kemajuan teknologi dewasa ini menuntut adanya sebuah sistem yang lebih cepat, tepat dan akurat terutama dalam hal pengolahan citra hasil dari satelit penginderaan Saat ini saja setiap harinya setiap satelit geostationer menghasilkan 25 GB data yang harus sesegera mungkin di olah. Berbagai macam metode pengolahan texture pada citra yang ada saat ini, seperti Grey Level Co-occurrence Matriks. Sum and Difference Histogram, Variogram dan lain sebagainya pun terus berkembang menyesuaikan kebutuhan akan pengolahan citra yang berkembang setiap harinya Skripsi ini akan membahas identifikasi dan klasifikasi empat macam objek alami, yaitu pohon, rumput, langit dan sungai Metode Sum and Difference Histogram digunakan dalam mengolah tekstur pada citra-citra tersebut, kemudian sistem yang digunakan adalah Jaringan Syaraf Tiruan Propagasi Balik Sistem jaringan yang dirancang menggunakan tiga layer yaitu input layer, hidden layer dan output layer. Pada saat training dan proses identifikasi citra akan dilakukan perbandingan sistem kerja jaringan dengan berbagai macam neuron pada hidden layer. Pengujian beberapa jaringan ini akan memperlihatkan sistem jaringan terbaik yang kemudian akan digunakan dalam proses pengklasifikasian suatu citra yang didalamnya terdapat lebih dari satu objek alami. Hasil Simulasi menunjukkan bahwa sistent terbaik untuk identifikasi ialah sistem dengan menggunakan 25 neuron pada hidden layer. Preseutase sistem dapat mengenali citra yang sudah dipelajarinya ialah 92,67 % kemudian presentase tingkat generalisasi sistem dapat mengenal citra-citra baru yang masih termasuk ke dalam kelas yang telah dipelajarinya ialah 87.91 %."

"Skripsi ini mengetengahkan suatu perancangan sistem kendali kolom depropanizer meggunakan Pengendali PID dengan Pengawas Logika Fuzzy (PID-PLF). Pengendali ini pada dasarnya sama dengan pengendali PID biasa, hanya saja terdapat pengawasan nilai parameter kandali melalui aturan-aturan logika fuzzy. Logika Fuzzy disini berfungsi menggantikan penalaan tambahan secara on-line trial & error yang biasa dilakukan untuk memperbaiki penalaan awal (misalnya dengan Metoda Ziegler-Nichols) yang kurang akurat. Kelebihan dari metoda ini adalah optimasi penalaan tambahan dilakukan melalui basis pengetahuan proses secara semi-otomatis. Perancangan sistem kendali ini disimulasikan dengan perangkat lunak (software) yang dirancang secara khusus untuk menjelaskan permasalahan yang dihadapi. Melalui perangkat lunak ini, penulis melakukan penelitian kecil untuk menentukan Memori Asosiatil Fuzzy (sebagai dasar bagi penentuan parameter kendali) pada beberapa kondisi temperatur distilat (diperlakukan sebagai set point). Hasil dari 2 kondisi simulasi menunjukkan bahwa tipe Pengendali PID yang digunakan menunjukkan keunggulan yang komparatif dibandingkan Pengendali PID biasa, terutama dalam hal waktu pencapaian (rise time), waktu setting (selling lime) dan kesalahan tunak (steady state error) yang tereliminasi"

"ABSTRAKDalam skripsi ini akan dirancang suatu pengendali jaringan syaraf yang dapat bekerja secara on-line yang hanya membutuhkan waktu relatif singkat untuk belajar dari data sebelumnya dan Iangsung menerapkan keluarannya pada kapal laut. Karena sifatnya yang on-line, pengendali jaringan syaraf ini membutuhkan pengetahuan yang mendekati fungsi alih plant yang sebenarnya beserta pengetahuan kualitatif dari sistem yang dikendalikan.Pengendali jaringan syaraf ini menggunakan arsitektur specialized learningt41 untuk pembelajarannya, sedangkan algoritma yang digunakan untuk proses pembelajarannya adalah back propagation algorithm dengan metoda gradient descent dan penambahan momentum term.t41Pengendali jaringan syaraf yang dirancang akan diuji dan disimulasikan pada empat jenis lintasan kapal laut yakni lintasan lurus, lintasan zig-zag, lintasan sinusoida dan lintasan berthing yang biasanya digunakan untuk berlabuh. Untuk menambah realitas simulasi dan sekaligus menguji unjuk kerja dari pengendali jaringan syaraf, pada simulasi ditambahkan gangguan-gangguan yang berupa non-linieritas daun kemudi kapal, derau (noise) dan angin.

---

"