Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKMetode WRV adalah metode penyetelan pengendali menunjukkan kinerja pengendaliyang lebih optimum dari metode penyetelan Ziegler Nichols, Cohen Coon, Dahlin danLopez. Metode ini menggunakan mengkorelasikan informasi dari step respon openloop tranfer function (K, τ, dan θ) untuk menentukan konstanta pengendali P, PI, danPID yaitu Kc, τi, dan τd. Namun, kompleksitas dan dinamika dari sistem proses yangspesifik membutuhkan pengendali yang mampu untuk dilatih berdasarkan data historisproses serta mampu untuk mengkombinasikan faktor-faktor yang mempengaruhisistem proses dalam memutuskan suatu aksi. Jaringan syaraf tiruan diaplikasikan yangpada sistem pengendali, mampu memberikan kedua manfaat tersebutkan.Penelitian ini dilakukan dengan mengaplikasikan jaringan syaraf tiruan untukmenentukan konstanta penyetelan pengendali P, PI, dan PID dengan menggunakanmetode penelitian yang dilakukan untuk menghasilkan metode penyetelan pengendaliWRV. Penelitian ini dilakukan dengan menggunakan tiga jenis jaringan syaraf tiruanyaitu, multi layer feed forward (MLFF), radial basis, dan generalized regression(GRNN). Hasil simulasi dan penerapan pada alat pengendali tekanan di LaboratoriumProses Operasi Teknik, Departemen Teknik Kimia FTUI menunjukkan bahwa jaringansyaraf radial basis memberikan kinerja pengendali paling optimum untuk pengendali Pdan PI, sedangkan kinerja paling optimum dari pengendali PID diperlihatkan padaaplikasi jaringan syaraf generalized regression (GRNN) sebagai metode penyetelanpengendali."

"Penentuan parameter pengendali merupakan suatu hal penting untuk memperoleh kinerja pengendali yang optimum (diantaranya, IAE atau Integral Absolute Error-nya minimum). Pada penelitian ini, jenis pengendali yang ditinjau adalah pengendali P dan PI karena pengendali ini lebih murah dibanding pengendali PID, serta lebih efektif pada sistem sederhana yang tidak membutuhkan keakuratan yang tinggi. Korelasi untuk menentukan parameter pengendali berdasarkan model FOPDT (First Order Plus Dead Time) yang ada saat ini masih menghasilkan error yang cukup besar, sehingga diperlukan suatu korelasi baru yang lebih baik Penentuan korelasi baru ini menggunakan metode tuning pada pengendali P & PI yang sudah ada, kemudian dilakukan trial & error. Trial & error dilakukan dengan memperbesar dan memperkecil parameter yang sudah didapatkan dari metode lain sampai diperoleh IAE yang paling minimum. IAE menunjukkan luas daerah antara perbedaan grafik variabel yang dikontrol dengan grafik input berupa perubahan set point, sehingga IAE minimum menunjukkan osilasi, overshoot, settling time, dan rise time yang minimum juga. Variasi parameter-parameter FOPDT (K, ?, ?) digunakan untuk mendapatkan berbagai parameter-parameter pengendali yang optimum, yang selanjutnya digunakan untuk membuat suatu korelasi baru."

"Penentuan parameter pengendali merupakan suatu hal penting untuk mendapatkan kineija pengendali yang optimum (diantaranya, IAE atau Iniegral Absolute Error-nya minimum). Jenis pengendali yang digunakan dan jenis sistem atau proses yang akan dikendalikan sangat menentukan dalam penentuan konstanta pengendali.Korelasi untuk menentukan parameter-parameter pengendali yang didasarkan pada model FOPDT (First Order Plus Dead Time) yang ada, masih merniliki nilai error yang cukup besar sehingga diperlukan sualu korelasi baru yang lebih balk (IAE yang dihasilkan minimum). Cara yang dilakukan adalah dengan metode tuning yang sudah ada, kemudian dilakukan trial & error. Trial & error yang dimaksudkan adalah dengan cara memperbesar dan memperkecil parameter yang sudah didapatkan dengan metode lain, sehingga mendapatl-can IAE yang seminimum mungkin. IAE (Integral Absolute Error) menunjukkan luas daerah antara perbedaan graiik variabel yang dikontrol dengan gralik input dalam hal ini perubahan ser poini, dengan demikian IAE minimum juga menu.njukka.n osilasi, overshoot, settling time, dan rise time yang minirmun juga. Variasi parameter-parameter FOPDT (K, 1, 0) digunakan untuk mendapatkan berbagai parameter-parameter pengendali yang optimum, selanjutnya dibuat suatu korelasi.Hubungan antara parameter-parameter pengendali yang diperoleh (KC, ri, rp) dengan parameter penyetelan hasil pendekatan Metode FOPDT (K, 1, 9), basil korelasinya adalah:if KL- = ; rl = l .l200*2'+l.8665; 'rn = 0_6409*9+2.4525 Dengan IAE rata-rata untuk 20 percobaan (model sistem) sebesar 42188.(IAE metode Cohencoon = 203528, metode Lopez = 109923, metode Dahlin = 917386, metode Ziegler Nichols = 17.1066) Salah satu contoh penerapan korelasi baru pada alat Pressure Conlrol (Laboratorium Dasar Proses Operasi Departemen TGP, FTUI) juga memberikan basil kinerja pengendali yang lebih baik."

"Pengendalian proses berarti suatu proses kimia yang bersifat dinamik dapat dikendalikan pada kondisi tertentu yang mampu memenuhi kebutuhan dari segi teknis, ekonomi dan lingkungan. Alat pengendali proses yang masih banyak dipakai adalah pengendali dengan mode PID dikarenakan kelebihannya dalam menghilangkan offset dan respon yang cepat dan stabil. Respon sistem dipengaruhi oleh harga parameter yang ada dalam pengendali yaitu Kc, Ti dan Td. Penentuan parameter tersebut menjadi penting untuk mendapatkan kinerja pengendali yang optimum terlihat dari nilai Integral Absolute Error atau IAE. Nilai IAE yang minimum akan menghasilkan efek positif terhadap parameter lain yang menunjukkan kinerja proses, seperti osilasi, overshoot dan settling time. Salah satu metode untuk menentukan parameter pengendali adalah dengan metode korelasi terhadap step respon sistem orde satu, seperti Ziegler Nichols. Namun demikian, korelasi tersebut masih dapat diperbaiki lagi, terutama untuk masukan yang berupa gangguan. Pencarian nilai Kc, Ti dan Td yang menghasilkan nilai IAE minimum dengan batasan tertentu dicari secara trial and error dengan menggunakan software MATLAB. Model sistem akan diubah dalam bentuk First Order with Dead Time (FOPDT) melalui respon lup terbuka. Harga parameter pengendali (Kc, Ti dan Td) yang diperoleh dari trial and error melalui respon lup tertutup dikorelasikan untuk mendapatkan generalisasi dari pengendali PID untuk respon REGULATORY. Metode korelasi baru yang dihasilkan berupa persamaan linier dengan nilai IAE yang lebih baik dari metode korelasi sebelumnya. Pengujian metode korelasi baru yang dibandingkan dengan metode sebelumnya memberikan hasil yang baik untuk respon REGULATORY dan tidak mengecewakan pula untuk respon SERVO. Aplikasi metode korelasi baru dengan alat pressure control yang ada pada Laboratorium Proses Operasi Teknik di Teknik Kimia FTUI juga memberikan nilai IAE terkecil dibandingkan dengan metode lainnya.

---

Process control is defined as controlling dynamic chemical processes at certain condition to meet technical, economical and environmental requirements. PID is the most popular controller because of its fast and stable response as well as its ability in omitting offset. Response of controlled variable is affected by the values of controller parameters such as, Kc, Ti and Td. The determination of the parameter values is important to achieve an optimum controller performance as indicated by those of Integral Absolute Error or IAE. Minimum IAE value results positive effect on other parameters, which indicates the process performance, such as oscillation, overshoot, and settling time. The value of controller parameter can be determined using correlation method on step response of first order system such as, Ziegler-Nichols correlation. However, the correlation still can be improved, especially for REGULATORY response (load changes). Computer software MATLAB can be used to find Kc, Ti, and Td values, which result in minimum IAE through trial and error method. System model is transformed into FOPDT through opened loop response. The value of controller parameter (Kc, Ti, and Td) obtained from trial and error is later correlated to get generalization of PID controller for REGULATORY response. The new correlation method is a linier equation with better IAE than other methods. The result of the test which compare the new correlation method to other method result in good REGULATORY response and fair SERVO response. The application of new correlation method in pressure control device in POT Laboratory of Chemical Engineering Department, University of Indonesia shows that IAE of the new correlation method is the smallest compared to other methods."

"ABSTRAKPerubahan karakteristik pada Heat Exchanger akibat adanya endapankotoran yang melapisi pennukaan perpindahan panas, membuat sistemrnenjadi sulit untuk dikendalilcan. Untuk mengatasi masalah tersebut dipilih pengendali PID (Proporsional. Integral dan Diferensial) sebagai pengendali sistem, dengan bantuan Jaringan Syaraf Tiruan (JST) untuk menentukau parameter pengendalinya. Proses belajar JST menggunakan algoritma backpropagation dengan arsitektur jaringan yang terdiri dari tiga lapis neuron. Pada proses belajar dilakukan cara pelatihan dengan memberikan bobot yang berbeda pada tiap Iapisannya dan dicari pola keluaran yang paling mendekati pola target yang ditetapkan. Pada penelitian ini program sirnulasi dibuat dalam bahasa pernrogratnan Pascal. Dari basil simulasi dapat dilihat bahwa JST mampu rnenentukan parameter pengendali PID yang dapat memperbaiki karakteristik sistem, bila terjadi perubahan pada parameter proses."

"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."

"Metode prakiraan curah hujan yang lazim digunakan pada saat ini adalah metode prakiraan yang bersifat subjektif. Kelemahan dari metode ini adalah kualitas prakiraannya tergantung pada pengalaman dan skill prakirawan. Hambatan yang ada adalah tidak setiap prakirawan memiliki skill dan pengalaman yang cukup memadai, sehingga prakiraan dari setiap prakirawan akan berbeda-beda. Untuk menjaga objektifitas dari suatu prakiraan, maka digunakan sistem Jaringan Syaraf Tiruan (JST) sebagai jalan untuk membangun model prakiraan curah hujan.Data yang digunakan dalam penelitian ini adalah data curah hujan harian, didukung data komponen angin u dan v, data energi kinetik persatuan massa dan data kecepatan vertikal pada lapisan 850 mb. Hasil yang didapatkan dari pengujian model JST untuk mendapatkan prakiraan curah hujan beberapa hari ke depan ini cukup memuaskan dengan korelasi rata-rata antara output JST dengan data aktual di atas 0,8. Kesimpulan dari pengujian sistem JST ini adalah JST bisa diaplikasikan untuk menghasilkan model prakiraan curah hujan jangka pendek."

"Salah satu masalah dalam pengendahan robot bergerak otonom adalah tingkat ketidak linierannya. Pengendali cerdas yang sering digunakan pada aplikasi robot adalah jaringan syaraf tiruan. Pengendali jaringan syaraf tiruan memiliki kemampuan belajar dan mampu beradaptasi terhadap perubahan sehingga mampu mengatasi masalah pengendalian pada robot bergerak otonom. Pembahasan meliputi pemodelan sistem dan perancangan pengendali jaringan syaraf tiruan untuk mengendalikan sudut heading robot. Pembelajaran jaringan syaraf tiruan dilakukan secara off-line. Analisa dilakukan terhadap hasil pelatihan yaitu pergerakkan robot pada beberapa lingkungan yang berbeda-beda. Pengendali jaringan syaraf tiruan mampu mengendalikan gerak robot hingga mencapai sasaran tanpa mengenai rintangan jika lingkungan robot sesuai dengan sifat-sifat pergerakan robot dan letak sasaran dapat dijangkau oleh sensor robot."