Hasil Pencarian  ::  Simpan CSV :: Kembali

"Lalu lintas saat ini merupakan bagian penting yang tidak terpisahkan dari kehidupan manusia, terlebih kondisi kota-kota besar yang semakin berkembang termasuk bertambahnya jumlah kendaraan dengan kondisi infrastruktur yang tidak dapat ditambah lagi. Maka dibutuhkan sebuah sistem kendali yang dapat menangani masalah tersebut. Pada skripsi ini akan dibahas model sistem lalu lintas menggunakan model antrian dengan menggunakan aplikasi sistem Hierarchical Fuzzy Logic Control (HFLC). Pola masukan kendaraan yang digunakan adalah pola persebaran poisson yang dapat mewakili dengan kondisi sebenarnya. Simulasi ini akan diuji dengan lamanya waktu lampu hijau yang berbeda-beda untuk melihat hasil yang paling baik waktu tunggu rata-rata kendaraannya. Jumlah masukan kendaraan juga akan dibuat dengan jumlah yang berbeda agar bisa dilihat sejauh mana kemampuan sistem kendali tersebut. Semua perancangan aplikasi akan dibuat pada Simulink MATLAB dengan pembagian yang memudahkan jika nantinya untuk direalisasikan pada sistem yang sesungguhnya. Hasil dari waktu tunggu rata-rata ketika sistem lampu lalu lintas menggunakan model HFLC lebih baik dibandingkan dengan menggunakan model kendali tetap. Terlebih saat jumlah keluaran kendaraan berubah secara tiba-tiba.

---

Traffic these days is an inseparable part of daily human activities, especially in large developing cities with an increasing number of vehicles coupled together with a dead-end infrastructure. Therefore, a control system that could solve the aforementioned problem is a necessity. In this thesis, a traffic model system using the queuing model utilizing Hierarchical Fuzzy Logic Control system application will be discussed. The incoming vehicle pattern is modeled on Poisson Distribution which is representative of real life conditions. The simulation will be tested on different durations of green light to measure the best vehicle average waiting time. The simulation will also be tested on different amount of incoming vehicles to measure the system capabilities. All designs will be created using MATLAB Simulink software with a simplified allocation if it was to be realized on real life. The results of the average waiting time when the traffic light system use HFLC model is better than using a fixed control models, especially when the number of vehicles output changes suddenly."

"Perkembangan ilmu dibidang kontrol diiringi pula dengan aplikasinya yang sejalan pada dunia industri. Sehingga, kendala-kendala aplikasi pada industri juga menjadi dasar dioptimasinya sistem-sistem pengendali. Salah satunya adalah sistem logika fuzzy (fuzzy logic) yang secara luas sudah banyak digunakan untuk pengendalian, sebagai salah satu alternatif selain PID kontroler. Fuzzy logic controller sebagai jawaban terhadap sistem yang membutuhkan output dengan ketelitian tinggi, yang tentunya sistem pengendaliannya cukup kompleks. Salah satu penerapan pengendali logika fuzzy di industri adalah untuk pengendalian tangki pengontro! density, yang merupakan sub sistem dalam suatu proses pengolahan bahan pembuatan atap asbes. Aplikasi pengendaliannya dilakukan terhadap target pencapaian set point density dan level kapasitas bahan pada tangki tersebut. Pengendalian sistem ini dapat dikatakan mempunyai multi input-multi output (MIMO), yaitu dengan set point input density dan level kapasitas, output yang diharapkan adalah tercapainya density dan level bahan sesuai yang ditargetkan pada tangki. Pencapaian salah satu set point akan mempengaruhi set point lainnya, dimana ketika pencapaian target density diupayakan maka level bahan juga terpengaruh atau berlaku sebaliknya. Pada tugas akhir ini, dibahas konsep dan rancangan proses dengan simulasi pengendalian pada tangki pengontrol density berbasis fuzzy logic controller dengan menggunakan simulink pada program matlab versi 6.1."

"Pada skripsi ini dibuat sebuah sistem kendali tertutup dengan menerapkan logika fuzzy sebagai pengendali. Sistem ini dibuat untuk menguji algoritma real-time reasoning fuzzy controller yang diterapkan pada sistem kendali posisi motor do berbasis komputer. Sistem yang dikendalikan diimplementasikan berupa gerakan rotasi satu dimensi. Perangkat keras yang digunakan dalam skripsi ini, terdiri dari empat bagian utanu, yaitu antarmuka PC, rangkaian pengubah sinyal (ADC dan DAC), penggerak motor dan sensor. Antarmuka PC berfungsi untuk mengatur pengalamatan dan jalur data antara perangkat keras dan perangkat lunak. Sensor berfungsi untuk memberikan masukan pada perangkat lunak fu=ry, melalui antar-muka PC, kemudian pengendalifuzzy memberikan keluaran pada penggerak motor. Sinyal yang keluar dari sensor adalah sinyal analog, untuk itu perlu diubah menjadi sinyal digital oleh ADC sebelum masuk ke komputer. Sebaliknya, sinyal yang keluar dari komputer adalah sinyal digital dan harus diubah menjadi sinyal analog untuk dapat dipakai oleh penggerak motor. Perangkat lunak dalam sistem ini digunakan sebagai antarmuka pemakai dengan sistem untuk melakukan fungsi-fungsi seperti menset sistem untuk inisialisasi, menjalankan algoritma pengendali fuzzy berdasarkan sinyal input yang masuk ke dalam bus data, mengeluarkan sinyal pengendali yang sesuai kepada penggerak motor melalui DAC, memasukkan komposisi Memori Assosiatif Fuzzy, memonitor tanggapan waktu sistem dan melakukan analisis respons sistem. Hasil yang dicapai menunjukkan bahwa penerapan pengendali fuzzy pada sistem kendali posisi gerakan rotasi satu dirnensi ini dapat menurunkan overshoot dan mengurangi galat tunak."

"Neural networks and fuzzy systems are model free control design approaches that represent an advantage over classical control when dealing with complicated nonlinear actuator dynamics. Neuro-Fuzzy Control of Industrial Systems with Actuator Nonlinearities brings neural networks and fuzzy logic together with dynamical control systems. Each chapter presents powerful control approaches for the design of intelligent controllers to compensate for actuator nonlinearities such as time delay, friction, deadzone, and backlash that can be found in all industrial motion systems, plus a thorough development, rigorous stability proofs, and simulation examples for each design. In the final chapter, the authors develop a framework to implement intelligent control schemes on actual systems. Rigorous stability proofs are further verified by computer simulations, and appendices contain the computer code needed to build intelligent controllers for real-time applications. Neural networks capture the parallel processing and learning capabilities of biological nervous systems, and fuzzy logic captures the decision-making capabilities of human linguistics and cognitive systems."

"This book, hybrid intelligent systems based mainly on type-2 fuzzy logic for intelligent control. Hybrid intelligent systems combine several intelligent computing paradigms, including fuzzy logic, and bio-inspired optimization algorithms, which can be used to produce powerful automatic control systems. The book is organized in three main parts, which contain a group of chapters around a similar subject. The first part consists of chapters with the main theme of theory and design algorithms, which are basically chapters that propose new models and concepts, which can be the basis for achieving intelligent control with interval type-2 fuzzy logic. The second part of the book is comprised of chapters with the main theme of evolutionary optimization of type-2 fuzzy systems in intelligent control with the aim of designing optimal type-2 fuzzy controllers for complex control problems in diverse areas of application, including mobile robotics, aircraft dynamics systems and hardware implementations. The third part of the book is formed with chapters dealing with the theme of bio-inspired optimization of type-2 fuzzy systems in intelligent control, which includes the application of particle swarm intelligence and ant colony optimization algorithms for obtaining optimal type-2 fuzzy controllers."

"After explaining the physics and fundamental concepts of electromagnetic conversion, this book introduces the standard mathematical models for induction machines-whichever rotor technology is used-and introduces a new parameter sensitivity reduction method. "