Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pengendali swa tala dengan penempatan kutub merupakan Salah satu pengendali adaptif yang menggunakan estimasi dengan pendekatan linier untuk memperbaharui pengendalinya secara on-line. Pengendali swa tala ini mampu mempertahankan unjuk kerja lingkar tertutup sistem namun membutuhkan waktu yang cukup lama untuk melakukan adaptasi. Untuk mengatasi perubahan yang cepat, dapat diatasi dengan menggunakan beberapa model linier yang dapat merepresentasikan sistem untuk beberapa titik kerja melalui pendekatan linier dengan analisis secara off-line. Model yang akan dlaktifkan adalah model yang paling baik merepresentasikan sistem pada saat itu dengan menggunakan supervisor yang menentukan mekanisme 'switching. Pengendalian ini disebut pengendalian multi model.

Pengendalian multi model memiliki keterbatasan untuk penempatan model dalam database sehingga unjuk kerja lingkar tertutup akan menurun jika tidak ada satupun diantara model-model yang ada dalam database yang mampu mewakili kondisi kerja saat itu. Kelemahan - kelemahan dari metode pengendalian swa tala dan pengendalian multi model dapat diatasi dengan menggabungkan kedua metode tersebut sehingga menjadi pengendalian adaptif multi model yang mampu mempertahankan unjuk kerja lingkar tertutup sistem walaupun terjadi selang waktu perubahan set point yang cepat

---

Abstrak :
Pengendali adaptif pada Pressure Process Rig Feedback 38-714 dengan mekanisme adaptasi, yaitu faktor pelupa lebih kecil dari 1, menunjukkan performa yang baik jika set-point yang diberikan cukup tereksitasi. Pada sistem dengan setpoint kurang tereksitasi, pengendalian adaptif dengan mekanisme adaptasi menghasilkan fenomena Bursting, yaitu fenomena di mana sistem tidak terkontrol akibat gagalnya kerja estimator. Untuk mengatasi hal tersebut dirancanglah suatu algoritma supervisi. Algoritma supervisi ini berfungsi untuk menata kinerja estimator dan sintesa pengendali dan untuk memastikan lup pegnendalian selalu stabil. Pada skripsi ini, algoritma supervisi memantau besaran sinyal rata-rata dan variansi kesalahan prediksi, autokorelasi sinyal kendali, variansi parameter model, dan letak kutub parameter model terestimasi. Besaran - besaran ini dihitung secara rekursif (setiap pencuplikan) dari besaran ? besaran yang dihasilkan oleh pengendali adaptif. Algoritma supervisi ini diaplikasikan pada pengendalian adaptif Pressure Process Rig (Feedback 38-714). Dari uji eksperimen terbukti bahwa pengendalian adaptif dengan supervise memberikan hasil pengendalian yang lebih baik dibandingkan dengan pengendalian adaptif tanpa supervisi.Hal tersebut dapat terlihat dari tidak adanya fenomena bursting yang terjadi pada pengendali adaptif dengan supervisi yang mempunyai mekanisme adaptasi dan set-point kurang tereksitasi.

---

Adaptive controlling on Pressure Process Rig Feedback 38-714 with adaptation mechanism, that has forgetting factor less than 1, shows good performance if the set-point given excite enough. In the system with less excitation, adaptive control with adaptation mechanism results Bursting phenomenon, that is phenomenon where system can?t be controlled anymore because of the estimator failure. Supervision algorithm is designed to cope with that problem. This supervision algorithm rule is organizing estimator?s work and controller design to make sure that control closed-loop always stable. In this bachelor thesis, supervision algorithm monitors some parameters, there are mean and variance of prediction error signal, autocorrelation of control signal, variance of model parameter, and place of estimated model poles. These parameters are recursive calculated (every sample time) from adaptive control parameter yielded. This supervision algorithm is implemented on Pressure Process Rig (Feedback 38-714) with adaptive control. From experiment test, it is proved that adaptive control with supervision gives better control result than adaptive control without supervision. It can be seen from no Bursting phenomenon that happened in adaptive control with supervision level that has adaptation mechanism and less excitation set-point.

Abstrak :
Designed to meet the needs of a wide audience without sacrificing mathematical depth and rigor, Adaptive Control Tutorial presents the design, analysis, and application of a wide variety of algorithms that can be used to manage dynamical systems with unknown parameters. Its tutorial-style presentation of the fundamental techniques and algorithms in adaptive control make it suitable as a textbook. Adaptive Control Tutorial is designed to serve the needs of three distinct groups of readers: engineers and students interested in learning how to design, simulate, and implement parameter estimators and adaptive control schemes without having to fully understand the analytical and technical proofs; graduate students who, in addition to attaining the aforementioned objectives, also want to understand the analysis of simple schemes and get an idea of the steps involved in more complex proofs; and advanced students and researchers who want to study and understand the details of long and technical proofs with an eye toward pursuing research in adaptive control or related topics. The authors achieve these multiple objectives by enriching the book with examples demonstrating the design procedures and basic analysis steps and by detailing their proofs in both an appendix and electronically available supplementary material; online examples are also available. A solution manual for instructors can be obtained by contacting the authors.

Abstrak :
This book presents a comprehensive overview of the recently developed L1 adaptive control theory, including detailed proofs of the main results. The key feature of the L1 adaptive control theory is the decoupling of adaptation from robustness. The architectures of L1 adaptive control theory have guaranteed transient performance and robustness in the presence of fast adaptation, without enforcing persistent excitation, applying gain-scheduling, or resorting to high-gain feedback.