Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini membahas tentang Pengendali Logika Fuzzy sistem Thermal Mixing. Salah satu contoh proses thermal mixing yang cukup sederhana dan mewakili adalah Proses Pencampuran Air Panas dan Air Dingin. Sistem pencampuran air panas dan air dingin ini terdiri atas sebuah tangki dengan dua buah pipa saluran masukan dan sebuah saluran keluaran. Level dan temperatur air akan diukur dengan menggunakan tranduser.Sistem pencampuran air panas dan air dingin ini merupakan sistem yang multivariabel dengan empat masukan dan dua keluaran. Dari pemodelan yang diperoleh dapat dilihat bahwa sistem pencampuran ini merupakan sistem non linier. Sifat non linier sistem ini merupakan suatu kendala yang harus dikendalikan untuk mendapatkan hasil yang diinginkan yaitu temperatur dan level air tertentu.Konfigurasi sistem yang digunakan pada pengujian ini adalah maksimum tinggi air dalam tangki 2 m, luas alas tangki 2 m2, luas penampang pipa air 0,05 m2, tinggi level air awal 1 m, suhu air awal dalam tangki 27°C.Untuk melihat tanggapan sistem pengendalian proses pencampuran air panas dan air dingin dengan menggunakan pengendali logika fuzzy maka harus dilakukan berbagai pengujian dengan berbagai macam kondisi. Pengujian ini dilakukan dengan menggunakan fasilitas Simulink versi 4 pada program Matlab versi 6.0.0.88 Release 12.

---

This thesis studies a fuzzy logic controller to the process of thermal mixing. An example of a simple thermal mixing process that represent it was a cold and hot water mixing process. The cold and hot water mixing system consist of a tank which connected to two water pipe inputs and a water pipe output. Water level and temperature were measured with transducers.

The cold and hot water mixing process was a multivariable system with four inputs and two outputs. From mathematical models, the mixing system is a non linear system. The non linearity of this system is the constraint that has to be controlled to achieve the temperature and level set points.

The system configuration used in the examination are 2 m of maximum water level in tank, base area of tank is 2 m2, cross section area of outlet pipe is 0.05 m2 initial water level is 1 m and initial water temperature is 27°C.

The responds system of the mixing process control using fuzzy logic controller was tested in some variants conditions. The tests were simulations using the Simulink version 4 facility in Matlab version 6.0.0.88 release 12 program."

"Kecepatan rotasi mesin uap Skala kecil dapat dikendalikan dengan pengendali proporsionai-plus-integral (PI) atau pengendali logika fuzzi, FLC (Fuzzy Logic Controller) berbasis komputer. Untuk mengendalikan kecepatan mesin dengan pengendali PI perlu diturunkan fungsi alih mesin dan dihitung parameter-parameter pengendali yaitu Kp dan K1. Sedang untuk pengendalian dengan FLC tidak perlu melakukan penurunan fungsi alih, tetapi perlu proses fuzzifikasi, membuat basis aturan, proses penalaran, dan defuzzifikasi. Kestabilan sistem dengan pengendali PI dan parameter-parameter pengendali dianalisis dengan prosedur Tempat Kedudukan Akar. Respons sistem kedua pengendali dan dipantau pada monitor komputer dengan program yang ditulis dalam bahasa pemrograman Pascal 7.0/DOS, Delphi 5 dan Fuzzytech 5.12. Respons sistem pengendalian dengan pengendali PI dan FLC dapat dibandingkan untuk mengetahui kelebihan dan kekurangannya.

---

The speed of a small scale steam engine can be controlled by a computer based proportional-plus-integral (PI) controller, or fuzzy logic controller (FLC). To regulate the engine speed by PI controller, the transfer function of the engine and the gain parameters of the controller, the proportional gain, Kp and the integral gain, KI must be derived. On the other hand the speed regulation by PLC, all of the factors mentioned above neet not be derived, but a fuzzification process, a construction of the rule base, a fuzzy reasoning dan a defuzzification process must be implemented. The stability of the PI controlled system and the parameters of the controller are analyzed by the root locus procedure. System responses of the two controlled systems are processed and monitored on the computer screen by a program written in Pascal 7.O,DOS, Delphi 5 and Fuzzytech 5.12. The system responses are compared to show their strengths and weaknesses."

"Pada tesis ini dibahas tentang simulasi dan perancangan pengendalian sistem multivariabel Coupled Tank Apparatus dengan menggunakan Neural Network model Direct Invers Control. Model sistem yang bersifat non linier akan dilinierisasi sehingga diperoleh fungsi alih yang mengandung persamaan karakteristik yang menyerupai sistem linier orde dua yang berada dalam keadaan over damped akan selalu stabil. Pengurangan interaksi (kopling) yang terjadi pada sistem multivariabel Coupled Tank Apparatus dilakukan dengan perancangan dekopling yang menggunakan metode Relative Gain Matrik. Perancangan dan simulasi sistem pengendalian Neural Network model Direct Invers Control menggunakan program Matlab Versi 5.3.1. Perbandingan antara analisa tanggapan waktu terhadap sistem kendali yang dirancang dengan sistem kendali Proportional Integral Derivatif serta sistem kendali logika Fuzzy menghasilkan tanggapan respon untuk mencapai keadaan steady state (setting time) pada Neural Network model Direct Invers Control lebih cepat dibandingkan dengan tanggapan waktu yang dihasilkan oleh pengendali konvensional PI, PID, dan Fuzzy.Dalam hal ini, data parameter sistem untuk simulasi diperoleh dari hasil penelitian dan percobaan di Laboratorium Fakultas Teknik Universitas Indonesia.

---

In this thesis, a study on simulation and design of a multivariabel Control of Coupled Tank Apparatus Systems is presented. A Neural Network Controller based on a Direct Invers Control is applied. The linierized model of the Coupled Tank Apparatus Systems appears to be a stable second order transfer function with an over damped characteristic. A Decoupling Compensator is designed using Relative Gain Matrix Method of Bristol. The Simulation and control is implemented using Matlab 5.3.1 on apersonal computer. For comparison a PID controller and a Fuzzy Logic Controller are also implemented. It is found that NN Direct Invers Control shows a better performance than the other control method in terms of speed response.All data for experiment and equipment used are done in the Control Laboratory, Dept of Electrical Engineering, Faculty of Technology University of Indonesia."

"Tesis ini membahas perancangan pengendali berbasis logika fuzzy (PLF) yang digunakan untuk pengendalian jumlah permeate flax (hasil sating) pada proses crossflow mikrofiltrasi, beserta simulasinya. Model prosesnya diperoleh dari gabungan antara pendekatan model matematik dengan sebuah model pilot plant untuk penyaringan bahan gala. Penekanannya pada dua variabel yang paling berpengaruh yaitu (1) kecepatan alir bahan filtrasi dan (2) tekanan pada membran filtrasi. Perancangan pengendali ini menggunakan Fuzzy Logic Toolbox using Matlab ver. 5.3. PLF ini terdiri dari 3 input dan 2 output (MIMO) dengan fungsi keanggotaan berbentuk triangular dan trapezoidal. Ketiga input terdiri dari galat dan perubahan galat dari keluaran jumlah permeate flux, serta selisih tekanan minimal pada membran. Adanya selisih tekanan membran menentukan bahwa sistem sedang bekerja. Outputnya merupakan pengaturan kerja dua pompa yaitu pompa centrifugal dan pompa volumetrik. Perubahan kerja pompa centrifugal akan menentukan variasi nilai kecepatan alit dan perubahan kerja pompa volumetrik akan menentukan variasi nilai tekanan membran. Penalaran fuzzy disusun berdasarkan metoda Mamdani, dengan mengacu pada 18 aturan fuzzy sesuai Fury Assosiative Memories (PAM) yang dirancang. Unjuk kerja dari sistem yang dirancang selanjutnya disimulasikan dengan Simulink Toolbox Using Matlab ver. 5.3. Pada tahap analisa dilihat unjuk kerja sistem yang dikendalikan dibandingkan dengan menggunakan metoda Sugeno. Analisa Iain dengan memperhatikan pengaruh dari ketepatan menentukan nilai parameter di blok fungsi permeate flux."

"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."

"ABSTRAKPada penelitian tahapan pertama ini telah dilakukan pengambilan data dengan menggunakan kamera CCD (Charge Coupled Device) berwarna terhadap suatu maket pemandangan yang terdiri dari beberapa kelas obyek karena respon sesuatu obyek terhadap beberapa panjang gelombang elektromagnetik adalah berbeda-beda, maka data hasil rekaman oleh kamera tersebut dipecah menjadi tiga jenis warna yaitu biru, hijau, dan merah.Untuk melaksanakan pemisahan kanal panjang gelombang elektromaknetik tersebut, telah dibuat suatu perangkat lunak komputer ImagePro, yang ditulis dalam bahasa pemrograman C, dan bekerja di bawah MS-Windows 3.1. yang dapat dijalankan pada IBM/PC-AT microcomputer jenis 286 ke-atas. Beberapa fasilitas tambahan seperti : image enhancement, filtering, cutting, statistical properties, format exchange, dual and frame processing, dan sebagainya telah pula diikutsertakan.Proses klasifikasi tanpa disupervisi atau clustering diterapkan dengan bantuan topologi ART2 dari jaringan Syaraf Tiruan untuk melihat bagaimana informasi data obyek tersebut dapat diklasifikasikan menjadi beberapa kelas yakni air, jalanan, tumbuhan, rumah atap genteng, dan rumah atap beton.Hasil klasifikasi dengan memanfaatkan jaringan syaraf buatan tersebut untuk tahap pertama ini telah cukup memuaskan secara kualitatif; walaupun hasil tersebut harus diuji tingkat ketelitiannya pada tahapan berikutnya dari rangkaian penelitian yang tengah dilaksanakan ini.

---

ABSTRACTIn the first stage of this research, it is done the data acquisition to several classes of objects on an artificial maquette scene by using a color CCD camera Due to object's responses in several electromagnetic waves are different to each other, then the recorded data can be splitted into three different colors channels, i.e. blue, green, and reed.In order to split those electromagnetic channels, it is designed a computer software called ImagePro, which is written in C-language, under MS-Windows 3.1, and can be run on an IBMIPC-AT microcomputer 286 processor or above. Several additional supporting features such as : image enhancement, filtering, cutting, statistical properties, format exchange, dual and frame processing, etc. are also included in the software.The unsupervised classification by using an artificial neural networks ART2 topology is applied, to observe how the those object's data can be classified. into several classes. i.e.: water, road, vegetation, red roof and concrete roof houses.The result of classification at the initial stage of the research provides an acceptable qualitative performance, although its accuracy should be tested later at the need stage of this midyears research plan."

"ABSTRAKTesis ini membahas pengendali logika fuzzy yang digunakan untuk pengendalian proses pewarnaan benang sintetis. Model dinamika proses pewarnaan benang sintetis diturunkan berdasarkan laju penurunan berat bahan pewarna di dalam hopper dari feeder dan laju aliran bahan pewarna tersebut di dalam screw conveyor. Kemudian disimulasikan dengan bahasa Delphi versi 2.0 dari Borland.Fungsi keanggotaan yang digunakan berbentuk segitiga dan dikelompokkan dalam tujuh kelompok.Kaidah logika fuzzy yang digunakan pada tesis ini disusun berdasarkan kaidah logika fuzzy dari King dan Mamdani, yang terdiri dari 13 (tiga belas) aturan pengendali logika fuzzy.Untuk melihat kinerja pengendali logika fuzzy, dilakukan dengan cara membandingkan hasil simulasi pengendali logika fuzzy dengan pengendali PID.

---

ABSTRACT

Application Fuzzy Logic Controller to the Control of Colouring Process of Synthetic YarnThis thesis describes fuzzy logic controller to control the coloring process of synthetic yarn. Dynamic model of the process is derived based on the loss in weight rate of the granulated coloring substance in the feeder and its flow in the screwed conveyor. The model is simulated using Borland Delphi language ver. 2.

The fuzzy logic controller uses seven fuzzy set, for input with triangular membership function. By referring to the desired step response of a second order system, and by heuristic approach it can be defined thirteen rules for the controller. The fuzzy implication is done by King's and Mamdani's fuzzy reasoning.

The performance of the fuzzy logic controller is then compared with a PID controller using simulations."

"Penelitian ini melakukan simulasi pengukuran jarak gandar kendaraan untuk Automatic Vehicle Classification (AVC) dengan menggunakan satu sensor (yaitu treadle) dengan metoda fuzzy logic. Pengukuran jarak gandar hanya merupakan sebagian kecil dari sistem AVC secara keseluruhan. Hasil simulasi menunjukkan sistem berbasis fuzzy logic ini dapat digunakan untuk AVC dengan simpangan terbesar 50,529 mm. Selain itu, sistem ini juga memerlukan detektor percepatan untuk menentukan model fuzzy yang sesuai."

"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."

"Suatu sistem kendali yang baik harus mempunyai ketahanan terhadap disturbance dan mempunyai respon yang cepat dan akurat. Sering terjadi permasalahan dalam sistem kendali Proportional Integral Derivative (PID) bila dibuat sangat sensitif, maka respon sistem terhadap disturbance menghasilkan overshot/undershot yang besar sehingga kemungkinan dapat terjadi osilasi semakin tinggi. Bila dibuat kurang sensitif memang akan menghasilkan overshot/undershot kecil, tetapi akibatnya akan memperpanjang recovery time. Untuk mengatasi hal ini, diterapkan sistem kendali hybrid yaitu sistem kendali PID yang akan dihybridkan dengan sistem kendali logika fuzzy. Dalam sistem ini kendali utama adalah kendali PID sedangkan kendali logika fuzzy bekerja membantu untuk meminimalkan overshot/undershot yang terjadi dan juga meminimalkan recovery time dari respon sistem.Sistem kendali logika fuzzy yang didesain mempunyai 2 input yaitu error dan delta error dan output kecepatan motor. Besar output dari sistem kendali logika fuzzy hanya 50 % dari kendali PID. Hal ini dilakukan dengan membatasi semesta pembicaraan dari himpunan fuzzy untuk output. Dari desain sistem ini diharapkan sistem kendali secara keseluruhan yang merupakan hybrid antara PID dengan Kendali Logika Fuzzy dapat menghasilkan respon sistem yang lebih baik.

---

PID Fuzzy Logic Controller System for DC Motor Speed Control. A good controller system must have resilience to disturbance and must be able to response quickly and accurately. Problem usually appears when PID controller system was built sensitively hence the system?s respon to the disturbance will yield big overshot/undershot then the possibility of oscillation to be happened is excelsior. When the controller system was built insensitively, the overshot/undershot will be small but the recovery time will be longer. Hybrid controller system could overcome those problems by combining PID control system with fuzzy logic.The main control of this system is PID controller while the fuzzy logic acts to reduce an overshot/undershot and a recovery time. The fuzzy logic controller is designed with two input error and delta error and one output of the motor speed. The output of fuzzy logic controller should be only half of the PID controller for limiting entirely fuzzy output. This hybrid system design has a better respon time controller system than PID controller without fuzzy logic."