Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK Tesis ini membahas identifikasi sistem kiln semen dengan Jaringan Syaraf Tiruan (JST), yang meliputi penentuan parameter yang dibutuhkan untuk pemodelan sistem tersebut, dan perancangan JST yang digunakan untuk identifikasi tersebut. Dalam tesis ini digunakan struktur Multi-Layer Feedforward Network yang terdiri dari lapisan masukan, lapisan keluaran dan 2 buah lapisan tersembunyi. Data diperoleh dari kiln semen yang sebenarnya yaitu dari Pabrik Tuban-II PT. Semen Gresik (Persero) tbk., kemudian data tersebut digunakan untuk melatih JST. Untuk melakukan identifikasi menggunakan model masukan-keluaran dengan struktur serial-paralel dan pelatihan JST tersebut menggunakan algoritma Error Back Propagation. Hasil identifikasi selanjutnya disimulasikan dan dibandingkan dengan plant yang sebenarnya.

---

ABSTRACT This thesis discuss about system identification of cement kiln using Artificial Neural Network (ANN). The process of system identification using ANN requires to define of the input and output parameters, and to decide ANN's structure. In this thesis, the Feedforward Multi-Layer Network is used which contain input layer, output layer and two hidden layers. The data are collected from the real cement kiln at Pabrik Tuban-II PT. Semen Gresik (Persero) tbk, then good data are selected for training the ANN. In this thesis is using Serial-Parallel Structure and training algorithm is using Error Back Propagation method. The result of the identification is then simulated and compared to the real plant.

Abstrak :
Identifikasi sistem dinamik merupakan tahapan awal dalam melakukan perancangan algoritma kendali pada suatu sistem dinamik. Namun, pada sistem dinamik yang multivariabel, tidak linier dan kopling tinggi-seperti pada misil AIM-9L Sidewinder-identifikasi sistem dinamik umumnya akan gagal dan sering terjadi simplifikasi pada sistem yang diidentifikasi, seperti dekopling dan linearisasi sistem. Pada penelitian ini, identifikasi sistem dinamik misil dilakukan dengan menggunakan algoritma artificial neural network dengan harapan karakteristik sistem dinamik tetap terjaga dengan baik. Penerbangan misil dilakukan dengan menggunakan simulator X-Plane dan akuisisi data penerbangannya dilakukan menggunakan bahasa pemrogramman python. Penerbangan dilakukan dengan sinyal referensi swept-sine dan zig-zag untuk mancakup banyak kemungkinan penerbangan misil. Hasilnya, artificial neural networks dapat melakukan pemetaan pola sistem dinamik misil dengan standardized MSE 7.155x10^(-2).

---

Dynamical system identification is the very first step in designing a control algorithm on a dynamic system. However, in the multivariate, nonlinear and coupled dynamical system-like the AIM-9L Sidewinder missile-dynamical system identifications are often failed and oversimplified the dynamical system, such as decoupling and linearization. In this research, system identification is done by using artificial neural networks algorithm with expectations that its characteristics will be maintained well. The missile flights are done by using the X-Plane flight simulator and the acquisition process is done by using python language. The flights use swept sine and zig-zag references to cover lots of missile flight conditions possibility. As a result, artificial neural networks can do missile dynamical pattern mapping with 7.155x10^(-2) standardized mean squared errors.

Abstrak :
Penelitian ini akan mengembangkan pengendali MIMO Model Predictive Control (MPC) dengan constraints serta ditambahkannya fungsi Laguerre. Metode ini akan diterapkan pada sistem tata udara presisi atau biasa disebut sistem Precision Air Conditioning (PAC) dengan dua masukan, yaitu putaran kipas dan kompresor, dan dua keluaran, yaitu temperatur dan kelembapan relatif. Permasalahan yang ada pada proses kendali PAC ini ialah tetap menjaga temperatur dan kelembaban dari suatu sistem refrigasi sesuai dengan yang hasil yang diinginkan, yaitu pada temperatur 20-25 oC dan kelembaban relatif 40-55%. Penelitian ini adalah pengembangan dari penelitian sebelumnya yang tidak bisa mengendalikan sistem PAC dengan hasil yang memuaskan. Metode identifikasi yang digunakan menggunakan metode PO-MOESP untuk mencari model A, B, C, D dan menjadi masukan pengendali prediktif. Fungsi Laguerre ditambahkan untuk mengurangi waktu komputasi ke dalam MPC. Penelitian ini menggunakan software Matlab untuk melakukan proses simulasinya. Hasil keluaran pengendali MPC constraints biasa akan dibandingkan dengan pengendali MPC constraints dengan fungsi Laguerre.

---

This research will aim to develop MIMO Model Predictive Control (MPC) controller with constraints added with Laguerre function. This method will be applied to Precision Air Condition (PAC) system with two inputs : fan and compressor speed; and two outputs : temperature and humidity. The problem in this PAC control process is to maintain temperature and humidity of the refrigeration system as desired, which is temperature 20-25oC and relative humidity 40-55 %. This research is developed from previous research, which could not control PAC system with feasible result. System identification used in this research is PO-MOESP method to find A, B, C, D model as input for predictive controller process. Laguerre Function was added for reducing computation time into MPC Controller. This research use MatLab software to run the process simulation model. Output of the conventional MPC controller with constraints will be compared to MPC controller with constraints and Laguerre function.