Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas Akhir ini merancang suatu pengendali berbasis NeuroFuzzy dan mengujicobanya pada perangkat lunak sederhana untuk sistem linier orde dua. Pada akhir pengendalian diharapkan diperoleh tanggapan sistem yang lebih baik. Tanggapan ini berupa settling time, rise time, overshoot dan galat tunak, yang diharapkan men jadi lebih cepat, lebih singkat, dan lebih kecil. Pengendali yang dirancang adalah suatu pengendali yang menggabungkan Jaringan Saraf Buatan dengan pengendali Logika Fuzzy. Jaringan saraf buatan mempunyai kemampuan belajar dan dilatih dengan sekumpulan data pelatihan. Pada pengendali ini jaringan saraf buatan dilatih untuk menentukan nilai keanggotaan error dan selisih error sebagai masukan pengendali, ke dalam nilai linguistik yang bersesuaian. Pengendali ini juga membutuhkan Fuzzy Assosiative Memory (FAM). Uji cobs perangkat lunak dilakukan terhadap lima model sistem linier orde dua, yang diharapkan mampu mewakili suatu sistem linier orde dua secara keseluruhan. Perangkat lunak tersebut dibuat dengan bahasa pemrograman Visual Pascal, menggunakan Borland Delphi versi 1.0. Tanggapan waktu model sistem linier orde dua tanpa pengendali NeuroFuzzy kemudian akan dibandingkan dengan tanggapan hasil pengendalian dengan pengendali berbasis NeuroFuzzy. Dari hasil perbandingan diharapkan terjadi perbaikan tanggapan. yang menandakan keberhasilan pengendalian."

"Tugas akhir ini merancang suatu aplikasi pengendali NeuroFuzzy (pengendali fuzzy berbasis jaringan saraf buatan - Neural Network) untuk mengendalikan suhu pada suatu sistem pengatur suhu ruangan.Pada dasarnya pengendali NeuroFuzzy ini menyatukan pengendali logika fuzzy biasa dengan suatu jaringan saraf tiruan dengan tujuan untuk memperbaiki karakteristik respon transien pengendali dan mampu beradaptasi dengan masukan yang diberikan dengan cara mengoptimalkan kemampuannya membentuk fungsi keanggotaan yang baru.Pada awalnya proses pengedalian mempunyai rentang waktu yang lebih lama, namun dengan semakin banyak dilatih sistem menjadi semakin 'pinta!"" dan cepat memberikan respon yang optimal.Dengan penerapan jaringan NeuroFuzzy, pengaturan suhu menjadi Iebih mudah dan efisien karena sistem pengendali memiiiki kemampuan belajar yang cepat untuk menyesuaikan diri dengan kondisi yang ada dan mampu memperkecil error yang terjadi dengan cara memperbaiki bobot-bobot neuron pada jaringan sarafnya."