Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penelitian dilakukan dalam bentuk simulasi sistem pengendalian temperatur dan kelembaban relatif pada central air-conditioner pabrik tekstil. Pengendalian menggunakan Reinforcement Learning (RL) dengan algoritma Proximal Policy Optimization (PPO). RL dirancang dan diambil datanya menggunakan software RL Designer ToolBox di MATLAB. Dilakukan training pada agent PPO untuk mengendalikan sistem dengan range pengendalian temperatur 18 o C – 25 o C dan kelembaban relatif 55% - 85%. Hasil training agent diukur dan dibandingkan performanya terhadap PI controller menggunakan parameter step response yang terdiri dari rise time, settling time, error steady state, dan overshoot. Berdasarkan pengujian hasil training didapatkan secara keseluruhan iterasi pengendalian temperatur dan kelembaban relatif RL memiliki rise time dan settling time dibawah 90 detik, memiliki percent overshoot dalam rentang 0% s.d 150%, dan steady state error kurang dari 1%. ......The research was conducted in the form of a simulation of the temperatur and relatif humidity control system in the central air-conditioner of a textile factory. The control uses Reinforcement Learning (RL) with Proximal Policy Optimization (PPO) algorithm. RL was designed and data was collected using RL Designer ToolBox software in MATLAB. PPO agent was trained to control the system with a temperatur control range of 18oC – 25oC and relative humidity of 55% - 85%. The results of agent training are measured and compared to PI controller performance using step response parameters consisting of rise time, settling time, steady state error, and overshoot. Based on testing the training results obtained overall iteration of temperatur control and relatif humidity RL has a rise time and settling time under 90 seconds, has a percent overshoot in the range of 0% to 150%, and steady state error less than 1%.

Abstrak :
Salah satu isu utama yang menjadi prioritas pada sebagian besar sistem telekomunikasi saat ini adalah efisiensi bandwidth. Quadrature Amplitude Modulation (QAM) hadir sebagai salah satu solusi dari permasalahan tersebut karena mampu menyediakan kapasitas informasi yang lebih tinggi. QAM menggunakan kombinasi perubahan amplitudo dan fasenya sekaligus. QAM menggunakan prinsip-prinsip dari teknik modulasi Amplitude Modulation dan phase-shift (digital keying) modulation. Pada skripsi ini dirancang dan dibangun sebuah perangkat demodulator 16-QAM menggunakan MATLAB Simulink yang kemudian diimplementasikan pada DSK TMS320C6713 dengan bantuan fitur Target for TIC6000. Perancangan dengan Simulink ini berbasiskan software dan diagram blok sehingga dapat dihindari algoritma rumit yang mungkin ditemui pada bahasa pemrograman seperti bahasa. Selain itu penggunaan Simulink menghindari perancangan secara hardware. Rancang bangun demodulator disimulasikan pada Simulink terlebih dahulu dan selanjutnya diimplementasikan pada DSK TMS320C6713. Demodulator ini bertujuan untuk menerima data berupa sinyal termodulasi dari pengirim yang kemudian akan didemodulasikan kembali menjadi sinyal informasi yang sesuai dengan sinyal informasi dari sisi pengirim. Sinyal keluaran dari demodulator yang dibangun pada DSK disalurkan melalui Real-Time Data Exchange (RTDX). Sinyal keluaran hasil demodulasi pada simulasi menggunakan Simulink memiliki bentuk yang sama dengan sinyal yang dikirim namun mengalami delay. Sinyal keluaran dari hasil ujicoba demodulator pada DSK TMS320C6713 juga menunjukkan hasil yang sama dengan simulasi menggunakan Simulink.

---

In most telecommunication systems, the high priority was on bandwidth efficiency. Quadrature Amplitude Modulation (QAM) was one of solutions to solve the problem, because it offered more information capacity, because QAM constructed in the combination of amplitude modulation and phase shift (digital keying) modulation. The purpose of this minithesis was to design and build a 16-QAM demodulator using MATLAB Simulink, and then implemented it on DSK TMS320C6713 aided by Target for TIC6000 fiture. The Simulink design was done based on the block diagram, therefore it could be avoid the complex algorithm that might be occurred in designing using C code. Utilizing the Simulink could be also to avoid the hardware-based design. At first, the design of demodulator was simulated by means of Simulink and then it be implemented on DSK TMS320C6713. This demodulator had a purpose to receive modulated signal from transmitter, and then demodulate it back to information signal. The output signal from demodulator built on DSK was accessed via Real-Time Data Exchange (RTDX). The output signal from simulation had a same form with the transmitted signal but it delayed. The output signal from demodulator built on DSK TMS320C6713 also indicate a same result with the simulation using Simulink.

Abstrak :
Saat ini aplikasi di bidang audio sudah banyak menggunakan teknologi DSP. Salah satu contoh adalah beralihnya berbagai jenis efek audio dari bentuk analog menjadi efek audio yang berbasis dijital dengan menggunakan prosesor DSP. Hal ini disebabkan karena efek audio yang dirancang dengan bantuan DSP memberikan kelebihankelebihan seperti efisiensi perancangan dan fleksibilitas. Efek audio dijital dapat diterapkan secara real time menggunakan DSP Starter Kit TMS320C6713 dengan mengimplementasikan SIMULINK dalam pemodelannya. Pada skripsi ini dilakukan perancangan 3 jenis efek audio yaitu Reverberation, Echo dan Chorus. Perancangan dibuat untuk menerima masukan berupa suara tone 1 KHz dan sinyal acak dari ADC dengan frekuensi sampling audio sebesar 44100 Hz. Lalu dikondisikan menerima efek yang berbeda-beda. Setiap jenis efek memiliki model yang berbeda-beda. Hasil dari perancangan dianalisis dengan metode FFT baik sinyal input ataupun output. Dari hasil penelitian menunjukkan bahwa perancangan model efek audio dijital dapat diterapkan dengan DSK TMS320C6713 dimana pembuatan model berbasiskan SIMULINK_. Dari hasil pengolahan data sinyal tone 1 KHz didapatkan penundaan yang terjadi dalam efek reverb adalah 38 ms dan efek echo 160 ms. Untuk chorus terdapat satu suara campuran dengan pemberian satu LFO. Untuk sinyal acak didapatkan penundaan untuk reverb dan echo adalah sama seperti tone. Hal ini juga berlaku untuk efek chorus pada sinyal acak.

---

DSP technology is widely used in many audio applications. One of the examples is the changing of analog audio processing into digital audio processing using the DSP processor. The reason of this changing is that digital audio processing give many advantages compare to analog such as designing efficiency and flexibility. A real time digital audio effect can be developed on DSP Starter Kit by using SIMULINK_ in modelling. In this paper 3 type of audio effects are developed, which are reverberation, echo, and chorus. The design is developed to receive one KHz tone and random signal which are the audio sampling is 44100 Hz. Then each of them is given the different type of effects. The result is analyzed by using FFT. From research show that audio digital effect can be developed on DSP Starter Kit by using SIMULINK_. From the data, show that the delay from reverb effect for one KHz tone and random signal are 38 ms. The delay from echo effect for one KHz tone and random signal are 160 ms. For chorus effect, there is one addition signal because the model is only using one LFO.

Abstrak :
Penelitian ini membahas mengenai pemilihan kombinasi rasio gigi pada kendaraan listrik perkotaan konversi berbasis metode simulasi menggunakan Simulink MATLAB. Simulasi dirancang berdasarkan data-data yang diperoleh melalui pengumpulan data, seperti spesifikasi motor listrik, baterai, kendaraan, dan referensi kecepatan. Simulasi diawali dengan pengujian kendaraan untuk menanjak dan mencapai kecepatan yang ditentukan sehingga diperoleh beberapa kombinasi rasio gigi. Kombinasi rasio gigi tersebut disimulasikan lebih lanjut untuk memperoleh performa kendaraan yang akan dibandingkan satu sama lain. Hasilnya adalah kombinasi rasio gigi pertama, kedua, dan ketiga (1-2-3) memiliki performa terbaik dengan efisiensi rata-rata motor listrik 87,2%, konsumsi daya baterai 18,832%, dan jarak tempuh maksimum 196,804 km. ...... This research discuss about the selection of gear ratio combination for electric convertion city car based on simulation using Simulink MATLAB. The simulation was designed based on the data obtained by data collecting, such as specification of Electric motor, battery, vehicle, and speed reference. The simulation begins with vehicle test for hill climbing and reach the desired velocity so that some gear ratio combinations are selected. The gear ratio combination was simulated further to get the vehicle performance that will be compared to each other. The result is the first, second, and third gear ratio combination (1-2-3) shows the best performance with the electric motor?s average efficiency of 87.2%, battery power consumption of 18.832%, and maximum range of 196.804 km.

Abstrak :
Penelitian ini membahas tentang pemilihan rasio gigi pada bus listrik konversi menenggunakan simulasi Simulink MATLAB berdasarkan driving cycle Braunchweig dan profil kecepatan bus kampus UI. Simulasi yang dilakukan terdiri dari simulasi simulasi kemampuan menanjak, simulasi kemampuan kecepatan dan simulasi performa kendaraan. Hasil dari simulasi menunjukkan bahwa untuk referensi Braunchweig menggunakan dual-speed rasio gigi pertama dan ketiga dengan efisiensi rata-rata motor listrik 82,22% dan konsumsi daya baterai sebesar 13,9%. Sementara untuk referensi rute bus kampus UI menggunakan dual-speed rasio gigi kedua dan ketiga dengan efisiensi rata-rata motor listrik 81,3% dan konsumsi daya baterai sebesar 12,6%. ...... This research discuss about the selection of gear ratio combination for the electric convertion bus using simulation by Simulink MATLAB based on Braunchweig and UI bus driving cycle. The simulation is consisted of hill climbing test simulation, desired velocity test simulation, and perfromance simulation. The result shows that for the Braunchweig driving cycle using dual-speed of first and third gear with the electric motor?s average efficiency of 82.22% and battery power consumption of 13.9%. While the UI?s bus driving cycle using dual-speed of second and third gear with the electric motor?s average efficiency of 81.3% and battery power consumption of 12.6%.

Abstrak :
Proses industri banyak melibatkan penggunaan coupled tank, salah satu proses yang dilakukan adalah pengendalian ketinggian cairan. Pada penelitian ini dilakukan pengendalian ketinggian air pada sistem coupled tank menggunakan Reinforcement Learning berbasis algoritma Soft Actor Critic (SAC) menggunakan MATLAB dan Simulink. Sebelum diimplementasikan ke dalam sistem coupled tank dilakukan serangkaian proses training pada algoritma SAC. Hasil dari proses training ini merupakan action dalam bentuk besar bukaan control valve. Kinerja pengendali dievaluasi menggunakan nilai rise time, settling time, overshoot, dan steady state error. Berdasarkan parameter ini, algoritma SAC dapat mengendalikan sistem dengan baik dengan rise time kurang dari 47 sekon, settling time kurang dari 62 sekon, overshoot dibawah 10%, dan steady state error kurang dari 1%. Ketika diberikan gangguan algoritma SAC dapat kembali ke keadaan stabil dalam waktu kurang dari 45 sekon. ......A lot of industrial processes utilize the use of coupled tanks, with one of the processes being liquid level control. In this study, Reinforcement Learning is implemented to control the water level in the coupled tank system using Soft Actor Critic (SAC) algorithm through MATLAB and Simulink. Before being implemented into the coupled tank system, the SAC algorithm went through a series of training processes. The result of this training process is an action in the form of adjusting control valve opening percentage. The controller performance is evaluated using parameters such as rise time, settling time, overshoot, and steady state error. Based on these parameters, the SAC algorithm manages to perform well in controlling the system with a rise time of less than 47 seconds, a settling time of less than 62 seconds, overshoot of less than 10%, and steady state error below 1%. When the system received a disturbance the SAC algorithm can return to a steady state in less than 45 seconds.

Abstrak :
Sistem pengendalian merupakan suatu sistem yang banyak ditemukan dan berhubungan dengan beragam jenis proses yang ada pada berbagai bidang, terutama bidang industri. Proses pengendalian yang umum ditemukan dalam industri adalah proses thermal mixing. Salah satu contoh proses thermal mixing yang cukup sederhana adalah proses pencampuran air panas dan air dingin atau water thermal mixing, dengan tujuan untuk mencapai temperatur campuran yang diinginkan, tetapi tetap menjaga ketinggian air agar tidak melebihi kapasitas wadah. Nilai temperatur tersebut dapat dicapai dengan cara mengatur debit aliran air yang masuk ke dalam wadah pencampuran. Pada penelitian ini, diimplementasikan sistem pengendalian menggunakan Reinforcement Learning dengan algoritma Soft Actor-Critic pada simulasi pengendalian ketinggian dan temperatur air pada proses water thermal mixing menggunakan Simulink pada MATLAB. Agent dilatih agar dapat mengendalikan sistem secara cepat dan tepat dalam menentukan action berupa nilai untuk mengatur valve menghasilkan debit aliran air yang diperlukan. Hasil dari penelitian ini menunjukkan bahwa algoritma SAC dapat digunakan untuk mengendalikan sistem dengan baik, dengan nilai overshoot terbesar yaitu 1.33% untuk pengendalian ketinggian air dan steady-state error terbesar yaitu 0.33℃ saat mengendalikan temperatur campuran, dan nilai settling time terbesar yaitu 160 sekon saat terjadi perubahan set point untuk ketinggian air dari 2.5 dm menjadi 5 dm, serta mampu mengendalikan kestabilan sistem ketika mengalami gangguan dalam waktu 93 sekon. ......The control system is a system that is widely found and relates to various types of processes that exist in various sector, especially the industrial sector. The control process commonly found in industry is the thermal mixing. One of the thermal mixing processes is the process of mixing hot and cold water or water thermal mixing, with the aim of reaching the desired temperature, but still maintaining the water level, so that it does not exceed the capacity of the container. This temperature value can be reached by adjusting the flow of water entering the mixing container. In this study, a control system was implemented using Reinforcement Learning with Soft Actor-Critic algorithm on a simulation of controlling water level and temperature in the water thermal mixing using Simulink in MATLAB. Agents are trained to be able to control the system quickly and precisely in determining the action in the form of a value to adjust the valve to produce the required water flow rate. The results of this study indicate that the SAC algorithm can be used to control the system properly, with the biggest overshoot of 1.33% for controlling water level and steady-state error of 0.33℃ when controlling the temperature of the mixture, and the settling time of 160 seconds when the set point value change for the water level from 2.5 dm to 5 dm, as well as being able to control the stability of the system when experiencing disturbances within 93 seconds.

Abstrak :
ABSTRAK
Styrene Acrylic adalah sebuah produk kimia yang digunakan sebagai bahan baku adhesive, coating dan cat. Untuk memproduksi Styrene Acrylic diperlukan sebuah reaktor yang berfungsi sebagai wadah dimana reaksi antar bahan-bahan dasar Styrene Acrylic terjadi. Reaksi yang terjadi dalam reaktor harus terkendali agar dapat mengikuti resep formula yang sudah ditentukan. Salah satu faktor yang utama yang harus dikendalikan adalah suhu dalam reaktor. Suhu dalam reaktor harus sesuai dengan formula yang telah ditetapkan agar kualitas dari produk sesuai dengan yang diinginkan. Toleransi eror suhu dalam reactor hanya diperbolehkan sebesar 5?C. Selain untuk menjaga kualitas produk, pengendalian suhu reaktor juga berdampak pada alasan kemanan pabrik. Reaksi kimia dan proses produksi Styrene Acrylic memiliki sifat yang nonlinear, sehingga diperlukan pengendali yang dapat mengendalikan sistem nonlinear dengan toleransi eror yang kecil. Fuzzy logic diharapkan dapat memenuhi kebutuhan pengendalian suhu reaktor, sehingga suhu reaktor dapat mengikuti trajektori suhu yang didapat dari resep formula yang mana ditentukan sebagai setpoint.Skripsi ini membahas tentang pemodelan dan desain pengendali yang baik untuk model proses Styrene Acrylic plant. Proses ini dimodelkan dengan metode matematis yang diterapkan menggunakan C-Mex. lalu di simulasikan menggunakan Simulink Matlab yang digunakan untuk mendesain pengendali PID konvensional dan fuzzy logic. Pengendali PID di-tuning menggunakan metode Ziegler Nichols yang mana performanya akan dibandingkan dengan performa pengendali fuzzy logic yang didesain dengan 9 aturan.

---

ABSTRACT
Styrene Acrylic is a chemical product used as raw material for adhesives, coatings and paints. To produce Styrene Acrylic requires a reactor that serves as a container in which the reaction between the basic ingredients of Styrene Acrylic occurs. The reactions that occur in the reactor must be controlled in order to follow a prescribed formula. One of the main factors that must be controlled is the temperature in the reactor. The temperature in the reactor shall be in accordance with the prescribed formula for the quality of the product to be as desired. Tolerance of temperature error in the reactor is only allowed at ± 5⁰C. In addition to maintaining product quality, reactor temperature control also has an impact on manufacturers' safety reasons. Chemical reactions and Styrene Acrylic production processes have nonlinear properties, so controllers are required to control nonlinear systems with small error tolerance. Fuzzy logic is expected to meet the reactor temperature control requirement, so that the reactor temperature can follow the temperature trajectory obtained from the formula or recipe which is set as setpoin.

This thesis discusses the modeling and design of a good controller for the Styrene Acrylic plant process model. This process is modeled by a mathematical method applied using C-Mex. Then simulated using Simulink Matlab which is used to design conventional PID controller and fuzzy logic. The PID controller is tuned using the Ziegler Nichols method whose performance will be compared to the performance of a fuzzy logic controller designed with 9 rules.