Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknologi komputasi yang semakin maju memungkinkan untuk menggunakan teknologi ini semaksimal mungkin pada pemecahan masalah yang lebih kompleks dengan menggunakan algoritma evolusi (Evolutionary Algorithm, EA). Supaya bisa memanfaatkan komputasi paralel ini, struktur kontrol EA hams didesentralisasikan. Hal ini sulit dicapai tanpa mengubah semantik dad algoritma seleksi yang digunakan, sehingga mengakibatkan berubahnya sifat-sifat pemecahan masalahnya secara keseluruhan. Tulisan ini akan mengaplikasikan suatu jenis algoritma seleksi yang didesentralisasi yaitu seleksi lokal yang dielitisasi yang digabungkan dengan seleksi turnamen biner. Algoritma evolusi ini akan diaplikasikan pada pencarian Fuzzy Associative Memory untuk sistem gerak pitch pada pesawat terbang."

"Sistem temperatur pada proses kimia merupakan suatu sistem yang kompleks dan tak linear, sehingga hares dikendalikan dengan pengendali yang adaptif. Pengendali PID yang banyak dignakan dalam sistem ini dapat dibuat menjadi sebuah pengendali adaptif dengan menggunakan pengendali logika fuzzy sebagai pengatur nilai parameter pengendali PJD. Pengendali PID adaptif berbasis logika fuzzy seperti ini memiliki parameter yang dapat berubah sesuai karakteristik sistem yang dikendalikannya Dalam skripsi ini Akan dibahas simulasi sistem temperatur pads proses kimia dengan pengendali P1D adaptif berbasis fuzzy. Sirnulasi dilakulcan dengan menggunakan perangkat lunak MATLAB versi 5.3,0, Simulink versi 2.0 dan Fuzzy Logic Toolbox versi 2M. Masukan sistem yang digunakan ialah fungsi langkah satuan (input step). Hasil simulasi menunjukkan bahwa sistem dengan pengendali PID adaptif berbasis fuzzy memiliki karakteristik tanggapan waktu yang lebih baik dibandingkan basil simulasi sistem dengan pengendali proporsional unity gain dan pengendali PID Zieger-Nichols. Hal ini tampak terutama pada overshoot (os) yang dihasilkan."

"Dalam skripsi ini akan dijelaskan model dinamik robot beroda dengan kemudi differensial yang dikendalikan dengan pengendali fuzzy. Pengendaii fuzzy menggunakan dua kumpulan aturan pengambil keputusan yang disebut behavior (behavior penghindaran halangan dan behavior pencapaian tujuan). Behavior pencapaian tujuan akan dilaksanakan bila sensor tidak mendeteksi halangan atau bila titik tujuan lebih dekat dibanding jarak halangan yang terdeteksi. Seiain kondisi tersebut diatas maka behavior penghindaran halangan yang akan dijalankan. Komponen-komponen yang dipergunakan dalam membentuk pengendalian tersebut dikelompokkan menjadi dua bagian, yakni masukan yang terdiri dari jarak terdekat pengukuran halangan oleh sensor, posisi tujuan relalif terhadap sudut heading robot dan jarak tujuan. Sedangkan keluaran adaiah beda tegangan begi motor penggerak roda robot. Pengendali fuzzy yang terdiri dari gabungan dua behavior ini membentuk 66 aturan. Pada simulasi, kecepatan diasumsikan tetap dan jarak maksimum pengukuran sensor adalah 2 meter. Pada bagian akhir akan diberikan algoritrna progam simulasi dan hasil-hasil simulasi pada beberapa kondisi untuk menunjukkan kinerja sistem."

"Salah satu metode pengendalian kecepatan motor arus searah penguat terpisah adalah mengatur tegangan termina1nya_ Besarnya tegangan terminal yang mencatu motor ams searah sangat dipengamhi oleh besarnya kecepatan yang diinginkan dan beban luar yang diberikan pada motor. Variabel cepat lambatnya kecepatan dan besar kecilnya beban merupakan Salah satu variabel linguistik yang tidak pasti. Oleh karena itu pengendali logika fuzzy yang menggunakan variabel linguistik diajukan untuk digunakan sebagai pengendali untuk mengendalikan keccpatan pada motor arus searah dengan memperhatikan besar arus rating motor. Perancangan sistem pengendali logika fuzzy meliputi _metode fuuiflkasi, basis- pengetahuan faturanyn metocle intzorenailoan clofuziiikasi. Selain ditiahas teori dasar logika fuzzy dan penurunan model motor arus searah penguat terpisah_Pengaturan kecepatan dilakukan dengan membuat 2 loop tertutup untuk rnengatur kecepatan cla.n anis sehingga nilai ams tidak melebihi arus rating motor. Perancangan pengendali menggunakan pengendali fuzzy sebagai pengendali utama untuk mengatur kecepatan dan pengendali PI untuk mengatur arus. Metode ini digunakan untuk memudahkan perancangan sistem pengendali. Percobaan dilakukan secara simulasi menggunakan software Matlab release 5.3 dengan fasilitas Simulink dan Fuzzy Logic Toolbox yang terdapat didalamnya. Simulasi yang dilakukan rneliputi percobaan loop terbuka, percobaan loop tertutup, dan percobaan pengeudalian kecepatan motor dengan menggunakan pengendali hizzy. Unjuk kerja pengendali fuzzy dibandingkan dengan unjuk kerja sistem tanpa pengendali dan dengan pengendali P1 yang sudah ada. Pengujian unjuk kerja pengendali fuzzy juga dilakukan dengan melakukan uji coba kestabilan dinamis dengan memberikan beban variabel."

"Fuzzy Model Reference Learning Control merupakan suatu teknik kendali yang dapat mengatasi keterbatasan pengendali fuzzy yang tidak memiliki suatu algoritma untuk mengkompensasi perubahan kondisi tau variasi yang besar dari sistem yang dikendalikannya, Fuzzy Model Reference Learning Control memiliki kemampuan untuk mengatasi adanya perubahan parameter sistem dengan menggunakan mekanisme pembelajaran. Sistem pengereman mobil merupakan sistem dengan parameter yang bervariasi, yaitu specific torque sehingga metoda Fuzzy Model Reference Learning Control diaplikasikan pada pengendali sistem ini. Pengendali menggunakan suatu model referensi pada mekanisme pembelajarannya yang merepresentasikan bagaimana suatu sistem perngereman diharapkan untuk berlaku. Hasil simulasi menunjukkan pengendali mampu memaksa sistem pengereman mobil yang dikendalikannya berlaku seperti model referensi walaupun dengan specific torque yang bervariasi."

"Navigasi merupakan hal yang sangat penting dalam setiap pelayaran kapal laut, yaitu untuk mengetahui posisi kapal dalam koordinat geografis. Pengendalian pada sistem kemudi kapal laut dimaksudkan untuk melepaskan diri dan ketergantungan kemudi kapal terhadap seorang nakhoda dan kapal laut dapat tiba di tempat tujuan dengan kesalahan posisi yang tidak terlalu besar.Pada skripsi ini akan dibahas perbandingan dua pengendali yang akan digunakan untuk mengendalikan kemudi kapal laut, yaitu pengendali logika fuzzy dan pengendali ANFIS (Adaptive-Network-Based Fuzzy Inference System). Pengendali logika fuzzy menggunakan metoda basis aturan berdasarkan pengalaman seorang pakar (dalam hal ini nakhoda) untuk mengendalikan kemudi kapal yang diambil dari acuan[2] , sementara pengendali ANFIS merupakan pengendali neuro fuzzy yang rnenggunakan proses learning dari basis data untuk menghasilkan basis aturannya. Kedua jenis pengendali ini akan menghasilkan kinerja yang berbeda."

"Pengendali Fuzzy beberapa tahun terakhir ini telah meluas dipakai pada bidang industri. Kemampuan pengendali logika fuzzy yang dapat menyerupai kemampuan seorang ahli dalam mengendalikan suatu sistem menjadi salah satu keunggulan pengendali tersebut masih terdapat masalah yang cukup rumit dan sulit, yaitu penentuan kaidah yang digunakan logika fuzzy, penentuan jumlah dan nilai parameter-parameter yang ada di dalam sistem pengendali logika fuzzy. Penentuan nilai parameter-parameter pada pengendali logika fuzzy dapat dilakukan dengan metode ANFIS (Adaptive Neuro Fuzzy Inference System) menggunakan metode hybrid untuk mendapatkan nilai parameter tersebut secara otomatis dengan bantuan sejumlah data latihan.Pada Skripsi ini dibuat simulasi suatu sistem kendali untuk mengendalikan posisi pada electro-hydraulic actuator yang digunakan antara lain pada robot manipulator. Simulasi dilakukan dengan mengunakan program Matlab ver 5.3 for windows. Dalam Skripsi ini digunakan pengendali ANFIS dan pengendali P untuk mengendalikan posisi pada electro-hydraulic actuator. Pengendali P digunakan pada subsistem elektromekanik yang dapat mempercepat tanggapan sistem. Parameter-parameter tanggapan waktu yang diambil dari hasil simulasi, yaitu final value, rise time, settling time, percent overshoot, dan steady state error. Hasil simulasi sistem dengan pengendali ANFIS dan pengendali P menunjukkan tanggapan waktu yang cepat."

"Dalam industri pengolahan baja, ada satu proses pengolahan baja yang mengubah lempengan baja tebal menjadi lempengan baja tipis dengan naik turunnya silinder yang akan memberikan tekanan kepada lempengan sehingga diperoleh ketebalan yang diinginkan. Sistem tersebut adalah sistem rolling mill yang menggunakan dua model sistem karena bekerja pada dua sumbu yaitu sumbu x dan sumbu y. Pengendalian ketebalan yang ada menggunakan metode linier quadratic gaussian regulator( minimalisasi error). Penelitian dan pengembangan sistem kendali dengan metode kendali optimal maupun adaptif mempunyai struktur berbeda dengan sistem kendali konvensional. Sistem kendali konvensional menggunakan satu masukan yaitu gaya tekan rolling bar dan dengan memanfaatkan estimasi kalman, sedangkan variabel keluarannya adalah sinyal u. Dengan adanya pengendali adaptive neuro fuzzy inference system memungkinkan pengendalian menjadi lebih baik. Dibanding sistem konvensional, sistem kendali ANFIS mempunyai beberapa kelebihan karena dapat memodelkan suatu fungsi tidak linier yang memiliki kompleksitas cukup tinggi, ANFIS dapat digabungkan penggunaannya dengan pengendali konvensional yang telah ada sehingga menambah efektivitas fungsi pengendaliannya. Dalam skripsi ini, sistem rolling mill akan disimulasikan dengan pengendali ANFIS untuk memperkecil gangguan akibat eksentrisitas rolling bar dan kekerasan logam lembaran baja dan dibandingkan dengan pengendali LOG."

"Pengendalian krane dengan kecepatan maksimum dengan sudut ayunn minimum diperlukan untuk memindahkan beban dengan aman serta cepat. Sehingga diperlukan pengendali yang mampu menentukkan besar tegangan berdasarkan beberapa input yaitu: sudut ayunan, kecepatan sudut ayunan, kecepatan, dan posisi dari trolley. Oleh karena itu pengendali fuzzy diajukan untuk digunakan sebagai pengendali tegangan input motor sebab mudah untuk diimplementasikan baik dalam bentuk intuisi manusia maupun dalam realisasi alat dalam kehidupan sehari-hari. Model matematis dari krane kontainer yang sifatnya kompleks didapatkan dengan menggunakan formulasi Lagrange yang sederhaua dan sisternatis. Krane kontainer ini direpresentasikan dengan dua buah model utama yang saling berinteraksi satu dengan yang Iainnya. Komponen dinamika pertama meliputi dinamika trolley dan dinamika ayunan, sedangkan komponen yang kedua merupakan dinamika pengangkatan beban. Kedua model maternatis kedua sistem ini diturunkan secara terpisah satu terhadap yang lainnya, kemudian dengan logika fuzzy dibuat simulasi untuk uji gerak maju, gerak angkat, uji gangguan sudut awal dan uji variasi massa beban."