Hasil Pencarian  ::  Simpan CSV :: Kembali

"Makalah ini membahas pemodelan sistem tangki terhubung berbasiskan data masukan-keluaran dengan menggunakan model fuzzy Takagi-Sugeno. Algoritma fuzzy clustering Gustafson-Kessel digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster berdasarkan kesamaan jarak suatu anggota data masukan-keluaran dari titik tengah suatu cluster.Cluster-cluster yang terbentuk diproyeksikan orthonormal ke setiap ruang variabel linguistik bagian premis untuk mendapatkan fungsi keanggotaan model fuzzy Takagi-Sugeno. Parameter konsekuen dari model fuzzy Takagi-Sugeno diperoleh dengan mengestimasi data setiap cluster dengan menggunakan metode weighted leastsquares.Hasil model fuzzy Takagi-Sugeno yang diperoleh divalidasi dengan indikator kinerja variance-accounted-for (VAF) dan root mean square (RMS). Hasil uji simulasi menunjukkan model fuzzy Takagi-Sugeno sanggup meniru karakteristik nonlinier sistem tangki terhubung dengan nilai indikator kinerja model yang baik.

---

Modeling of Coupled-Tank System Using Fuzzy Takagi-Sugeno Model. This paper describes modeling of coupledtank system based on data measurement using fuzzy Takagi-Sugeno model. The fuzzy clustering method of Gustafson-Kessel algorithm is used to classify input-output data into several clusters based on distance similarity of a member of input-output data from center of cluster.The formed clusters are projected orthonormally into each linguistic variables of premise part to determine membership function of fuzzy Takagi-Sugeno model. By estimating data in each cluster, the consequent parameters of fuzzy Takagi-Sugeno model are calculated using weighted least-squares method.The resulted fuzzy Takagi-Sugeno model is validated by using model performance parameters variance-accounted-for (VAF) and root mean square (RMS) as performance indicators. The simulation results show that the fuzzy Takagi-Sugeno model is able to mimic nonlinear characteristic of coupled-tank system with good value of model performance indicators."

"Dalam Skripsi ini sebuah pengendali Fuzzy Takagi-Sugeno dirancang untuk mengendalikan sistem tangki terhubung dalam skema Internal Model Control (IMC). Sebuah model NARX (Nonlinear AutoRegressive eXogeneous) digunakan dalam skema IMC untuk meniru karakteristik sistem tangki terhubung dan diidentifikasi berdasarkan data masukan-keluaran sistem. Identifikasi yang dilakukan terhadap coupled tank apparatus PP-100 adalah dengan metode fuzzy clustering Gustafson-Kessel dan Least Square untuk mendapatkan model fuzzy Takagi-Sugeno. Perancangan pengendali invers dari model fuzzy Takagi-Sugeno digunakan invers affine secara langsung. Hasil pengendalian yang diperoleh menunjukkan kinerja yang sangat baik dimana proses dapat mengikuti acuan yang diberikan. Juga dilakukan perbandingan kinerja pengendalian untuk model yang diidentifikasi dengan metode Instrumental Variable. Hasil yang diperoleh dengan metode Least Square sama persis dengan metode Instrumental Variable. Skema pengendali IMC juga lebih baik dibandingkan dengan pengendali pole placement, dimana pada pengendati pole placement keluaran dari proses tidak dapat mengikuti acuan yang diberikan."

"Pada skripsi ini dibahas pemodelan dengan mengidentifikasi suatu kumpulan data masukan-keluaran suatu proses nonlinier data fluktuasi harga saham dan data Indeks Harga Saham Gabungan (IHSG) dalam bentuk model fuzzy Takagi-Sugeno. Struktur model Nonlinear Auto Regressif (NAR) divariasikan time delaynya sebanyak tiga kali, yaitu t=1, t=3, dan t=5 digunakan sebagai model sistem nonlinear. Algoritma Subtractive Clustering digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster berdasarkan kesamaan linearitas, dimana setiap cluster mewakili suatu aturan bagian premis model fuzzy Takagi-Sugeno. Parameter model fuzzy Takagi-Sugeno untuk setip aturan (cluster) diestimasi dengan menggunakan metode least-square untuk masing-masing cluster. Model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham dan data IHSG menunjukkan ferforma yang paling baik dengan struktur NAR t=1. Model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham yang didapat telah diuji dengan proses validasi silang dan hasilnya menunjukkan bahwa model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham mampu menyamai karakteristik proses nonlinear data fluktuasi harga saham dengan tingkat Root Mean Square Error (RMSE) sebesar 16.3. Demikian pula dengan model fuzzy Takagi-sugeno untuk data IHSG, dengan tingkat RMSE sebesar 6.52. Terjadinya overfitting menunjukkan bahwa model fuzzy Takagi-Sugeno untuk data IHSG hanya dapat digunakan untuk peramalan jangka pendek (short-term forecasting)."

"Tesis ini membahas sistem pengendalian prosentase kerapatan bubur mineral pada suatu plant penggilingan mineral. Plant penggilingan mineral adalah merupakan bagian dari proses pengaturan konsentrasi mineral. Dinamika proses kerapatan ini diidentifikasi menggunakan data input output dengan metode identifikasi fuzzy, untuk mendapatkan model plant berdasarkan aturan-aturan identifikasi Takagi & Sugeno. Dalam identifikasi fuzzy terhadap plant penggilingan mineral ini diperoleh 6 aturan yang kemudian dapat diringkas lagi menjadi 4 aturan saja.Metode identifikasi Takagi & Sugeno dapat juga diterapkan pada pembuatan pengendali. Dengan data input berupa persen kerapatan bubur dan output berupa tonase/jam yang dibutuhkan pengendali plant penggilingan mineral diidentifikasi menggunakan metode tersebut. Penerapan pengendali pada plant memberikan hasil yang baik pada set point prosentasi kerapatan antara 59% sampai dengan 70%.

---

This thesis presents a discussion on the control of the percentages of pulp density in a mineral grinding plant, which is subsection of a concentration process. The plant dynamics is identified using input output data based on the fuzzy identification method, which yield the plant model parameters. The identification is done using Takagi & Sugeno fuzzy identification method. The identification results into 6(six) fuzzy rules, which one then simplified to only 4(four) rules to be implemented.

A fuzzy controller based on the Takagi & Sugeno method is also implemented to control the pulp density. In the training process, the pulp density data is used as input, and the required tonnage per hour to the plant is used as output. The implementation of the Takagi & Sugeno fuzzy controller to the plant shows good result for the range of pulp density set point from 59% to 70% only."

"Dewasa ini, kebutuhan industri akan pengendali semakin luas. Salah satunya adalah mengenai pengendali yang dapat menangani kelas besar yang bersifat nonlinier, dengan tingkat kesulitan yang tidak begitu besar. Kebutuhan tersebut terjawab dengan adanya model Fuzzy Takagi-Sugeno. Skripsi ini membahas identifikasi dan perancangan pengendali fuzzy Takagi-Sugeno pada sistem Pressure Process Rig Feedback 38-714. Sistem diidentifikasi dengan menggunakan metode fuzzy clustering Gustafson-Kessel dan Least Square, berbasis data pengukuran berupa sinyal masukan dan sinyal keluaran. Identifikasi dilakukan dengan memberi masukan berupa sinyal multisinusoidal yang acak, sehingga didapatkan model fuzzy Takagi-Sugeno dengan model NARX (Nonlinear Auto Regressive eXogeneous) pada bagian konsekuen. Kemudian pengendali Fuzzy Takagi-Sugeno dirancang dalam skema Internal Model Control (IMC) dengan karakteristik invers model fuzzy. Hasil pengendalian menunjukkan kinerja yang cukup baik, dimana sistem dapat menyerupai sinyal acuan yang diberikan. Pada kondisi sistem diberi gangguan juga didapatkan hasil yang juga cukup baik, dimana sistem dapat menyesuaikan diri untuk kembali mengikuti sinyal acuan yang diberikan."

"This book investigates the problem of non-fragile H-infinity filter design for Takagi-Sugeno (T-S) fuzzy systems. Given a T-S fuzzy system, the objective of this book is to design an H-infinity filter with the gain variations such that the filtering error system guarantees a prescribed H-infinity performance level. Furthermore, it demonstrates that the solution of non-fragile H-infinity filter design problem can be obtained by solving a set of linear matrix inequalities (LMIs). "

"Pemodelan dan identifikasi merupakan suatu tahapan yang penting dan menantang pada perancangan pengendali berbasis model seperti internal model control (IMC) atau model-based predictive control (MBPC). Kebanyakan proses-proses industri merupakan proses-proses non-linier multi-input multi-output (MIMO). Dalam tesis ini dilakukan identifikasi sistem non-linier MIMO empat tangki menggunakan model fuzzy Takagi-Sugeno. Untuk membuat model ini, digunakan algoritma Gustafson-Kessel (GK) fuzzy clustering yang mengotomatisasi pembuatan fungsi keanggotaan dari bagian premis, fungsi affine linier dari bagian konsekuen dan aturan-aturannya. Data-data diperoleh dari simulasi model proses sistem empat tangki.Validasi model menunjukkan bahwa model menunjukkan kinerja sangat balk terhadap data identifikasi dan terhadap data Validasi, dengan nilai Variance Accounted For (VAF) di atas 99%. Uji step menunjukkan model fuzzy Takagi-Sugeno lebih baik dari model linier ARX. Steady state error cenderung meningkat dengan bertambah besarnya amplitudo step, kemungkinan disebabkan oleh data pelatihan yang lebih banyak pada level rendah.

---

Modelling and identification are important and challenging steps in design of control systems especially model-based control systems like internal model control (IMC) and model-based predictive control. Industrial processes are mostly nonlinier multi-input multi output (MIMO) process. Work in this thesis is the identification of nonlinier multi-input multi-output of quadrupole-tank system by fuzzy Takagi-Sugeno model using Gustafson-Kessel (GK) fuzzy clustering algorithm. This algorithm automates membership-function creation of premis part, affine linier function of consequent part, and the rules. Data required to make the model are obtained by simulation of quadrupole-tank process model.

Model validation shows that performance of the model is very good on both identification and validation data, that the value of Variance Accounted For (VAF) is more than 99%. Step test shows that fuzzy Takagi-Sugeno model is better than ARX. Steady state error tend to be worse on increasing of step amplitude, this maybe caused by training data which are mostly at low level."

"Segmentasi merupakan sebuah proses yang penting dilakukan dalam menganalisa suatu citra. Dengan melakukan segmentasi, maka citra tersebut dapat dibagi menjadi beberapa bagian yang lebih sederhana yaitu bagian-bagian yang memiliki karakteristik visual yang serupa seperti warna, gerakan, dan tekstur. Fuzzy c-means (FCM) yang diperkenalkan oleh Dunn dan dikembangkan oleh Jim Bezdek, adalah algoritma yang populer digunakan dalam segmentasi citra karena algoritma ini mudah digunakan dan akurat. Lebih tepatnya, FCM sangatlah efektif digunakan untuk mensegmentasi citra yang tidak memiliki noise. Selain sensitif terhadap noise, FCM juga sensitif terhadap outliers. Berbagai macam metode telah ditemukan untuk mengatasi kelemahan dari algoritma FCM, salah satunya menggunakan metode robust FCM (RFCM). Dari hasil penelitian yang dilakukan, dapat dilihat hasil secara kuantitatifnya lebih baik dibandingkan dengan algoritma-algoritma FCM lain. Hasil percobaan menunjukkan modifikasi RFCM memberikan hasil yang lebih baik terutama untuk data iris.

---

Segmentation is an important process to analyze an image. With image segmentation, an image can be partitioned into several simpler parts, which is parts that have similar visual characteristics like colors, motions, and textures. Fuzzy c-means (FCM) is introduced by Dunn and developed by Jim Bezdek. FCM is a popular algorithm to be used on image segmentation because of its simplicity and accuracy. Moreover, FCM is highly effective to segment image that have no noise. Aside its sensitiveness to noise, FCM is also sensitive to outliers. Several methods are founded to overcome FCM’s weaknesses one of which is using robust FCM method. From research, quantitatively it’s result is better compared to other FCM algorithms. Reseach done shows that modified RFCM gives better result especially for iris data."

"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."

"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."