Hasil Pencarian  ::  Simpan CSV :: Kembali

"Setelah menemukan keunggulan maupun kelemahan algoritma Variable Learning Rate with Momentum, Levenberg-Marquardt dan Resilient Backpropagation, khususnya dalam kasus pengendalian kecepatan motor induksi, diharapkan rancangan dapat memberikan unjuk kerja yang baik dalam kondisi rawan derau dan penggunaan rangkaian tambahan untuk implementasi paralel berskala besar dapat dihindari. Tahap simulasi dan pengujian sistem terdiri atas pencarian arsitektur optimal, pelatihan dengan menyertakan data validasi (penghentian dini) dan data uji serta uji ketahanan terhadap derau. Tahap pertama bertujuan menemukan arsitektur model pengendali yang optimal, dalam arti menghasilkan fungsi kinerja terendah dalam waktu pelatihan yang relatif singkat. Tujuan tahap kedua ialah memeriksa pengaruh data validasi dan uji terhadap unjuk kerja sistem. Pada kedua tahap awal ini, kemampuan model untuk memperkirakan plant acuan diperiksa dengan metode regresi linier. Sementara pada tahap ketiga akan diperiksa pengaruh derau terhadap kemampuan model untuk mengikuti kecepatan rotor acuan. Berdasarkan percobaan yang dilakukan diambil kesimpulan sebagai berikut. Dengan integrasi sistem yang nyaris identik dengan plant acuan, model pengendali hasil pelatihan dengan algoritma Varible Learning Rate with Momentum, Levenberg-Marquardt maupun Resilient Backpropagation mampu mengikuti kecepatan sudut acuan ?r* dengan baik saat disimulasikan. Fungsi kinerja terbaik diberikan oleh model dengan algoritma Levenberg-Marquardt, yaitu 5,49478 x 10-9 rad_/s_ dengan regresi linier A = T ? 0,0254 dimana R = 1. Karena regresi liniernya menurun drastis, yaitu dari A = T ? 0,127 dan R = 1 menjadi A = 1,2T ? 8,06 dan R = 0,954, dan saat disimulasikan memberikan tanggapan yang tidak stabil, pelatihan dengan algoritma Resilient Backpropagation tidak cocok menyertakan validasi dan pengujian; paling tidak dalam kasus model motor induksi ini. Sebaliknya model Levenberg-Marquardt menghasilkan regresi linier yang semakin baik setelah dilatih dengan validasi dan uji, yaitu A = T ? 0,0238 dan R = 1. Dengan frekuensi derau 10 Hz, model pengendali dengan algoritma Varible Learning Rate with Momentum, Levenberg-Marquardt maupun Resilient Backpropagation mampu menunjukkan unjuk kerja yang baik. Semakin tinggi frekuensi dan intensitas daya derau, unjuk kerja sistem cenderung semakin buruk. Model Levenberg-Marquardt menghasilkan galat mutlak rata-rata terendah yakni 4,703 rad/s pada power spectral density derau 10-3 dB/Hz.

---

Founding advantages and disadvantages of Variable Learning Rate with Momentum, Levenberg-Marquardt and Resilient Backpropagation algorithms, especially on induction motor speed controlling case, the design were hopefully able to give good performance under noise environment and additional circuit for large scale parallel implementations could be avoided. The system?s simulation and testing steps were optimal architecture search, training with validation (early stopping) and testing data, and noise resistance test. The first step?s objective was to find an optimal controller model?s architecture by means of the lowest performance function under relatively short training time. The second?s objective was to check validation and testing influence to system?s performance. On both these steps, the model?s ability to approximate the reference plant was being checked by linear regression method. On the third step, the noise influence to the model?s ability to track the reference rotor speed was being observed. Based on experiments being held, conclusions are enlisted following. With a system integrated closely similar to the reference plant, the controller models of the algorithms? training results are able following reference angular speed ?r* well. The best performance function is 5,49478 x 10-9 rad_/s_ which belongs to Levenberg-Marquardt algorithm?s model, with A = T ? 0.0254 and R = 1 linear regression. Due to linear regression?s drastic reduction from A = T ? 0.127 and R = 1 into A = 1.2T ? 8.06 and R = 0.954 and unstable response when being simulated, validation and testing assistance on training are unfit for Resilient Backpropagation algorithm; at least on this case. On contrary the Levenberg-Marquardt model produces better linear regression after being trained with validation and testing, i.e. A = T ? 0.0238 and R = 1. With 10 Hz noise frequency, all controller models with Varible Learning Rate with Momentum, Levenberg-Marquardt and Resilient Backpropagation algorithms are able to show good performance. The higher the noise frequency and power intensity, the system?s performance tends to get worse. Levenberg-Marquardt model produces the lowest mean absolute error, i.e. 4.703 rad/s on 10-3 dB/Hz noise power spectral density."

"ABSTRAKPT MKM II memliki enam jalur produksi (machining line) dan tiga jalur perakitan (assembly line). Keenam jalur produksi yaitu crank shaft, cylinder head, cam shaft, connecting rod, cylinder block, dan intake and exhaust manifold.Dalam skripsi ini penulis menghitung kehandalan dari sistem pada jalur produksi cam shaft, yang merupakan salah satu komponen panting dan memerlukan ketelitian dalam pembuatannya. Untuk menghasilkan produk sesuai dengan persyaratan dan memenuhi target yang diharapkan maka sangat diperlukan mesin yang handal agar tidak menganggu kelancaran produksi untuk produksi secara keseluruhan.Untuk dapat menghitung kehandalan mesin, maka penulis melihat dari data-data pemakaian mesin dan melihat kecenderungan distribusi laju kerusakan yang akan dipakai sebagai dasar perhitungan selanju!nya. Setelah menentukan distribusi yang digunakan maka diadakan uji statistik untuk menguji hipotesa distribusi yang digunakan. Berdasarkan hasil perhitungan, maka digunakan distribusi eksponensial dan dihitung kehandalan tiap mesin pada jalur cam shaft.Dari hasil penelitian ini diperoleh bahwa CM 50 memiliki nilai MTTR tertinggi sedangkan CM-100 memiliki nilai MTTR terendah karena merupakan alat inspeksi terhadap ukuran dari cam shaft yang relatif sederhana."

"Sifat-sifat udara yang keluar dari desiceant rotary dehumidiiier dapat diketahui dengan menggunakan metode percobaan dan rnetode teoritis. Dalam skripsi ini dijelaskan mengenai penentuan sifat-sifat udara yang keluar melalui desiccant rotary dehumidifier dengan menggunakan metode percobaan. Percobaan dilakukan dengan beberapa metode yaitu memvariasikan debit udara proses inlet, memvariasikan debit udara regenerasi inlet dan memvariasikan jumlah uap air proses inlet dengan menggunakan nozzle.Dari data percobaan, variasi debit udara proses dan udara regenerasi dapat mempengaruhi jumlah uap air yang keluar melalui udara proses dan regenerasi. Data percobaan memvariasikan jumlah uap air proses inlet digtmakan untuk membuat gratik yang dapat memprediksi sifat-sifat udara proses yang keluar dari dehumidifier. Untuk memvariasikan jumlah nap air rnaka ditambahkan suatu alat berupa spuyer yang dihubungkan dengan tabung bertekanan yang berisi air dan udara sehingga dapat menyemprotkan uap air.Dari hasil percobaan diperoleh dna graiik yang dapat menentukan sifat-sifat udara proses outlet pada temperatur ruangan sebesar 2S°C. Grafik ini pada nantinya dapat digunakan sebagai performance antara satu dehumidyier dengan dehumidifer lainnya.

---

Outlet air properties from desiccant rotary dehumidifier can be defined with experiment method and theoretic method. In this thesis explains about how to determine outlet air properties from rotary desiccant dehumidifier with experiment method Experiments have done with some types such as make variation on debit air process inlet, variation on debit air regeneration inlet and make water vapor variation on air process inlet that used nozzle.

In the experiments found that make variation debit air process inlet and air regeneration inlet influenced humidity ratio on air proses outlet and regeneration outlet. Data from experiment in make variation on humidity ratio on process inlet can be used to predict air process inlet properties. To add water vapor in the air so have to use new component such as nozzle that connected with pressurized tube so it can spray water to air process inlet.

Data jrom experiments can be used to make two graphics that can predict air process outlet properties in ambient temperature about 25°C in the next time, these graphics can be used as performance comparative between two or more desiccant rotary dehumidifier."

"Salah satu jenis motor yang sangat sering digunakan sebagai penggerak seperti mesin – mesin listrik adalah motor Brushless Direct Current. Oleh karena itu, diperlukan perancangan optimasi suatu design motor BLDC menggunakan metode simulasi dengan perangkat lunak berbasis finite element analysis (FEA). Untuk pembahasan disini, spesifikasi motor yang digunakan adalah motor BLDC dengan 24 slots dan 8 poles. Hasil optimasi yang ingin didapatkan adalah memiliki torsi dan kecepatan yang cukup untuk menjalankan sepeda motor serta memiliki putaran rotor yang mulus dengan mengurangi torsi cogging pada motor tersebut. Hasil tersebut ingin dicapai menggunakan input 72 Volt dan 80 Ampere. Optimasi itu didapatkan dengan memvariasikan ukuran – ukuran dimensi pada motor serta pemberian lubang pada gigi stator. Untuk merealisasikan perancangan tersebut pada sepeda motor, penulis menggunakan ukuran referensi dari sepeda motor Gesits untuk dianalisiskan dengan beban jalan yang akan dialami oleh sepeda motor tersebut.

---

One of the kinds of motor that is very often used as an acctuator is a Brushless Direct Current Motor. Because of that, there needs to be an optimal design of the BLDC motor from simulation using a finite element analysis (FEA) metode. In this section, the motor spesification that was used is a BLDC motor with 24 slot and 8 poles. The design must be optimized so that the torque and speed can withstand the load of the motorcycle and have a smooth rotation of the rotor by reducing the cogging torque. Those optimizations will do with the input of 72 Volts and 80 Ampere. The optimazation of the design is by vary the dimention of the motor and the addition of holes in the tooth of the stator. To realize the design on the motor, the writer uses the Gesits electric motorcycle as a reference to further the analysis of road loads thats going to apply on the motorcycles motor."

"Poros disamping berputar juga melakukan pusaran, yaitu poros berotasi mengelilingi sumbu bantalan. Timbul karena adanya ketidak imbangan pada poros, yang berasal diantaranya dari bobot takimbang, gaya-gaya akibat perputaran poros itu sendiri atau bahan poros yang kurang homogen.Jumlah bantalan dan susunan peletakannya merubah arah serta besar gaya-gaya reaksi bantalan. Defleksi statin pores berubah pula dan pada akhirnya mempengaruhi nilai kecepatan kritis dan koefisien peredaman sistem poros.Pengamatan dilakukan pada poros dua bantalan dan poroa tiga bantalan. Untuk poros tiga bantalan jarak peletakan bantalan tengah adalah seperempat, setengah dan tiga per empat dari bentang yang terbentuk antara rotor dengan bantalan kiri dan kanan. Rotor diletakan pada jarak 400 mm, 500 mm dan 600 mm dari bantalan kiri.Berdasarkan hasil pengolahan data diperoleh bahwa kecepatan kritis dan koefiaien peredaman poros tiga bantalan berbeda secara berarti, taraf keberartian 5 %, dengan poros dua bantalan, dan mencapai nilai maksimum pada jarak peletakan bantalan tengah terhadap posisi rotor minimum dan daerah peletakan pada bentang yang minimum pula."

"Motor induksi merupakan salah satu jenis motor yang paling banyak digunakan di dunia industri. Hal ini disebabkan karena motor induksi menawarkan beberapa kelebihan yang tidak dimiliki oleh jenis motor lainnya, mulai dari strukturnya yang sederhana, tangguh, murah, ringan, serta membutuhkan lebih sedikit perawatan. Pada aplikasi penggunaan motor induksi, diperlukan suatu algoritma kontrol yang dapat memberikan akurasi yang baik dalam pengendalian kecepatan ataupun torsi pada kondisi beban yang dinamis. Oleh karena itu, akan digunakan kontrol vektor lup tertutup RFOC (rotor flux oriented control). Pada pengoperasian motor induksi dengan strategi kontrol RFOC konvensional, dimana fluks akan bernilai konstan, akan ada banyak energi yang hilang selama prosesnya. Energi-energi yang hilang ini meliputi energi yang diperlukan untuk menggerakkan rotor, serta rugi-rugi energi yang terjadi selama pengoperasian motor. Oleh sebab itu, pada penelitian ini, akan diimplementasikan strategi kontrol rotor flux oriented control (RFOC) berbasis maximum torque per ampere (MTPA). Kontrol MTPA ditambahkan untuk memastikan bahwa arus arus eksitasi dari motor induksi bernilai minimum dengan menyesuaikan tingkat fluks berdasarkan kebutuhan torsi. Dengan penambahan skema MTPA, motor induksi tidak akan menerima eksitasi berlebih sehingga efisiensi pengoperasian akan meningkat.

---

Induction motors are one of the most widely used types of motors in the industrial world. This is because induction motors offer several advantages that are not possessed by other types of motors, ranging from their simple structure, tough, cheap, lightweight, and require less maintenance. In applications using induction motors, an control algorithm is needed that can provide good accuracy in controlling speed or torque under dynamic load conditions. Therefore, closed-loop vector control with RFOC (rotor flux oriented control) algorithm will be used. In the operation of an induction motor with a conventional RFOC control strategy, where the flux will be constant, there will be a lot of energy lost during the process. These lost energies include the energy required to drive the rotor, as well as energy losses that occur during motor operation. Therefore, in this study, a maximum torque per ampere (MTPA) based rotor flux oriented control (RFOC) strategy will be implemented. MTPA control is added to ensure that the excitation current of the induction motor is minimum by adjusting the flux level based on the torque requirement. With the addition of the MTPA scheme, the induction motor will not receive excessive excitation."