Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Dalam skripsi ini dibahas mengenai perancangan dan pembuatan perangkat keras dan perangkat lunak robot beroda otonomi yang mampu bergerak dengan baik pada lingkungan sekitar tanpa pengendalian manusia. Pengendalian robot ini berdasarkan reactive behavior dan goal-oriented behavior. Robot bertujuan untuk bergerak di dalam maze yang menyerupai rumah, mencari api, mematikan api lalu kembali ke tempat awal. Robot ini bergerak dalam ruangan yang mempunyai peta statis, dengan ukuran tiap peta yang tidak sama. Robot otonomi menggunakan pengendali logika fuzzy sebagai pengatur tingkah laku atau pergerakan robot selama bergerak di dalam maze, serta menggunakan teori graph sebagai navigasi robot dalam maze. Robot ini dilombakan di ajang Kontes Robot Cerdas Indonesia (KRCI) 2005 di Balairung Universitas Indonesia, 14-15 Mei 2005 sebagai wakil Universitas Indonesia. Selama perlombaan terlihat semua fungsi robot dapat berjalan dengan baik, dan berhasil menyelesaikan tugasnya secara memuaskan. Tetapi ada beberapa kekurangan seperti respons motor yang lambat, kecepatan motor yang kurang dan minimalnya strategi pencegahan (contingency strategy). Namun secara keseluruhan, robot ini memuaskan dengan dibuktikannya menyelesaikan keseluruhan tugas yang diberikan sehingga menempati peringkat ketiga dan mendapat penghargaan robot dengan desain ekonomis."

"Robot otonomi merupakan robot yang mampu bergemk dengan baik pada lingkungan sekitar tanpa pengendalian menusia. Sebagian besar sistem pengendali robot otonomi yang telah dikembangkan adalah sistem pengendali logika fuzzy yang berbasis pada sebuah komputer pribadi. Fungsi dari komputer ini adalah untuk mengendalikan robot berdasarkan goal-directed behaviour dan reactive behaviour. Melihat dari konsep reactive behaviour, terlalu berlebihan apabila bagian ini ditangani oleh scbuah komputer pribadi; akan lebih sederhana dan lebih ringkas apabila digunakan sebuah sistem mikrokontroler. Pada slcripsi ini dilakukan rancang bangun sebuah sistem pengendali logika fI.lZZy untuk robot otonomi yang memililci reactive behaviour, sehingga mampu untuk melalcukan tindakan penghindaran rintangan. Skripsi ini mencoba penerapan sistem pengendali tersebut dengan menggunakan mikrokontroler AT89C52. Digunakan mikrokontroler jenis ini adalah karena dapat beketja dengan keccpatan yang tinggi,jIa.sh ROM dan RAM cukup besar, Serta harga yang murah dan mudah didapatkan di pasaran lokal. Sistem yang dirancang menggunakan konsep dasar Ioglka fuzzy sederhana, yaitu dengan menggunakan telcnik fasljitzzgfication pada fungsi keanggotaan standar, metode inferensi Mamdani, sorta fungsi defilzziiikasi jenis centroid. Pada tahap uji coba terlihat bahwa robot mampu untuk melakukan tindakan penghindaran rintangan dengan baik dan tanggapan yang cepat terhadap objek statis. Hal ini didukung oleh karakteristik sonar yang dapat mengukur dcngan tlngkat kesalahan rata-rata sebesar 5,67%. Kernulusan pergerakan dan kecepatan tanggapan robot sangat ditentukan oleh penentuan aturan-aturan fuzzy, dan jumlah sonar. Selain kecepatan kerja mikrokontroler, kecepatan tanggapan sangat dibatasi terutama oleh waktu tunda sonar dan kecepatan pergiliran antar sonar. Namun secara umum, tindakan penghindaran rintangan yang dilakukan oleh robot sudah sangat baik."

"Paper ini memaparkan perancangan pengendali robot berbasis perilaku menggunakan Fuzzy, di mana parameter Fuzzy ditala secara otomatis menggunakan Particle Swarm Optimization (PSO) yang diistilahkan dengan Particle Swarm Fuzzy Controller (PSFC). Suatu fungsi tertentu dirancang untuk meningkatkan performa proses pencarian PSO. Fungsi tersebut mengubah harga bobot inersia menjadi berkurang secara sigmoid (Sigmoid Decreasing Inertia Weight). Empat buah perilaku robot dirancang menggunakan PSFC. Kemudian seluruh perilaku tersebut juga dikoordinasikan menggunakan PSFC. Beberapa simulasi pengendalian pergerakan robot dan percobaan dengan robot MagellanPro telah dilakukan untuk menguji performa algoritma yang dirancang. Algoritma lain, Genetic Fuzzy Controller (GFC) digunakan sebagai pembanding. Dari hasil pengujian dapat dikatakan bahwa pengendali yang dirancang memiliki kemampuan yang baik untuk menyelesaikan tugasnya pada suatu lingkungan nyata.

---

AbstractThis paper describes the design of robots controllers based on behaviour using Fuzzy, in which the Fuzzy parameters are automatically tuned using the Particle Swarm Optimization (PSO) which is termed the Particle Swarm Fuzzy Controller (PSFC). A particular function is designed to improve the performance of PSO search process. That particular function changes the value of the inertia weight, so it?s decreased in sigmoid (Sigmoid Decreasing Inertia Weight). Four types of robots behaviour are designed and coordinated using the PSFC. Some simulation of the robot movement control and experiments with the robot MagellanPro have been conducted to test the performance of the algorithm that have been designed. Another algorithm, Genetic Fuzzy Controller (GFC) is used as a comparison. From the test results, it can be said that the controllers that have been designed, have a good ability to accomplish its task in a real environment."

"Sistem simulasi yang diketengahkan dalam Tugas Akhir ini menggunakan algoritma pengaturan berbasis logika fuzzy. Logika fuzzy digunakan untuk mengatasi kesulitan pengendalian pada sistem yang memiliki sifat non-linieritas tinggi, di antaranya adalah pengemudian mobil. Akan dijelaskan model asli model yang disederhanakan, serta penentuan model fuzzy Takagi-Sugeno mobil. Sebagai pengendali digunakan kontroler fuzzy yang dioptimasi dengan persamaan Riccati. Dibahas juga pengujian kestabilan pengendalian. Dalam hal ini, logika fuzzy tidak hanya digunakan pada pengendali (kontroller) tetapi juga untuk memodelkan mobil (model fuzzy Takagi-Sugeno). Pada bagian akhir diberikan flowchart program simulasi dan Basil-hasil simulasi pada beberapa kondisi untuk menunjukkan pengaruh - kecepat:an, waktu cuplik, panjang mobil, dan besainya state feedback gain, K terhadap kinerja pemarkiran."

"Beberapa tahun belakangan ini pengendali logika fuzzy muncul sebagai teknik alternatif dari pengendali klasik dalam suatu pengendalian proses. Hal ini disebabkan karena logika fuzzy mempunyai kemampuan yang baik sekali, kemungkinan ini disebabkan karena kefleksibelan dari proses pengambilan keputusan fuzzy, dan cocok untuk sistem dengan model matematis yang sangat sulit (tidak jelas); hanya kebiasaan umumnya saja yang diketahui [Gatl92]. Seiring dengan perkembangannya, diperkenalkan berbagai macam algoritma logika fuzzy seperti kendali logika fuzzy self organizing, kendali logika fuzzy adaptif dan fuzzy model reference learning control (FMRLC). Pada Skripsi ini dibahas mengenai simulasi penggunaan logika fuzzy dengan FMRLC sebagai pengendali kemudi pada kapal kargo. Secara umum pengendalian kemudi kapal kargo memakai pengendali logika fuzzy dengan proses "learning" ini, memberikan performance yang baik ketika berinteraksi dengan lingkungan serta perubahan dinamik dari kapal kargo tersebut seperti kecepatan kapal, keseimbangan, beban kapal, angin, anus dan gelombang yang menerpa kapal. Algoritma FNMC ini menggunakan suatu model referensi yang ditentukan sebelumnya sehingga performance umpan balik lingkar tertutup sistem berkelakuan sesuai dengan model referensi tersebut dengan mensintesa dan menala basis pengetahuan (knowledge base) kendali fuzzy. Hasil pengendalian dengan menggunakan logika fuzzy tersebut, disimulasikan untuk memperlihatkan kinerja dari pengendalian kemudi kapal kargo. Dalam analisa respons keluaran sistem dipakai parameter tanggapan waktu, yaitu rise time, settling time, peak time, percent overshoot dan galat tunak yang dibandingkan dengan parameter tanggapan waktu pengendali fuzzy biasa dan model referensi. Hasil analisa menunjukkan bahwa penerapan pengendalian menggunakan FMRLC dapat memperkecil rise time, settling time, peak time, percent overshoot dan galat tunak serta berkelakuan sesuai dengan model referensi."

"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."