Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam tugas Skripsi ini dibuat simulasi suatu sistem kendali dengan neural network untuk menge:ndalikan sistem gerak pitch pesawat rerbang secam on-line. Dalam pengendalian ini digunakan arsitektur kendali adaptif dengan menggunakan metode belajar tak-langsung (indirect teaming). Pengendali ini menggunakan dua buah neural network, neural network perrerna digunakan sebagai pengendali yang mangendalikan proses runpan maju (feedforward controller) sedangkan neural network kedua digunakan untuk mengendalikan proses umpan balik (feedback controller). Sebelum digunakan untuk mangendalikan seeara on-line, pengendali neural network dilatih secara oj}lim untuk mendapatkan bobot awa! yang akan digunakan da1am proses pengendalian secara on-line. Algoritma umpan ba1ik dangan metode Ievenberg­ Marquardt digunakan untuk modifikasi bobot neural secara off-line. Algoritma propagasi balik dengan metode penurunan gradien digunakan untuk rnodifikasi bobot pengendali neural network pada fuse on-line. Simulasi sistem kendali adaptif dangan neural networl< ini diuji dengan tiga..."

"ABSTRAKPada Tugas Skripsi ini dibuat simulasi suatu sistem kendali untuk mengendalikan gerak longitudinal pesawat terbang. Sistem ini bekenja mengendalikan gerakan pitch pesawat (gerakan naik-turun hidung pesawat). Ini dilakukan dengan pengaturan sudut elevator (sirip pada sayap belakang horisontal). Dalam simulasi ini digunakan metode Runge-Kulta orde empat.br>Dalam Tugas Skripsi ini digunakan pengendali berbasis logika fuzzy yaitupengendali umpan balik yang mendasarkan pengendaliannya pada teori Iogika fuzzy.Tujuan penerapan logika fhzzy tersebut adalah untuk memperbaiki tanggapan waktusistern kendali dalam mencapai kestabilannya. Dalam analisa respons keluaran sistem dipakai parameter tanggapan waktu,yaitu rise time, settling lime, percent overshool. dan steady state error. Hasil analisamenunjukkan bahwa penerapan pengendali logika dapat memperbaiki tanggapanwaktu sistem kendali gerak pitch pesawat terbang.

---

"

"Pada skripsi ini dibahas tentang simulasi dan perancangan pengendalian sistem Tangki Berhubungan Multivariabel (3 x 3) dengan menggunakan Neural Network model Kendali lnvers Langsung (Direct Inverse Control / DIC). Pengendali Neural Network model Kendali Invers Langsung mencari invers dari plant sehingga pengendali NN model DIC yang dirangkai seri dengan plant menghasilkan fungsi alih satu satuan, sehingga keluaran sistem akan sama dengan sinyal referensi yang diberikan. Penghilangan interaksi (kopling) yang terjadi pada sistem Tangki Berhubungan Multivariabel dilakukan dengan perancangan dekopling yang menggunakan metode Relative Gain Matrix. Perancangan dan simulasi sistem pengendalian Neural Network model Kendali Invers Langsung ini menggunakan program Matlab versi 6.1. Perbandingan antara analisa tanggapan waktu terhadap sistem kendali yang dirancang dengan sistem kendali Proportional Integral Derivartive (PID) dan sistem kendali Logika Fuzzy menghasilkan tanggapan untuk mencapai keadaan steady srare,dan pada Neural Network model Kendali Invers langsung lebih cepat dibandingkan dengan tanggapan waktu yang dihasilkan oleh pengendali konvensional PID dan Fuzzy."

"Beberapa tahun belakangan ini, pengendali logika fuzzy berkembang dengan pesat karena kefleksibelannya dalam pengambilan aksi kendali untuk sistem dengan model matematis yang sulit sekalipun, Sejalan dengan perkembangan itu, ditemukan suatu metode untuk mengidentifikasi pemodelan pengendali logika fuzzy, yaitu dengan menggunakan jaringan adaptif. Hai ini sangat membantu, terutama jika sistem yang akan dikendalikan sedemikian kompleksnya sehingga penalaan sistem inferensi fizzynya sulit untuk dilakukan secara manual. Pengendali fuzzy yang menggunakan jaringan adaptif dalam mekanisme belajar untuk menala sistem inferensinya disebut ANFIS (Adaptive Network-Based Frizzy hTerence System). DaIam Tugas Skripsi ini dibuat simulasi penggunaan ANFIS untuk mengidentifikasi model sistem inferensi fuzzy yang akan digunakan dalam pengendalian gerak pitch pesawat terbang, serta simulasi penerapannya dalam pengaturan sudut elevator (sirip pads sayap beiakang horisontal). Tujuan penerapan metode ANFIS tersebut adalah agar sistem yang dikendalikan memiliki tanggapan yang sama seperti sistem yang dijadikan acuan. Dalam hal ini berarti memperbaiki tanggapan sistem tersebut, yaitu dengan mempercepat kestabilan sistem dan menghilangkan lonjakan awal. Dalam anabsis tanggapan sistem digunakan parameter tanggapan waktu, yaitu waktu naik, waktu puncak, waktu tetap, persentase lonjakan, dan kesalahan galat tunak. Hasil analisis menunjukkan bahwa sistem inferensi fuzzy hash penalaan metode ANFIS dapat mengeluarkan sinyal kendali yang membawa tanggapan sistem yang dikendalikan menuju tanggapan yang diinginkan, yaitu tanggapan sistem dengan wal.-tu tetap lebih keeil atau sama dengan 6 detik dan tidak mengalami lonjakan."

"Pengendali PID merupakan pengendali yang sudah teruji dan banyak diterapkan pada proses pengendalian suatu sistem, salah satunya penerapannya yaitu autopilot pada kendali pesawat. Pengendali ini memiliki keterbatasan saat sistem yang dikendalikan memiliki parameter yang berubah-ubah dan adanya gangguan dari lingkungan luar sistem. Biasanya diperlukan waktu yang lama dalam melakukan penalaan parameter pengendali PID jika proses penalaan itu dilakukan secara manual (trial and error). Untuk itu dikembangkanlah berbagai macam metode pengendali adaptif yang diharapkan dapat mengatasi permasalahan tersebut. Salah satu metode pengendali adaptif adalah Generic Model Reference Adaptive Control (GMRAC). Pembahasan dalam skripsi ini meliputi prinsip dasar metode GMRAC dan penerapannya untuk mengendalikan sudut pitch pesawat. Metode GMRAC menggunakan algoritma genetika untuk melakukan penalaan terhadap parameter-parameter pengendali PID terhadap suatu model dinamika gerak pesawat dalam setiap interval waktu update. Keunggulan algoritma genetika terletak pada fleksibilitasnya, dimana metode pencarian solusinya berdasarkan pada mekanisme seleksi alam. Hasil uji coba simulasi pengendalian sudut pitch pesawat dengan GMRAC dilakukan dengan menggunakan software MATLAB 5.3 dengan fasilitas simulink versi 3. Simulasi dilakukan pada empat kondisi terbang dengan cariasi kecepatan dan ketinggian pesawat yang bertipe Charlie, yaitu pesawat penumpang berukuran besar dengan empat mesin jet. Selain itu juga disimulasikan adanya gangguan dari lingkunan luar sistem seperti angin. Dari simulasi yang dilakukan terlihar bahwa meskipun terjadi perubahan parameter kondisi terbang atau gangguan, pengendalian GMRAC dapat membuat respon sistem menyerupai respon meodel referensi."

"Pembahasan dalam tesis ini diawali dengan membuat model matematika gerak pesawat terbang berdasarkan teori Euler dan hukum Newton tentang gaya dan momen, dari model tersebut dapat diketahui parameter kendali yang akan digunakan. Secara teoritis gerak pesawat terbang terdiri dari dua jenis gerak yaitu gerak longitudinal dan gerak latera. Gerak longitudinal merupakan sistem satu masukan satu keluaran dengan pasangan masukan defleksi elevator dan keluaran pitch angle. Gerak lateral merupakan sistem dua masukan dua keluaran dengan pasangan masukan yaitu defleksi rudder keluaran yaw rate, dan pasangan masukan defleksi aileron dan keluaran hank angle. Berikutnya adalah pembahasan perancangan sistem kendali dengan Nonlinear Predictive Control berbasis Neural Network dengan menggunakan algoritma BFGS dan kriteria minimasi General Predictive Control, Simulasi sistem pengendalian dengan Nonlinear Predictive Control menggunakan program matlab versi 6.1. dan hasilnya dibandingkan dengan hasil simulasi pengendalian dengan pengendali PID. Perbandingan tersebut menunjukkan bahwa pengendalian gerak pesawat terbang, dengan pasangan defleksi elevator dan pitch angle, menggunakan Nonlinear Predictive Control menghasilkan tanggapan yang mempunyai overshoot lebih kecil, rise time, peak time dan settling time lebih cepat. Dan dengan pasangan defleksi rudder dan yaw rate, serta defleksi aileron dan bank angle menghasilkan tanggapan yang mempunyai overshoot lebih kecil, settling time lebih cepat, rise time dan peak time lebih lambat dibandingkan dengan menggunakan pengendali PID.

---

The discussion in this thesis is started by building mathematical model of flight vehicle motion based on Euler theory and Newton low about force and moment, from the model controlled parameter will be known. Theoretically, flight vehicle motion is composed of longitudinal motion and lateral motion. The longitudinal motion represents single input single output system with the elevator deflection and pitch angle as the input output pairs. The lateral motion represents two input two output system, which input output pairs are the rudder deflection and yaw rate, and the aileron deflection and bank angle. The next step is to design controller based on Neural Network with Nonlinear Predictive Control architecture by using BFGS algorithm and minimization of the General Predictive Control criterion. The simulation of control system with Nonlinear Predictive Control is using Matlab program version 6.1 and the results are compared to the results of simulation system with PLO controller. The comparison indicates that the control of flight vehicle motion using the pairs elevator deflection and pitch angle, yields batter responses having smaller overshoot, faster rise time, peak time and settling time. Using control pairs rudder deflection and yaw rate, aileron deflection and bank angle, controlled by Nonlinear Predictive Control, yields responses having smaller overshoot, faster settling time, slower rise time and peak time."

"Pada tesis ini dilakukan identifikasi sistem homogenisasi dengan menggunakan algoritma neural network, sehingga dapat dijadikan model untuk mengetahui dinamika sistem yang sebenarnya. Identitikasi dengan menggunakan neural network, dilakukan dengan memanfaatkan data tanggapan sistem homogenisasi di pabrik pembuatan susu kental manis. Dengan model hasil identitikasi ini, dapat diketahui bagaimana tanggapan sistem terhadap perubahan tekanan dengan memberikan fungsi step pada sistem lingkar terbuka. Dengan model yang ada, juga dapat diketahui bagaimana hubungan antara viskositas dan tekanan, dengan memberikan fungsi ramp pada sistem lingkar terbuka. Dari kurva hubungan antara viskositas dan tekanan, ternyata terdapat sifat non linearitas pada sistem homogenisasi. Dengan pengetahuan tentang dinamika sistem homogenisasi, maka dapat dilakukun simulasi sistem kendali dengan menggunakan pengendali P!. Tujuan simulasi ini ialah agar dapat diketahui bagaimana karaketeristik sistem sebelum diterapkan pada sistem yang sebenarnya. Dari simulasi yang dilakukan ternyata pengendali PI cukup baik melakukan pengendalian sistem homogenisasi tersebut."

"Tugas Akhir ini merancang suatu pengendali fuzzy berbasis jaringan saraf buatan (neural network) untuk mengendalikan sistem nonlinier yang selanjutnya diterapkan kedalam suatu perangkat lunak sederbana. Pada dasarnya pengendali ini menyatukan pengendali logika fuzzy biasa dengan suatu jaringan saraf buatan (neural network) dengan tujuan untuk memperbaiki karakteristik transien dari suatu proses yang dikendalikan. Dengan pengendali logika fuzzy biasa, tanggapan waktu sistem sudah dapat diperbaiki, namun pengendali ini dapat mencapai keadaan seperti tersebut diatas bila ada seorang operator ahli dalam sistem kendah dan sistem yang dikendalikan. Penerapan jaringan saraf buatan (neural network) kedalam pengendah logika fuzzy ini dapat mengurangi kerja operator ahli dalam menentukan lebar/range dari fungsi keanggotaan masukan dan keluaran. Dengan kemampuan belajar dari jaringan saraf buatannya, pengendali ini dapat memperbaiki keluaran sistem yang tidak linier. Uji coba simulasi dilakukan untuk dua buah model sistem nonlinier yaitu sistem nonlinier orde sate yang tidak stabil clan sistem pengendalian pH. Untuk pengendalian pH jugs ditunjukkan kehandalan pengendali dalam mengatasi gangguan yang datang dari sistem itu sendiri. Hasil simulasi kedua model yang dikendalikan menunjukkan pengendali logika fuzzy berbasis neural network dapat melakukan perbaikan pada rise time, settling time, overshoot dan kesalahan tunak dari suatu proses yang dikendalikan dan jugs dapat mengurangi keda ahli operator dalam menentukan komponen-komponen fuzzy dibandingkan dengan pengendali logika fuzzy biasa."

"Kemajuan teknologi mengiringi kemajuan Pesawat Tanpa Awak yang membuat peneliti terus mengembangkannya. Quadcopter merupakan Pesawat Tanpa Awak yang saat ini telah banyak digunakan untuk berbagai tujuan. Bentuknya yang ringkas serta beratnya yang ringan dengan empat buah baling-baling motor membuat quadcopter memiliki keunggulan dalam kemampuan dalam melakukan maneuver di udara. Tujuan dari penelitian skripsi ini adalah diajukannya sebuah ide menciptakam pengendali Jaringan Saraf Kendali Inverse Langsung NN ndash;DIC ndash; Neural Network Direct Inverse Control dengan algoritma Elman Recurrent untuk quadcopter, dan membandingkannya dengan pengendali berbasis algoritma Back Propagation Neural Network biasa. Dalam skripsi ini dikemukakan hasil simulasi dari identifikasi quadcopter dengan memodelkan secara black box, serta hasil dari dua jenis pengendali Inverse untuk quadcopter yaitu Elman Recurrent Neural Network Direct Inverse Control dan Back Propagation Neural Network Direct Inverse Control.

---

Technological advances accompany the progress of Unmanned Aircraft that keeps researchers on the rise. Quadcopter is an Unmanned Aircraft that is now widely used for various purposes. Its compact shape and light weight with four motor propellers make the quadcopter has an advantage in the ability to maneuver in the air. The purpose of this thesis research is to propose an idea to create a controller of the Direct Inverse Control Neural Network NN ndash DIC with Elman Recurrent algorithm for quadcopter, and compare it with an ordinary Back Propagation Neural Netwok algorithm. In this thesis, the shown simulation results are those of quadcopter plant based on black box modeling identification, and the result of two types of Inverse controllers for quadcopter, Elman Recurrent Neural Netwok Direct Inverse Control and Back Propagation Neural Network Direct Inverse Control."

"Diketahui bahwa mengendalikan gerakan mundur suatu truk-trailer sampai suatu posisi tertentu merupakan hal yang sulit untuk setiap orang umum, kecuali supir truk ahli yang telah berpengalaman. Hal ini dikarenakan dinamika truk-trailer yang nonlinear dan tidak stabil. Dalam tugas skripsi ini akan dibahas perancangan pengendali fuzzy dengan model sistem fuzzy yang diterapkan pads truk-trailer tersebut dalam mengendalikan truk-trailer tersebut ke posisi yang diinginkan secara mundur. Telah banyak makalah yang membahas pengendalian gerak mundur truk-trailer, tetapi dalam pembahasannya masih mengunakan model sistem dinamika nonlinear. Secara praktis, seorang ahli umumnya mengambarkan suatu proses dengan mengunakan bahasa manusia, sehingga dapat digabungkan menjadi model proses tersebut yang disebut model sistem fuzzy. Dalarn skripsi ini model dinamika truk-trailer dirnodelkan dengan model sistem fuzzy yang digunakan untuk perancangan pengendali umpan batik berupa pengendali fuzzy yang menerapkan sistem fuzzy TSK (Takagi-Sugeno-Kang). Untuk menunjukkan kemampuan sistem pengendali fuzzy di atas dalam mengendalikan truk-trailer tersebut, dilakukan simulasi dengan menggunakan aplikasi MATLAB 5.3."