Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"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."

"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."

"Tesis ini membahas tentang Pengendali Logika Fuzzy sistem Thermal Mixing. Salah satu contoh proses thermal mixing yang cukup sederhana dan mewakili adalah Proses Pencampuran Air Panas dan Air Dingin. Sistem pencampuran air panas dan air dingin ini terdiri atas sebuah tangki dengan dua buah pipa saluran masukan dan sebuah saluran keluaran. Level dan temperatur air akan diukur dengan menggunakan tranduser.Sistem pencampuran air panas dan air dingin ini merupakan sistem yang multivariabel dengan empat masukan dan dua keluaran. Dari pemodelan yang diperoleh dapat dilihat bahwa sistem pencampuran ini merupakan sistem non linier. Sifat non linier sistem ini merupakan suatu kendala yang harus dikendalikan untuk mendapatkan hasil yang diinginkan yaitu temperatur dan level air tertentu.Konfigurasi sistem yang digunakan pada pengujian ini adalah maksimum tinggi air dalam tangki 2 m, luas alas tangki 2 m2, luas penampang pipa air 0,05 m2, tinggi level air awal 1 m, suhu air awal dalam tangki 27°C.Untuk melihat tanggapan sistem pengendalian proses pencampuran air panas dan air dingin dengan menggunakan pengendali logika fuzzy maka harus dilakukan berbagai pengujian dengan berbagai macam kondisi. Pengujian ini dilakukan dengan menggunakan fasilitas Simulink versi 4 pada program Matlab versi 6.0.0.88 Release 12.

---

This thesis studies a fuzzy logic controller to the process of thermal mixing. An example of a simple thermal mixing process that represent it was a cold and hot water mixing process. The cold and hot water mixing system consist of a tank which connected to two water pipe inputs and a water pipe output. Water level and temperature were measured with transducers.

The cold and hot water mixing process was a multivariable system with four inputs and two outputs. From mathematical models, the mixing system is a non linear system. The non linearity of this system is the constraint that has to be controlled to achieve the temperature and level set points.

The system configuration used in the examination are 2 m of maximum water level in tank, base area of tank is 2 m2, cross section area of outlet pipe is 0.05 m2 initial water level is 1 m and initial water temperature is 27°C.

The responds system of the mixing process control using fuzzy logic controller was tested in some variants conditions. The tests were simulations using the Simulink version 4 facility in Matlab version 6.0.0.88 release 12 program."

"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."

"ABSTRAKTesis ini membahas pengendali logika fuzzy yang digunakan untuk pengendalian proses pewarnaan benang sintetis. Model dinamika proses pewarnaan benang sintetis diturunkan berdasarkan laju penurunan berat bahan pewarna di dalam hopper dari feeder dan laju aliran bahan pewarna tersebut di dalam screw conveyor. Kemudian disimulasikan dengan bahasa Delphi versi 2.0 dari Borland.Fungsi keanggotaan yang digunakan berbentuk segitiga dan dikelompokkan dalam tujuh kelompok.Kaidah logika fuzzy yang digunakan pada tesis ini disusun berdasarkan kaidah logika fuzzy dari King dan Mamdani, yang terdiri dari 13 (tiga belas) aturan pengendali logika fuzzy.Untuk melihat kinerja pengendali logika fuzzy, dilakukan dengan cara membandingkan hasil simulasi pengendali logika fuzzy dengan pengendali PID.

---

ABSTRACT

Application Fuzzy Logic Controller to the Control of Colouring Process of Synthetic YarnThis thesis describes fuzzy logic controller to control the coloring process of synthetic yarn. Dynamic model of the process is derived based on the loss in weight rate of the granulated coloring substance in the feeder and its flow in the screwed conveyor. The model is simulated using Borland Delphi language ver. 2.

The fuzzy logic controller uses seven fuzzy set, for input with triangular membership function. By referring to the desired step response of a second order system, and by heuristic approach it can be defined thirteen rules for the controller. The fuzzy implication is done by King's and Mamdani's fuzzy reasoning.

The performance of the fuzzy logic controller is then compared with a PID controller using simulations."