Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengontrol aliran banyak digunakan di berbagai industri, seperti di industri perminyakan untuk mengalirkan minyak dari minyak lepas pantai ke darat atau digunakan untuk distribusi minyak. Pengontrol aliran yang paling banyak digunakan dalam industri adalah pengontrol berbasis PID konvensional yang diimplementasikan menggunakan PLC. PLC banyak digunakan dalam industri karena kekompakannya, memiliki konektivitas standar dan memiliki keandalan yang tinggi. Dalam penelitian ini, pengontrol non-konvensional, yaitu pengontrol Neuro-Fuzzy, diterapkan pada pabrik prototipe yang mengandung air sebagai agen alirannya. Pabrik prototipe terdiri dari tangki air, pompa air, katup gerbang, katup kontrol, flow meter, dan sistem perpipaan. Kontroler Neuro-Fuzzy dalam penelitian ini dirancang berdasarkan algoritma ANFIS, dengan input berupa kesalahan dan perubahan kesalahan dari variabel proses yang diamati, dalam hal ini aliran air pada pipa keluaran pabrik prototipe. Pengontrol dioperasikan di lingkungan MATLAB/SIMULINK pada PC, yang memperoleh informasi laju aliran berasal dari flow meter yang terhubung ke PLC. PLC berkomunikasi dengan pengendali melalui fasilitas OPC. Output dari pengontrol, yang berupa bukaan katup kontrol, akan dikirim ke PLC melalui OPC, oleh karena itu PLC dapat mengontrol bukaan katup sesuai dengan laju aliran air yang diinginkan. Setelah menjalani proses pelatihan, pengendali berbasis ANFIS yang dikembangkan diuji dengan berbagai titik setel debit air untuk mendapatkan informasi kinerjanya. Dari penelitian ini ditemukan bahwa pengontrol berbasis ANFIS adalah pengontrol dengan kinerja yang baik, yang memiliki waktu naik rata-rata 16,88 detik, waktu penyelesaian 30,68 detik, dan dengan overshoot 0% dan 35,65%, dan memiliki relatif kecil kesalahan 2,59%.

---

Flow control is widely used in various industries, such as in the oil industry to flow oil from offshore to onshore oil or used for oil distribution. The most widely used flow controller in the industry is conventional PID-based controller which is implemented using PLC. PLCs are widely used in industry because of their compactness, standard connectivity and high reliability. In this study, a non-conventional controller, the Neuro-Fuzzy controller, is applied to a prototype plant that contains water as its flow agent. The prototype plant consists of a water tank, a water pump, a gate valve, a control valve, a flow meter, and a piping system. The Neuro-Fuzzy controller in this study was designed based on the ANFIS algorithm, with input in the form of errors and error changes of the observed process variables, in this case the flow of water in the prototype factory output pipe. The controller is operated in a MATLAB / SIMULINK environment on a PC, which gets flow rate information from a flow meter connected to the PLC. PLC communicates with controllers through OPC facilities. The output from the controller, which is the control valve opening, will be sent to the PLC via OPC, therefore the PLC can control the valve opening according to the desired flow rate. After undergoing the training process, the ANFIS-based controller that was developed was tested with various water discharge set points to obtain performance information. From this study it was found that ANFIS-based controller is a controller with good performance, which has an average rise time of 16.88 seconds, a completion time of 30.68 seconds, and with 0% and 35.65% overshoot, and has relatively small errors 2.59%."

"Neural networks and fuzzy systems are model free control design approaches that represent an advantage over classical control when dealing with complicated nonlinear actuator dynamics. Neuro-Fuzzy Control of Industrial Systems with Actuator Nonlinearities brings neural networks and fuzzy logic together with dynamical control systems. Each chapter presents powerful control approaches for the design of intelligent controllers to compensate for actuator nonlinearities such as time delay, friction, deadzone, and backlash that can be found in all industrial motion systems, plus a thorough development, rigorous stability proofs, and simulation examples for each design. In the final chapter, the authors develop a framework to implement intelligent control schemes on actual systems. Rigorous stability proofs are further verified by computer simulations, and appendices contain the computer code needed to build intelligent controllers for real-time applications. Neural networks capture the parallel processing and learning capabilities of biological nervous systems, and fuzzy logic captures the decision-making capabilities of human linguistics and cognitive systems."

"ABSTRAKPengendali swa tala dengan penempatan kutub merupakan Salah satu pengendali adaptif yang menggunakan estimasi dengan pendekatan linier untuk memperbaharui pengendalinya secara on-line. Pengendali swa tala ini mampu mempertahankan unjuk kerja lingkar tertutup sistem namun membutuhkan waktu yang cukup lama untuk melakukan adaptasi. Untuk mengatasi perubahan yang cepat, dapat diatasi dengan menggunakan beberapa model linier yang dapat merepresentasikan sistem untuk beberapa titik kerja melalui pendekatan linier dengan analisis secara off-line. Model yang akan dlaktifkan adalah model yang paling baik merepresentasikan sistem pada saat itu dengan menggunakan supervisor yang menentukan mekanisme 'switching. Pengendalian ini disebut pengendalian multi model. Pengendalian multi model memiliki keterbatasan untuk penempatan model dalam database sehingga unjuk kerja lingkar tertutup akan menurun jika tidak ada satupun diantara model-model yang ada dalam database yang mampu mewakili kondisi kerja saat itu. Kelemahan - kelemahan dari metode pengendalian swa tala dan pengendalian multi model dapat diatasi dengan menggabungkan kedua metode tersebut sehingga menjadi pengendalian adaptif multi model yang mampu mempertahankan unjuk kerja lingkar tertutup sistem walaupun terjadi selang waktu perubahan set point yang cepat

---

"

"Pada skripsi ini dibuat sebuah sistem kendali tertutup dengan menerapkan logika fuzzy sebagai pengendali. Sistem ini dibuat untuk menguji algoritma real-time reasoning fuzzy controller yang diterapkan pada sistem kendali posisi motor do berbasis komputer. Sistem yang dikendalikan diimplementasikan berupa gerakan rotasi satu dimensi. Perangkat keras yang digunakan dalam skripsi ini, terdiri dari empat bagian utanu, yaitu antarmuka PC, rangkaian pengubah sinyal (ADC dan DAC), penggerak motor dan sensor. Antarmuka PC berfungsi untuk mengatur pengalamatan dan jalur data antara perangkat keras dan perangkat lunak. Sensor berfungsi untuk memberikan masukan pada perangkat lunak fu=ry, melalui antar-muka PC, kemudian pengendalifuzzy memberikan keluaran pada penggerak motor. Sinyal yang keluar dari sensor adalah sinyal analog, untuk itu perlu diubah menjadi sinyal digital oleh ADC sebelum masuk ke komputer. Sebaliknya, sinyal yang keluar dari komputer adalah sinyal digital dan harus diubah menjadi sinyal analog untuk dapat dipakai oleh penggerak motor. Perangkat lunak dalam sistem ini digunakan sebagai antarmuka pemakai dengan sistem untuk melakukan fungsi-fungsi seperti menset sistem untuk inisialisasi, menjalankan algoritma pengendali fuzzy berdasarkan sinyal input yang masuk ke dalam bus data, mengeluarkan sinyal pengendali yang sesuai kepada penggerak motor melalui DAC, memasukkan komposisi Memori Assosiatif Fuzzy, memonitor tanggapan waktu sistem dan melakukan analisis respons sistem. Hasil yang dicapai menunjukkan bahwa penerapan pengendali fuzzy pada sistem kendali posisi gerakan rotasi satu dirnensi ini dapat menurunkan overshoot dan mengurangi galat tunak."

"Pengendali adaptif pada Pressure Process Rig Feedback 38-714 dengan mekanisme adaptasi, yaitu faktor pelupa lebih kecil dari 1, menunjukkan performa yang baik jika set-point yang diberikan cukup tereksitasi. Pada sistem dengan setpoint kurang tereksitasi, pengendalian adaptif dengan mekanisme adaptasi menghasilkan fenomena Bursting, yaitu fenomena di mana sistem tidak terkontrol akibat gagalnya kerja estimator. Untuk mengatasi hal tersebut dirancanglah suatu algoritma supervisi. Algoritma supervisi ini berfungsi untuk menata kinerja estimator dan sintesa pengendali dan untuk memastikan lup pegnendalian selalu stabil. Pada skripsi ini, algoritma supervisi memantau besaran sinyal rata-rata dan variansi kesalahan prediksi, autokorelasi sinyal kendali, variansi parameter model, dan letak kutub parameter model terestimasi. Besaran - besaran ini dihitung secara rekursif (setiap pencuplikan) dari besaran ? besaran yang dihasilkan oleh pengendali adaptif. Algoritma supervisi ini diaplikasikan pada pengendalian adaptif Pressure Process Rig (Feedback 38-714). Dari uji eksperimen terbukti bahwa pengendalian adaptif dengan supervise memberikan hasil pengendalian yang lebih baik dibandingkan dengan pengendalian adaptif tanpa supervisi.Hal tersebut dapat terlihat dari tidak adanya fenomena bursting yang terjadi pada pengendali adaptif dengan supervisi yang mempunyai mekanisme adaptasi dan set-point kurang tereksitasi.

---

Adaptive controlling on Pressure Process Rig Feedback 38-714 with adaptation mechanism, that has forgetting factor less than 1, shows good performance if the set-point given excite enough. In the system with less excitation, adaptive control with adaptation mechanism results Bursting phenomenon, that is phenomenon where system can?t be controlled anymore because of the estimator failure. Supervision algorithm is designed to cope with that problem. This supervision algorithm rule is organizing estimator?s work and controller design to make sure that control closed-loop always stable.

In this bachelor thesis, supervision algorithm monitors some parameters, there are mean and variance of prediction error signal, autocorrelation of control signal, variance of model parameter, and place of estimated model poles. These parameters are recursive calculated (every sample time) from adaptive control parameter yielded. This supervision algorithm is implemented on Pressure Process Rig (Feedback 38-714) with adaptive control.

From experiment test, it is proved that adaptive control with supervision gives better control result than adaptive control without supervision. It can be seen from no Bursting phenomenon that happened in adaptive control with supervision level that has adaptation mechanism and less excitation set-point."

"Pengendalian terhadap temperatur dan kelembaban pada rumah kaca sangat penting agar tamnaman pada rumah kaca dapat tumbuh denga baik, apalagi untuk tumbuhan tertentu kestabilan temperatur dan kelembaban mutlak diperlukan agar tidak mengalami masalah pada perkembangannya. Tanaman bunga seperti Krisan (chrysanthemum) banyak dibudidayakan pada rumah kaca. Tanaman ini memerlukan suhu antara 20 derajat C - 26 derajat C untuk pertumbuhan dan 16 derajat C - 18 derajat C untuk pembungaan. Kelembaban udara yang optimal untuk pertumbuhan krisan adalah 70% - 90% [1]. Kalau saja temperatur dan kelembaban di dalam rumah kaca tersebut keluar dari batas ideal, maka hal ini akan mengganggu pertumbuhan dari bunga krisan tersebut. Pada rumah kaca, bukan hal yang tidak mungkin terjadi perubahan temperatur dan kelembaban yang sangat drastis. Hal in bisa disebabkan oleh banyak hal, terutam aoleh kondisi lingkungan di rumah kaca. Misalnya cuaca yang panas, jika terjadi dalam waktu yang relatif lama, maka hal ini akan mempengaruhi kondisi di dalam rumah kaca tersebut. Hal serupa juga bisa terjadi dengan kelembaban relatif, jika terjadi perubahan yang ekstrem, maka tanaman tertentu akan terganggu pertumbuhannya. Untuk itu kestabilan temperatur dan kelembaban dalam rumah kaca perlu dijaga agar tanaman yang ditanam dapat tumbuh dan berkembang dengan baik. Dalam upaya untuk menjaga kestabilan temperatur dan kelembaban dalam rumah kaca, dapat dibuat suatu alat yang akan mengendalikan temperatur dan kelembaban secara otomatis. Dengan adanya otomatisasi ini, tentu saja hal ini akan membantu pekerjaan manusia."

"Perkembangan ilmu dibidang kontrol diiringi pula dengan aplikasinya yang sejalan pada dunia industri. Sehingga, kendala-kendala aplikasi pada industri juga menjadi dasar dioptimasinya sistem-sistem pengendali. Salah satunya adalah sistem logika fuzzy (fuzzy logic) yang secara luas sudah banyak digunakan untuk pengendalian, sebagai salah satu alternatif selain PID kontroler. Fuzzy logic controller sebagai jawaban terhadap sistem yang membutuhkan output dengan ketelitian tinggi, yang tentunya sistem pengendaliannya cukup kompleks. Salah satu penerapan pengendali logika fuzzy di industri adalah untuk pengendalian tangki pengontro! density, yang merupakan sub sistem dalam suatu proses pengolahan bahan pembuatan atap asbes. Aplikasi pengendaliannya dilakukan terhadap target pencapaian set point density dan level kapasitas bahan pada tangki tersebut. Pengendalian sistem ini dapat dikatakan mempunyai multi input-multi output (MIMO), yaitu dengan set point input density dan level kapasitas, output yang diharapkan adalah tercapainya density dan level bahan sesuai yang ditargetkan pada tangki. Pencapaian salah satu set point akan mempengaruhi set point lainnya, dimana ketika pencapaian target density diupayakan maka level bahan juga terpengaruh atau berlaku sebaliknya. Pada tugas akhir ini, dibahas konsep dan rancangan proses dengan simulasi pengendalian pada tangki pengontrol density berbasis fuzzy logic controller dengan menggunakan simulink pada program matlab versi 6.1."

"Lalu lintas saat ini merupakan bagian penting yang tidak terpisahkan dari kehidupan manusia, terlebih kondisi kota-kota besar yang semakin berkembang termasuk bertambahnya jumlah kendaraan dengan kondisi infrastruktur yang tidak dapat ditambah lagi. Maka dibutuhkan sebuah sistem kendali yang dapat menangani masalah tersebut. Pada skripsi ini akan dibahas model sistem lalu lintas menggunakan model antrian dengan menggunakan aplikasi sistem Hierarchical Fuzzy Logic Control (HFLC). Pola masukan kendaraan yang digunakan adalah pola persebaran poisson yang dapat mewakili dengan kondisi sebenarnya. Simulasi ini akan diuji dengan lamanya waktu lampu hijau yang berbeda-beda untuk melihat hasil yang paling baik waktu tunggu rata-rata kendaraannya. Jumlah masukan kendaraan juga akan dibuat dengan jumlah yang berbeda agar bisa dilihat sejauh mana kemampuan sistem kendali tersebut. Semua perancangan aplikasi akan dibuat pada Simulink MATLAB dengan pembagian yang memudahkan jika nantinya untuk direalisasikan pada sistem yang sesungguhnya. Hasil dari waktu tunggu rata-rata ketika sistem lampu lalu lintas menggunakan model HFLC lebih baik dibandingkan dengan menggunakan model kendali tetap. Terlebih saat jumlah keluaran kendaraan berubah secara tiba-tiba.

---

Traffic these days is an inseparable part of daily human activities, especially in large developing cities with an increasing number of vehicles coupled together with a dead-end infrastructure. Therefore, a control system that could solve the aforementioned problem is a necessity. In this thesis, a traffic model system using the queuing model utilizing Hierarchical Fuzzy Logic Control system application will be discussed. The incoming vehicle pattern is modeled on Poisson Distribution which is representative of real life conditions. The simulation will be tested on different durations of green light to measure the best vehicle average waiting time. The simulation will also be tested on different amount of incoming vehicles to measure the system capabilities. All designs will be created using MATLAB Simulink software with a simplified allocation if it was to be realized on real life. The results of the average waiting time when the traffic light system use HFLC model is better than using a fixed control models, especially when the number of vehicles output changes suddenly."