Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengendali fuzzy, sebagai suatu pengendali alternatif memiliki keterbatasan manakala sistem yang dikendalikan memiliki parameter yung berubah-ubah dan adanya gangguan dari lingkungan Iuar sislem. Untuk itu dikembangkanlah berbagai macam metode pengendali adaptif yang diharapkan dapat mengkompensasi perubahan parameter dan gangguan tersebut. Salah satu metode pengendali adaptif adalah Fuzzy Model Reference Learning Control (FMRLC). Pembahasan meliputi prinsip dasar metode FMRLC dan penerapannya untuk mengendalikan sudut pitch kapal selam. Parameter kapal selam yang digunakan mengacu pada kapal selam TNI AL yaitu KRI Pusopati (bernomor lambung 410). Kapal selam ini mempunyai kecepatan maksimal di dalam air sebesar 23,5 knot = 12,0884 m/s dan kecepatan ekonomis sebesar 10 knot = 5,144 m/s. Pengendalian dengan FMRLC ini dimaksudkan agar sudur pitch kapal sclam dapat mencapai nilai yang konstan setelah beberapa saat ketika kapal selam melakukan manuver. Selain itu dilakukan pengendalian sudut pitch kapal sclam dengan pengendali fuzzy biasa (non-adaptif). Dan unjuk kerja kedua pengendali tersebut dibandingkan dengan mengacu pada respons model referensi. Simulasi pengendalian sudut pitch kapal selam ini dilakukan dengan suatu program yang dibuat dengan menggunakan software Matlab versi 5,3 dan menggunakan fasilitas Graphical User Interface. Pada simulasi pengendalian dengan FMRLC dilakukan uji coba nilai parameter tetap, uji coba variasi nilai parameter, dan uji coba gangguan. Pada setiap simulasi dilakukan dua variasi kecepatan yaitu kecepatan maksimum dan ekonomis. Dari simulasi yang dilakukan terlihat bahwa meskipun teriadi perubahan parameter atau gangguan, pengendalian FMRLC dapat membuat respons sistem menyerupai respons model referensi."

"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."

"Suatu pengndali dengan menggunakan logika fuzzy yang didasukan pada teknik kendali sliding mode dirancang untuk melalaikan pengendalian posisi dari suatu motor ants searahPada seat sistem mulai bekerja, pengendah ini membuat sistem untuk bergerak secepat mungkin meauju posisi scuannya dan selanjutrrya pencapaian posisi acuan tersebut terns diperh&anlmn dengan meuggunakan logikafi=y. PenRgendali yang dirancang dalam skripsi ini, dibuat dengan tujuan untuk mendapadm hasil pengeadalian yang lebih baik terhadap anti motor eras searah dalam hal mempercepat rise-time dan settling-time, memperkecil overshoot, meoghilangkan kesalahan tumk dari suatu kondisi yang dikendalikan aesta lebih manrpu mengataei perubahan beban yang diberikan kepadanya. Uji coba simulasi dilakukan untuk model motor arcs search yang berupa sistem orde tiga, yang dikendalikan dengan suatu pengendali posisi yang menggunHkan logika fuzzy dengan didasarkan pada teknik kendali sliding mode. Uji coba dilakukan untuk beberapa macaw besar beban dan besar sudut pergerakan yang berbeda-beds, untuk menunjukkan kemampuan pengendali mengatasi berbagai kondisi yang diberikan kepadanya.Suatu analisa perbandingan dilakukan mAera sistem tanpa pengendali, sistem yang menggunakan pengendali posisi dengan logika fin2y dan aistem yang menggtmakan pengendaIi PID biases. Analisa terhadap hasil simulasi model motor erns search yang dikendalikan menunjukkan pengendali posisi motor arcs searah menggunakan logika fuzzy yang didasmim pada teknik kendali sliding mode ini dapat mempercepat rise-time dan settling-time, mengunmgi overshoot clan memperkecil kesalahan hmak dari suatu sistem yang dikendalikan.Pengendali ini juga mampu mengurangi kepekaan sistem terbadap pengmuh yang disebabkan oleh perubahan besar beban yang diberiken kepada motor arcs searah yang dikendalikan, tanpa hares mengubah nilai-nilai parameter-parameter pengendalinya."

"Sistem robotik merupakan sistem yang kompleks apabila ditinjau dari prespektif kontrol. Pemodelan sistem robotik menghasllkan persamaan dinamika dengan sifaf yang tak-linier serta koefisien-koefisien yang terkait satu dengan lalnnya dan berubah terhadap waktu. Makalah ini akan membahas penggunaan pengendali berbasiskan logika fuzzy sebagai pengendali posisi pada manipulator robotik. Robotik manipulator yang akan digunakan sebagai bahan pembahasan adalah manipulator bertipe bahu-tiga sumbu (three axis-elbow type) dengan tiga derajat kebebasan."

"Pada skripsi ini akan dirancang suatu sistem pengendalian posisi robot berdasarkan pengendali logika fuzzy dengan mouse komputer sebagai sensor posisi. Perangkat sensor yang digunakan adalah wireless optical mouse yang dipasangkan pada rancang bangun robot yang digunakan. Sesuai dengan waktu cuplik yang telah ditentukan, komputer akan menerima data-data hasil cuplikan berupa koordinat kartesian (x, y) dari mouse tersebut. Pengendalian posisi robot didasarkan pada error yang dihasilkan antara data-data yang berasal dari mouse sebagai titik keberadaan robot dan titik acuan atau way- point yang telah didefinisikan terlebih dahulu sebagai nilai set-point. Digunakan dua buah pengendali berbasis logika fuzzy yaitu pengendali "fuzzy jarak" dan pengendali "fuzzy belok”. Pengendali "fuzzy jarak” digunakan untuk menghasilkan tegangan terminal basis V1-basis yang sama antara motor kiri dan motor kanan. Variansi keluaran pengendali ini didasarkan oleh selisih jarak yang dihasilkan oleh titik acuan dengan titik keberadaan robot. Pengendali "fuzzy belok" digunakan untuk menghasilkan tegangan terminal kiri dan kanan V1-left dan V1-right untuk memenuhi kriteria belok yang dilakukan. Teknik berbelok yang digunakan pada robot adalah dengan perbedaan kecepatan putaran antara roda kiri dan roda kanan variansi keluaran fuzzy ini didasarkan oleh selisih sudut yang dihasilkan oleh titik acuan dengan titik keberadaan robot. Dilakukan pula serangkaian simulasi dan uji coba untuk melihat kinerja dari sistem pengendalian posisi robot yang telah dirancang. Dimulai dengan pengujian terhadap komponen-komponen penyusunnya sampai pada pengujian sistem secara keseluruhan."

"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."