Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Pengendali logika fuzzy biasa mampu memperbaiki tanggapan waktu suatu sistem kendali. Keberhasilan pengendali logika fuzzy biasa ini, sangat dipengaruhi oleh pengetahuan seorang operator ahli dalarn menentukan nilai-nilai aturan fuzzy, fungsi keanggotaan masukan dan keluaran fuzzynya. Kendala tersebut dapat diatasi dengan menerapkan jaringan syaraf buatan (intelligent neural ntwork) ke dalam perancangan pengendali logika fuzzy. Pada tugas sloipsi ini mencoba menerapkan sualu struktur jaringan syaraf buatan pada perancangan pengendali Iogika fuzzy untuk mengendalikan suatu sistem kendali yang selanjutnya disimulasikan dengan suatu perangkat lunak sederhana (visual basic 3.0). Struktur jaringan syaraf buatan tersebut adalah struktur normalized fuzzy neural network (NT-NN). Pengendali yang dirancang disebut pengendali NFNN. Dalam pengendalian suatu sistem, pengendali NFNN ini membutuhkan suatu identifikasi. Identifikasi disini berfungsi untuk memperoleh perubahan sinyal keluaran plant terhadap perubahan sinyal masukan plant. Dengan kemampuan belajar dari jaringan syaraf buatannya, pengendali NFNN ini mampu memperbaharui nilai aturan fuzzy, fungsi keanggotaan masukan dan fungsi keanggotaan keluaran dalam usaha memperbaiki keluaran suatu sistem kendali. Dengan demikian, pengendali NFNN ini mengurangi kerja operator ahli dalam menentukan nilai aturan-aturan fuzzy, timgsi keanggotaan masukan dan keluaran fuzzy. Hasil simulasi yang dilakukan dengan menggunakan pengendali NFNN ini diperoleh perbaikan pada rise time, settling time, dan kesalahan tunak suatu sistem yang dikendalikan."

"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."

"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."

"ABSTRAKPengendali Fuzzy yang digunakan dalam aplikasi industri memiliki kelemahan jika diterapkan pads sistem yang mengandung komponen noniinier deadzone. Keluaran sistem akan memiliki galat tunak dan tanggapan waktu yang kurang baik. Berdasarkan a.nalisa keadaan tunak dapat diketahui bahwa galat tunak yang ada bila muncul dea&one dapat dihilangkan dengan menambahkan suatu nilai pada masukan Pengendali Fuzzy. Hal ini yang mendasari ditambahkannya suatu prekompensator berbasis frazy ke dalam sistem. Fuzzy Prekompensator ini dapat langsung ditambahkan ke sistem tanpa mengubah Pengendali Fuzzy yang telah ada. Dalam Tugas Akhir ini dibahas perancangan dan simulasi Pengendali Fuzzy Lapis Dua dengan menggunakan program simulasi Visual Basic versi 3.0. Lapis pertam,a adalah Fuzzy Prekompensator yang akan mengkompensasi galat tunak yang tnuneul bila ads deadzone dalam sistem. Lapis kedua adalah Pengendali Fuzzy biasa yang Bering digunakan dalam aplikasi. Ujicoba simulasi dilakukan pada enam model plant Tiga model plant or& dua yang masing-masing memilild tanggapan waktu dengan redaman kurang, redaman lcbk dan osilasi, dan tiga model plant orde tiga Pada setiap model plant diujicoba dengan tiga macam iebar dea&-one untuk besar kemiringan yang tetap, dan dengan tiga nacam besar kemiringan untuk lebar deadzone yang tetap. Masukan yang diberikaa adalah fungsi langkah. Hasil simulasi pads keenam model plant menunjukkan bahwa penambahan fuzzy Prekompensator ini dapat meaakukan perbaikan pads settling time, mengurangi overshoot dan menghilangkan galat tunak.

---

"

"Jacketed Stirred Tank Heater adalah sebuah tangki yang diselubungi oleh suatu ruangan pemanas yang disebut jaket, jaket ini berfungsi sebagai ruangan untuk menyalurkan bahan pemanas untuk memanaskan cairan yang terdapat di dalam tangki. Sistem Jacketed stirred tank heater ini terdiri dari bagian tangki dan bagian jaket yang mengelilingi tangki tersebut.Penggunaan jacket adalah untuk menjaga sirkulasi kalor merata di sekeliling tangki dan mengurangi transfer kalor dari dalam tangki langsung ke lingkungan, karena temperatur di dalam jacket dijaga berada di atas temperatur cairan di dalam tangki, sehingga cairan di dalam tangki akan menyerap kalor dari jacket dan bukan sebaliknya. Hal inilah yang membuat penggunaan jacket pada Stirred Tank Heater dapat mempercepat proses pemanasan cairan di dalam tangki.Model sistem Jacketed Stirred Tank Heater diperoleh dengan menggunakan kesetimbangan massa dan energi. Model matematik sistem ini merupakan persamaan yang memiliki sifat nonlinier. Proses linierisasi perlu dilakukan untuk mendapatkan persamaan-persamaan yang bersifat linier. Sistem Jacketed Stirred Tank Heater merupakan sistem Multi Input Multi Output (MIMO), yang terdiri dari dua varabel input dan dua variabel output.Tujuan penelitian ini adalah merancang sistem kendali Proportional Integral (PI) dan sistem kendali fuzzy untuk mengatur sistem jacketed stirred tank heater sehingga mendapatkan temperatur output sesuai dengan yang diinginkan. Pengendalian sistem disimulasikan dengan menggunakan perangkat lunak MATLAB versi 7.1 dan kemudian membandingkan hasil pengendalian yang diperoleh dengan kedua jenis pengendali tersebut.

---

Jacketed Stirred Tank Heater is a tank that covered by heater room which is called Jacket, this jacket have a function as room to transported heater materials and heating the fluids inside the tank. This Jacketed stirred tank heater system consist of tank & jacket part that surrounding the tank.This jacket usage is to maintain the steam circulation flatten in whole tank and reduce heat transformation from inside tank to environment directly, because the temperature inside jacket maintained in level above the fluid temperature inside, so that the fluid inside tank would absorb heat from the jacket and not the contrary. This is the point which jacket usage on Stirred Tank Heater could speed up the heating process inside the tank.Jacketed Stirred Tank Heater system models is obtained by use mass & energy balancing. This maths model system is a nonlinier equation. Linierisation process need to be done to get the linier equations. Jacketed Stirred Tank Heater system is a Multi Input Multi Output (MIMO) system, that consist of two input and two output variable.This research objective is to design Proportional Integral (PI) and fuzzy control system to controlled jacketed stirred tank heater system, so we could get the output temperature that appropriate with the requirement. Controlling system is simulated by use MATLAB 7.1 version program and compared with the result from those two controlling system above."

"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."

""Pada Tugas Akhir ini, ditampilkan dua macam sistem phasa non-minimum berclasarkan jumlah zero pads biclang s sebelah kanan maka simulasi difakukan pada beberapa model sistem orde dua sebagai model jenis pertama clan orde tiga sebagai model jenis kedua peristiwa undershoot. Teriebih dahulu dihitung fungsi alih implementahle bagi model sistem berdasarkan kriteria ITAE optimal. Untuk mengatasi: penstiwa undershoot clan memperbaiki performansi sistem digunakan pengendali logika fuzzy (l""iuz-_y Logic Controller, FLC) dengan dua bush tahap logika pengambil keputusan (Decision Making Logic, DML), sebagai akibatnya respons sistem akan menjadi lebih lambat karena seolah-olah tedadi penundaan (delay). Untuk mengatasi hal tersebut digunakan pengendali dua derajat kebebasan (kontroler 2-D) untuk memperbaiki transient response sistem setelah terlebih dahulu dihitung fungsi alih inrplenrentable. Pengendali dua derajat kebebasan terdiri dari dua kompensator yaitu kompensator umpan maju clan umpan batik dengan numerator dan denumerator bagi kompensator 2-D dicari berdasarkan metoda Aljabar Linier. Hasil simulasi yang sangat balk bagi penerapan pengendali logika fuzzy pada sistem phasa non-minimum dalam simulasi ini adaiah pada sistem berorde 3 contoh pertama yang ditunjukkan dengan nilai parameter rise lime sebesar 1.1.""