Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada Tugas Akhir ini, pengendali fizzy dipadukan dengan pengendali adaptif model referensi, dimana model referensi yang dipilih bersifat linier dan berorde satu sehingga disebut jugs Linear Model Following Controller (LMFC). Pada perancangannya, mula-mula sebuah output umpan balik LWC didisain berdasarkan model plant yang diestimasi secara kasar, yaitu model plant yang ordenya direduksi menjadi satu, dan sebuah model referensi yang dipilih. Kemudian sebuah pengendali fuzzy yang dikendalikan error dan delta error dirancang untuk mengurangi efek dari variasi-variasi parameter dan dinamika sistem yang tidak termodelkan. Pengendali yang dimaksud kemudian disimulasikan untuk berbagai vwiasi parameter dan kondisi operasi. Beberapa hasil simulasi juga diberikan beserta analisisnya. Hasil simulasi menunjukkan bahwa pengendaFi fuzzy telah sangat berhasil meningkatkan performansi sistem, dibanding bila hanya digunakan pengendali adaptif model referensi atau LWC. Peningkatan performansi sistem ditunjukkan oleh penyimpangan maksimum rise time dan settling tune dari model yang sangat kecil, yaitu masingmasing 0,0040 s dan 0,0070 s, serta %OS dan error steady state maksimum yang hanya sebesar 0,0856 % dan 0,0009."

"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."

"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."

"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."

"Kendali fuzzy adalah suatu aturan kendali daya penalaran yang disusun dari kumpulan aturan logika fuzzy dalam bentuk Jika Maka. Aturan Jika Maka ini dapat berasal dari pengalaman operator atau diperoleh secara otomatis dari prosedur adaptasi. Pada penelitian ini kendali adaptip fuzzy dirancang untuk sistim kontinyu non-linier orde berapa saja. Proses perancangannya terdiri dari tiga tahap yaitu: Tahap pertama, mendefinisikan himpunan fuzzy dengan fungsi keanggotaan yang melingkupi semua keadaan; Tahap kedua, menggunakan aturan kendali dalam bentuk Jika-Maka yang berasal dari pengalaman operator atau dari sumber lain untuk digunakan sebagai kendali awal pada parameter yang akan diadaptasi; Tahap ketiga, menggunakan suatu prosedur adaptasi untuk mengadaptasikan parameter pada kendali fuzzy berdasarkan pendekatan Lyapunov."

"Tugas Akhir ini merancang suatu pengendali berbasis NeuroFuzzy dan mengujicobanya pada perangkat lunak sederhana untuk sistem linier orde dua. Pada akhir pengendalian diharapkan diperoleh tanggapan sistem yang lebih baik. Tanggapan ini berupa settling time, rise time, overshoot dan galat tunak, yang diharapkan men jadi lebih cepat, lebih singkat, dan lebih kecil. Pengendali yang dirancang adalah suatu pengendali yang menggabungkan Jaringan Saraf Buatan dengan pengendali Logika Fuzzy. Jaringan saraf buatan mempunyai kemampuan belajar dan dilatih dengan sekumpulan data pelatihan. Pada pengendali ini jaringan saraf buatan dilatih untuk menentukan nilai keanggotaan error dan selisih error sebagai masukan pengendali, ke dalam nilai linguistik yang bersesuaian. Pengendali ini juga membutuhkan Fuzzy Assosiative Memory (FAM). Uji cobs perangkat lunak dilakukan terhadap lima model sistem linier orde dua, yang diharapkan mampu mewakili suatu sistem linier orde dua secara keseluruhan. Perangkat lunak tersebut dibuat dengan bahasa pemrograman Visual Pascal, menggunakan Borland Delphi versi 1.0. Tanggapan waktu model sistem linier orde dua tanpa pengendali NeuroFuzzy kemudian akan dibandingkan dengan tanggapan hasil pengendalian dengan pengendali berbasis NeuroFuzzy. Dari hasil perbandingan diharapkan terjadi perbaikan tanggapan. yang menandakan keberhasilan pengendalian."