Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada Tugas Skripsi ini dibuat simulasi suatu sistem kendali untuk mengendalikan gerak longitudinal pesawat terbang. Sistem ini bekenja mengendalikan gerakan pitch pesawat (gerakan naik-turun hidung pesawat). Ini dilakukan dengan pengaturan sudut elevator (sirip pada sayap belakang horisontal). Dalam simulasi ini digunakan metode Runge-Kulta orde empat.br>Dalam Tugas Skripsi ini digunakan pengendali berbasis logika fuzzy yaitupengendali umpan balik yang mendasarkan pengendaliannya pada teori Iogika fuzzy.Tujuan penerapan logika fhzzy tersebut adalah untuk memperbaiki tanggapan waktusistern kendali dalam mencapai kestabilannya. Dalam analisa respons keluaran sistem dipakai parameter tanggapan waktu,yaitu rise time, settling lime, percent overshool. dan steady state error. Hasil analisamenunjukkan bahwa penerapan pengendali logika dapat memperbaiki tanggapanwaktu sistem kendali gerak pitch pesawat terbang.

---

"

"Beberapa tahun belakangan ini, pengendali logika fuzzy berkembang dengan pesat karena kefleksibelannya dalam pengambilan aksi kendali untuk sistem dengan model matematis yang sulit sekalipun, Sejalan dengan perkembangan itu, ditemukan suatu metode untuk mengidentifikasi pemodelan pengendali logika fuzzy, yaitu dengan menggunakan jaringan adaptif. Hai ini sangat membantu, terutama jika sistem yang akan dikendalikan sedemikian kompleksnya sehingga penalaan sistem inferensi fizzynya sulit untuk dilakukan secara manual. Pengendali fuzzy yang menggunakan jaringan adaptif dalam mekanisme belajar untuk menala sistem inferensinya disebut ANFIS (Adaptive Network-Based Frizzy hTerence System). DaIam Tugas Skripsi ini dibuat simulasi penggunaan ANFIS untuk mengidentifikasi model sistem inferensi fuzzy yang akan digunakan dalam pengendalian gerak pitch pesawat terbang, serta simulasi penerapannya dalam pengaturan sudut elevator (sirip pads sayap beiakang horisontal). Tujuan penerapan metode ANFIS tersebut adalah agar sistem yang dikendalikan memiliki tanggapan yang sama seperti sistem yang dijadikan acuan. Dalam hal ini berarti memperbaiki tanggapan sistem tersebut, yaitu dengan mempercepat kestabilan sistem dan menghilangkan lonjakan awal. Dalam anabsis tanggapan sistem digunakan parameter tanggapan waktu, yaitu waktu naik, waktu puncak, waktu tetap, persentase lonjakan, dan kesalahan galat tunak. Hasil analisis menunjukkan bahwa sistem inferensi fuzzy hash penalaan metode ANFIS dapat mengeluarkan sinyal kendali yang membawa tanggapan sistem yang dikendalikan menuju tanggapan yang diinginkan, yaitu tanggapan sistem dengan wal.-tu tetap lebih keeil atau sama dengan 6 detik dan tidak mengalami lonjakan."

"Sistem simulasi yang diketengahkan dalam Tugas Akhir ini menggunakan algoritma pengaturan berbasis logika fuzzy. Logika fuzzy digunakan untuk mengatasi kesulitan pengendalian pada sistem yang memiliki sifat non-linieritas tinggi, di antaranya adalah pengemudian mobil. Akan dijelaskan model asli model yang disederhanakan, serta penentuan model fuzzy Takagi-Sugeno mobil. Sebagai pengendali digunakan kontroler fuzzy yang dioptimasi dengan persamaan Riccati. Dibahas juga pengujian kestabilan pengendalian. Dalam hal ini, logika fuzzy tidak hanya digunakan pada pengendali (kontroller) tetapi juga untuk memodelkan mobil (model fuzzy Takagi-Sugeno). Pada bagian akhir diberikan flowchart program simulasi dan Basil-hasil simulasi pada beberapa kondisi untuk menunjukkan pengaruh - kecepat:an, waktu cuplik, panjang mobil, dan besainya state feedback gain, K terhadap kinerja pemarkiran."

"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."

"Dalam Skripsi ini sebuah pengendali Fuzzy Takagi-Sugeno dirancang untuk mengendalikan sistem tangki terhubung dalam skema Internal Model Control (IMC). Sebuah model NARX (Nonlinear AutoRegressive eXogeneous) digunakan dalam skema IMC untuk meniru karakteristik sistem tangki terhubung dan diidentifikasi berdasarkan data masukan-keluaran sistem. Identifikasi yang dilakukan terhadap coupled tank apparatus PP-100 adalah dengan metode fuzzy clustering Gustafson-Kessel dan Least Square untuk mendapatkan model fuzzy Takagi-Sugeno. Perancangan pengendali invers dari model fuzzy Takagi-Sugeno digunakan invers affine secara langsung. Hasil pengendalian yang diperoleh menunjukkan kinerja yang sangat baik dimana proses dapat mengikuti acuan yang diberikan. Juga dilakukan perbandingan kinerja pengendalian untuk model yang diidentifikasi dengan metode Instrumental Variable. Hasil yang diperoleh dengan metode Least Square sama persis dengan metode Instrumental Variable. Skema pengendali IMC juga lebih baik dibandingkan dengan pengendali pole placement, dimana pada pengendati pole placement keluaran dari proses tidak dapat mengikuti acuan yang diberikan."

"Sistem perolehan citra merupakan bidang penelitian yang berkembang pesat seiring dengan semakin banyaknya jumlah koleksi citra. Zoran telah mengembangkan sistem perolehan citra dengan menggunakan atribut tingkat rendah yaitu spasial warna. Namun pada sistem tersebut masih ditemukan satu kekurangan yaitu pendekatan yang digunakan adalah crisp, dengan pendekatan ini ada citra-citra yang relevan tetapi citra tersebut tidak diperoleh yang seharusnya dapat diperoleh. Pada penelitian ini diusulkan logika fuzzy sebagai pendekatan untuk merepresentasikan spasial warna pada sistem perolehan citra. Fungsi keanggotaan fuzzy yang diusulkan untuk memodelkan kedua puluh dua spasial warna Zoran adalah fungsi gaussian dua dimensi (2D). Kedua puluh dua spasial warna tersebut adalah : tengah, pinggir, tepi kiri, tepi kanan, tepi atas, tepi bawah, kiri atas, kiri bawah, kanan atas, kanan bawah, seperempat kiri atas, seperempat kiri bawah, seperempat kanan atas, seperempat kanan bawah, setengah kanan, setengah kiri, setengah atas, setengah bawah, horisontal, vertikal, diagonal menaik serong ke kanan, diagonal menurun serong ke kanan. Hasil uji coba memperlihatkan bahwa sistem ini berhasil memperbaiki pendekatan sebelumnya dalam merepresentasikan kueri spasial warna. Diharapkan rancangan sistem ini bisa memberikan kueri yang lebih alami kepada pengguna."

"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."

"Konstanta waktu dan waktu tunda proses merupakan faktor yang tidak dapat dihindari pada pengendalian proses-proses industri, sehingga usaha penalaan parameter kendali menjadi rumit dan memerlukan waktu yang panjang. Untuk penalaan pengendali Proporsional-Integral-Derivatif (PID) konvensional biasanya digunakan metode penalaan Ziegler-Nichols, yang pada prakteknya memerlukan beberapa kali penalaan yang memerlukan waktu yang lama.Tugas akhir ini membahas rancangan pengendali PID pada sistem kendali digital dimana parameter pengendali tersebut akan diubah dan diperbaiki berdasarkan mekanisme kendali fuzzy selama proses berlangsung untuk mencapai respons sistem yang lebih baik. Nilai awal parameter pengendali didapat melalui metode Sintesis yang dapat diaplikasikan untuk setiap kombinasilmodel proses, karena metode ini dibangun berdasarkan prinsip-prinsip dasar perhitungan sistem kendali.Basis pengetahuan mekanisme kendali fuzzy disusun berdasarkan prinsip jika keluaran sistem sesuai dengan yang diinginkan (error sama dengan nol) dan perubahan error sama dengan nol, maka keluaran pengendali dibuat konstan. Jika keluaran berbeda dengan yang diinginkan, maka aksi yang dilakukan tergantung dari nilai error dan nilai perubahan error. Jika kondisi error menuju nol dengan sendirinya, maka keluaran pengendali dibuat konstan atau hampir konstan. Jika tidak (error tidak menuju nol), maka keluaran pengendali terus diperbaiki sampai sesuai dengan nilai yang diinginkan.Hasil pengendalian dengan pengendali ini pada sistem yang disimulasikan dengan komputer pribadi menggunakan perangkat lunak Microsoft Excel'97 dan Fuzzytech 5.12 menunjukkan perbaikan respons sistem, yaitu delay time, rise time dan settling time yang relatif lebih cepat."