Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Sistem temperatur pada proses kimia merupakan suatu sistem yang kompleks dan tak linear, sehingga hares dikendalikan dengan pengendali yang adaptif. Pengendali PID yang banyak dignakan dalam sistem ini dapat dibuat menjadi sebuah pengendali adaptif dengan menggunakan pengendali logika fuzzy sebagai pengatur nilai parameter pengendali PJD. Pengendali PID adaptif berbasis logika fuzzy seperti ini memiliki parameter yang dapat berubah sesuai karakteristik sistem yang dikendalikannya Dalam skripsi ini Akan dibahas simulasi sistem temperatur pads proses kimia dengan pengendali P1D adaptif berbasis fuzzy. Sirnulasi dilakulcan dengan menggunakan perangkat lunak MATLAB versi 5.3,0, Simulink versi 2.0 dan Fuzzy Logic Toolbox versi 2M. Masukan sistem yang digunakan ialah fungsi langkah satuan (input step). Hasil simulasi menunjukkan bahwa sistem dengan pengendali PID adaptif berbasis fuzzy memiliki karakteristik tanggapan waktu yang lebih baik dibandingkan basil simulasi sistem dengan pengendali proporsional unity gain dan pengendali PID Zieger-Nichols. Hal ini tampak terutama pada overshoot (os) yang dihasilkan."

"Sistem Boiler merupakan sistem yang melibatkan banyak variabel dan ketidak linieran. Pemodelan pada sistem boiler dilakukan untuk mendapatkan model dinamika. Model dinamika yang didapat merupakan persamaan yang memiliki sifat non liner. Proses linierisasi perlu dilakukan untuk mendapatkan persamaan-persamaan yang bersifat linier. Dari model dinamika dapat diketahui pengaruh perubahan laju masukan air, laju bahan bakar, laju keluaran uap terhadap tekanan pada drum dan ketinggian air dalam drum. Bagian dekopling diperlukan untuk memisahkan pengaruh silang antara variabel-variabel keluaran yang sedang dikendalikan. Sistem kendali adaptif dapat melakukan proses penataan secara terus menerus dengan adanya bagtan estimator yang berfungsi untuk mengestimasi nilai-nilai parameter sistem yang sedang dikendalikan. Hasil estimasi digunakan untuk menala ulang parameter-parameter pada sistem kendali. Pole Asignment. Pengendali Pole Asignment digunakan untuk memperbaiki respon sistem yang sedang dikendalikan."

"Dalam Tugas Akhir ini digunakan sistem kendali yang merupakan gabungan antara pengendali jaringan syaraf dengan pengendali PID. Pengendali jaringan syaraf yang digunakan menggunakan sebuah jaringan syaraf lain yang berfungsi sebagai ideenrifier. Identifier di sini berfungsi untuk menghitung sinyal error bagi jaringan syaraf pengendali. 3aringan syaraf pengendali di sini berfungsi untuk memberikan sinyal koreksi bagi sinyal kendali pengendali PID untuk memperbaiki respon transien sistem. Dengan menggunakan kombinasi dua jenis pengendali seperti ini, diperoleh basil kendali dengan tanggapan yang eepat dan stabil, yang terlihat pada basil simulasi yang dilakukan."

"Perkembangan bare dalam neural network telah memberikan keuntungan-keuntungan dalam aplikasi sistem kontrol. Berdasarkan teori stale space dan pendekatan neural network, dikembangkan suatu algoritma yang disebut Stochastic Neural Direct Adaptive Control (SNDAC) untuk mengendalikan plant yang diketahui sebagian matriks sistemnya, yaitu matdks masukan B(.) dan matriks keluaran C(.). Pengendali neural network menggunakan algoritma SNDAC untuk mengubah bobot-bobotnya sehingga dihasilkan sinyal kendali yang mengoptimalkan quadratic performance index. Parameter yang berpengaruh pada pengendalian adalah banyaknya neuron pada lapisan tersembunyi dan besarnya koefisien belajar. Pemilihan banyaknya neuron pada lapisan tersembunyi dan besarnya koefisien belajar tidak dapat dilakukan secara eksak, tetapi dengan trial and error. Dengan pemilihan yang tepat dihasilkan pengendalian yang stabil dengan toleransi kesalahan yang kecil, seperti terlihat pada hasiI simulasi."

"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."

"Sistem kendali berbasis logika fuzzy terdiri dari proses fuzzifikasi, pengarnbilan keputusan berdasarkan basis pengetahuan, dan defuzzifikasi. Basis pengetahuan memuat aturan-aturan kendali fuzzy dan informasi mengenai proses pengolahan data yang terjadi dalam sistem kendali. Dalam skripsi ini, penerapan logika fuzzy pada sistem kendali akan disimulasikan pada sistem pengatur temperatur suatu ruang. Pada simulasi pengaruh temperatur luar terhadap sistem turut diperhitungkan. Model sebuah ruangan diturunkan dari perumusan resisitansi dan kapasitansi termalnya. Kernudian FLC digunakan untuk 'mengendalikan sistem, dengan input T error dan DT error serta output berupa sinyaI kendali mesin pemanas dan pendingin. Digunakan 15 aturan kendali dengan implikasi mamdani dan metode defuzzifikasi LoM. Hasil simulasi menunjukkan bahwa penggunaan FLC telah memperbaiki kinerja sistem pengendalian temperatur ruang, yang ditandai dengan settling time dan rise time yang lebih baik, juga error yang diperoleh cukup kecil bila dibandingkan sistem dengan terrnostat. Pengaruh temperatur Iuar digunakan untuk menaikkan temperatur ruang dari nol sampai mencapai set point, yang mempersingkat settling time sistem (ruangan berjendela). Pada ruang tanpa jendela settling time sedikit lebih lambat, karena pengaruh temperatur luar lebih kecil. Kemampuan FLC dibatasi oleh dirnensi ruang dan jangkauan setpoint yang diinginkan."