Hasil Pencarian  ::  Simpan CSV :: Kembali

"Paper ini memaparkan perancangan pengendali robot berbasis perilaku menggunakan Fuzzy, di mana parameter Fuzzy ditala secara otomatis menggunakan Particle Swarm Optimization (PSO) yang diistilahkan dengan Particle Swarm Fuzzy Controller (PSFC). Suatu fungsi tertentu dirancang untuk meningkatkan performa proses pencarian PSO. Fungsi tersebut mengubah harga bobot inersia menjadi berkurang secara sigmoid (Sigmoid Decreasing Inertia Weight). Empat buah perilaku robot dirancang menggunakan PSFC. Kemudian seluruh perilaku tersebut juga dikoordinasikan menggunakan PSFC. Beberapa simulasi pengendalian pergerakan robot dan percobaan dengan robot MagellanPro telah dilakukan untuk menguji performa algoritma yang dirancang. Algoritma lain, Genetic Fuzzy Controller (GFC) digunakan sebagai pembanding. Dari hasil pengujian dapat dikatakan bahwa pengendali yang dirancang memiliki kemampuan yang baik untuk menyelesaikan tugasnya pada suatu lingkungan nyata.

---

AbstractThis paper describes the design of robots controllers based on behaviour using Fuzzy, in which the Fuzzy parameters are automatically tuned using the Particle Swarm Optimization (PSO) which is termed the Particle Swarm Fuzzy Controller (PSFC). A particular function is designed to improve the performance of PSO search process. That particular function changes the value of the inertia weight, so it?s decreased in sigmoid (Sigmoid Decreasing Inertia Weight). Four types of robots behaviour are designed and coordinated using the PSFC. Some simulation of the robot movement control and experiments with the robot MagellanPro have been conducted to test the performance of the algorithm that have been designed. Another algorithm, Genetic Fuzzy Controller (GFC) is used as a comparison. From the test results, it can be said that the controllers that have been designed, have a good ability to accomplish its task in a real environment."

"Paper ini memaparkan perancangan pengendali robot berbasis perilaku menggunakan Fuzzy, di mana parameter Fuzzy ditala secara otomatis menggunakan Particle Swarm Optimization (PSO) yang diistilahkan dengan Particle Swarm Fuzzy Controller (PSFC). Suatu fungsi tertentu dirancang untuk meningkatkan performa proses pencarian PSO. Fungsi tersebut mengubah harga bobot inersia menjadi berkurang secara sigmoid (Sigmoid Decreasing Inertia Weight). Empat buah perilaku robot dirancang menggunakan PSFC. Kemudian seluruh perilaku tersebut juga dikoordinasikan menggunakan PSFC. Beberapa simulasi pengendalian pergerakan robot dan percobaan dengan robot MagellanPro telah dilakukan untuk menguji performa algoritma yang dirancang. Algoritma lain, Genetic Fuzzy Controller (GFC) digunakan sebagai pembanding. Dari hasil pengujian dapat dikatakan bahwa pengendali yang dirancang memiliki kemampuan yang baik untuk menyelesaikan tugasnya pada suatu lingkungan nyata.This paper describes the design of robots controllers based on behaviour using Fuzzy, in which the Fuzzy parameters are automatically tuned using the Particle Swarm Optimization (PSO) which is termed the Particle Swarm Fuzzy Controller (PSFC). A particular function is designed to improve the performance of PSO search process. That particular function changes the value of the inertia weight, so it‟s decreased in sigmoid (Sigmoid Decreasing Inertia Weight). Four types of robots behaviour are designed and coordinated using the PSFC. Some simulation of the robot movement control and experiments with the robot MagellanPro have been conducted to test the performance of the algorithm that have been designed. Another algorithm, Genetic Fuzzy Controller (GFC) is used as a comparison. From the test results, it can be said that the controllers that have been designed have a good ability to accomplish its task in a real environment."

"Dalam skripsi ini akan dijelaskan model dinamik robot beroda dengan kemudi differensial yang dikendalikan dengan pengendali fuzzy. Pengendaii fuzzy menggunakan dua kumpulan aturan pengambil keputusan yang disebut behavior (behavior penghindaran halangan dan behavior pencapaian tujuan). Behavior pencapaian tujuan akan dilaksanakan bila sensor tidak mendeteksi halangan atau bila titik tujuan lebih dekat dibanding jarak halangan yang terdeteksi. Seiain kondisi tersebut diatas maka behavior penghindaran halangan yang akan dijalankan. Komponen-komponen yang dipergunakan dalam membentuk pengendalian tersebut dikelompokkan menjadi dua bagian, yakni masukan yang terdiri dari jarak terdekat pengukuran halangan oleh sensor, posisi tujuan relalif terhadap sudut heading robot dan jarak tujuan. Sedangkan keluaran adaiah beda tegangan begi motor penggerak roda robot. Pengendali fuzzy yang terdiri dari gabungan dua behavior ini membentuk 66 aturan. Pada simulasi, kecepatan diasumsikan tetap dan jarak maksimum pengukuran sensor adalah 2 meter. Pada bagian akhir akan diberikan algoritrna progam simulasi dan hasil-hasil simulasi pada beberapa kondisi untuk menunjukkan kinerja sistem."

"Behavior-based control architecture has been broadly recognized due to their compentence in mobile robot development. Fuzzy logic system characteristics are appropriate to address the behavior design problems. Nevertheless, there are problems encountered when setting fuzzy variables manually. Consequently, most of the efforts in the field, produce certain works for the study of fuzzy systems with added learning abilities. This paper presents the improvement of fuzzy behavior-based control architecture using Particle Swarm Optimization (PSO). A wall-following behaviors used on Particle Swarm Fuzzy Controller (PSFC) are developed using the modified PSO with two stages of the PSFC process. Several simulations have been accomplished to analyze the algorithm. The promising performance have proved that the proposed control architecture for mobile robot has better capability to accomplish useful task in real office-like environment.Arsitektur pengendali robot berbasis perilaku telah secara efektif menunjukkan kompetensinya dalam pengembangan teknologi robot bergerak. Karakteristik sistem logika fuzzy adalah salah satu solusi yang dapat diandalkan untuk menyelesaikan beberapa problem pada perancangan perilaku robot. Akan tetapi, terdapat kesulitan untuk dapat menala parameter fuzzy secara manual. Oleh karena itu beberapa studi dilakukan untuk mengintroduksi kemampauan pembelajaran pada sistem logika fuzzy. Tulisan ini membahas pengembangan arsitektur pengendali robot berbasis perilaku dengan memanfaatkan Particle Swarm Optimization (PSO). Perilaku robot mengikuti dinding berbasiskan Particle Swarm Fuzzy Controller (PSFC) dibangun menggunakan PSO yang telah dimodifikasi dengan dua tahap proses PSFC. Beberapa pengujian telah dilakukan untuk menganalisa performansi algoritma tersebut. Hasil pengujian menunjukkan bahwa perancangan tersebut memiliki performansi yang menjanjikan bahwa robot dapat menyelesaikan tugasnya dengan baik pada suatu lingkungan tertentu."

"Robot otonomi merupakan robot yang mampu bergemk dengan baik pada lingkungan sekitar tanpa pengendalian menusia. Sebagian besar sistem pengendali robot otonomi yang telah dikembangkan adalah sistem pengendali logika fuzzy yang berbasis pada sebuah komputer pribadi. Fungsi dari komputer ini adalah untuk mengendalikan robot berdasarkan goal-directed behaviour dan reactive behaviour. Melihat dari konsep reactive behaviour, terlalu berlebihan apabila bagian ini ditangani oleh scbuah komputer pribadi; akan lebih sederhana dan lebih ringkas apabila digunakan sebuah sistem mikrokontroler. Pada slcripsi ini dilakukan rancang bangun sebuah sistem pengendali logika fI.lZZy untuk robot otonomi yang memililci reactive behaviour, sehingga mampu untuk melalcukan tindakan penghindaran rintangan. Skripsi ini mencoba penerapan sistem pengendali tersebut dengan menggunakan mikrokontroler AT89C52. Digunakan mikrokontroler jenis ini adalah karena dapat beketja dengan keccpatan yang tinggi,jIa.sh ROM dan RAM cukup besar, Serta harga yang murah dan mudah didapatkan di pasaran lokal. Sistem yang dirancang menggunakan konsep dasar Ioglka fuzzy sederhana, yaitu dengan menggunakan telcnik fasljitzzgfication pada fungsi keanggotaan standar, metode inferensi Mamdani, sorta fungsi defilzziiikasi jenis centroid. Pada tahap uji coba terlihat bahwa robot mampu untuk melakukan tindakan penghindaran rintangan dengan baik dan tanggapan yang cepat terhadap objek statis. Hal ini didukung oleh karakteristik sonar yang dapat mengukur dcngan tlngkat kesalahan rata-rata sebesar 5,67%. Kernulusan pergerakan dan kecepatan tanggapan robot sangat ditentukan oleh penentuan aturan-aturan fuzzy, dan jumlah sonar. Selain kecepatan kerja mikrokontroler, kecepatan tanggapan sangat dibatasi terutama oleh waktu tunda sonar dan kecepatan pergiliran antar sonar. Namun secara umum, tindakan penghindaran rintangan yang dilakukan oleh robot sudah sangat baik."

"Robot otonom merupakan robot yang mampu bergerak dengan baik pada lingkungan tertentu tanpa adanya campur tangan dan pengendalian manusia. Pengendalian robot otonom berdasarkan dua sistem tingkah laku (behavior) yang berlaku pada umumnya yaitu goal oriented behavior dan reactive behavior, Goal-oriented behavior merupakan tingkah laku pergerakan robot yang se1alu mengarah pada suatu lokasi tujuan tertentu, sedangkan Reactive behavior merupakan tingkah laku robot yang merupakan reaksi terhadap suatu rangsangan luar dari lingkungan sekitarnya. Pada skripsi ini penulis melakukan rancang bangun sebuah sistem pengendali logika fuzzy dengan menggunakan sistem mikrokontroler keluarga MCS-51 sebagai pengganti penggunaan komputer berbasis mikroprosesor yang dirasakan kurang efisien. Mikrokontroler digunakan untuk memadukan dua sistem tingkah laku robot otonom yaitu sistem reactive behavior dan goal oriented behavior yang menggunakan logika fuzzy yang diaplikasikan pada robot otonom yang telah dirancang sebelumnya. Sistem yang dirancang menggunakan konsep dasar logika fuzzy sederhana, yaitu dengan menggunakan teknik fast fuzzification pada fungsi keanggotaan standar, metode inferensi Mamdani, serta fungsi defuzzifikasi jenis centroid. Pada tahap uji coba terlihat bahwa robot mampu untuk melakukan tindakan pencapaian lokasi tujuan dengan baik. Hal ini dibuktikan oleh relative kecilnya…"

"Dalam skripsi ini dibahas mengenai perancangan dan pembuatan perangkat keras dan perangkat lunak robot beroda otonomi yang mampu bergerak dengan baik pada lingkungan sekitar tanpa pengendalian manusia. Pengendalian robot ini berdasarkan reactive behavior dan goal-oriented behavior. Robot bertujuan untuk bergerak di dalam maze yang menyerupai rumah, mencari api, mematikan api lalu kembali ke tempat awal. Robot ini bergerak dalam ruangan yang mempunyai peta statis, dengan ukuran tiap peta yang tidak sama. Robot otonomi menggunakan pengendali logika fuzzy sebagai pengatur tingkah laku atau pergerakan robot selama bergerak di dalam maze, serta menggunakan teori graph sebagai navigasi robot dalam maze. Robot ini dilombakan di ajang Kontes Robot Cerdas Indonesia (KRCI) 2005 di Balairung Universitas Indonesia, 14-15 Mei 2005 sebagai wakil Universitas Indonesia. Selama perlombaan terlihat semua fungsi robot dapat berjalan dengan baik, dan berhasil menyelesaikan tugasnya secara memuaskan. Tetapi ada beberapa kekurangan seperti respons motor yang lambat, kecepatan motor yang kurang dan minimalnya strategi pencegahan (contingency strategy). Namun secara keseluruhan, robot ini memuaskan dengan dibuktikannya menyelesaikan keseluruhan tugas yang diberikan sehingga menempati peringkat ketiga dan mendapat penghargaan robot dengan desain ekonomis."

"Pengenalan suara mempresentasikan teknik pengolahan signal digital yang digunakan untuk berbagai aplikasi. Seiring berkembangnya teknologi dari waktu ke waktu, maka timbulah ide untuk mengembangkan proses pengolahan sinyal wicara menjadi suatu aplikasi untuk mengendalikan pergerakan miniatur robot mobil dengan perintah suara manusia. Proses pengenalan wicara ini menggunakan metode HMM yang diintegrasikan dengan perintah-perintah program yang terdapat pada Matlab. Dalam mekanisme kerja yang dilakukan, semua inputan suara dari spekear verivication akan diproses dengan berbagi metode untuk mengurangi nilai error yang disebabkan oleh faktor luar. Pada proyek akhir ini terdapat dua fase yaitu fase pembelajaran dan fase pengujian. Fase pembelajaran mempelajari tentang ekstrasi suara manusia yang akan diproses lebih lanjut agar mudah dikenali dalam fase pengujian. Sedangkan metode untuk pengenalan suara manusia menggunakan dependent speaker dimana metode yang digunakan hanya untuk mengenali karakter suara satu orang saja.

---

Voice recognition represented the techniques of digital signal conditioning which can be used in many everyday appliances. As the growth of technologies emphasized an idea to develop voice signal conditioning process to become a controller of miniature mobile robot using human voices. This processes are involving HMM methods that integrated with Matlab programs. In addition, all of the voices input from speaker verification will be processed with various methods to decrease the error value from the environment. This final assignment include 2 phases that support the process, the first phase, studying phase was used to learn about human voice extraction in the other phase. Furthermore, the voice recognition methods were only using speaker dependent, which can be obtained for personal voice character."

"ABSTRAKStyrene Acrylic adalah sebuah produk kimia yang digunakan sebagai bahan baku adhesive, coating dan cat. Untuk memproduksi Styrene Acrylic diperlukan sebuah reaktor yang berfungsi sebagai wadah dimana reaksi antar bahan-bahan dasar Styrene Acrylic terjadi. Reaksi yang terjadi dalam reaktor harus terkendali agar dapat mengikuti resep formula yang sudah ditentukan. Salah satu faktor yang utama yang harus dikendalikan adalah suhu dalam reaktor. Suhu dalam reaktor harus sesuai dengan formula yang telah ditetapkan agar kualitas dari produk sesuai dengan yang diinginkan. Toleransi eror suhu dalam reactor hanya diperbolehkan sebesar 5?C. Selain untuk menjaga kualitas produk, pengendalian suhu reaktor juga berdampak pada alasan kemanan pabrik. Reaksi kimia dan proses produksi Styrene Acrylic memiliki sifat yang nonlinear, sehingga diperlukan pengendali yang dapat mengendalikan sistem nonlinear dengan toleransi eror yang kecil. Fuzzy logic diharapkan dapat memenuhi kebutuhan pengendalian suhu reaktor, sehingga suhu reaktor dapat mengikuti trajektori suhu yang didapat dari resep formula yang mana ditentukan sebagai setpoint.Skripsi ini membahas tentang pemodelan dan desain pengendali yang baik untuk model proses Styrene Acrylic plant. Proses ini dimodelkan dengan metode matematis yang diterapkan menggunakan C-Mex. lalu di simulasikan menggunakan Simulink Matlab yang digunakan untuk mendesain pengendali PID konvensional dan fuzzy logic. Pengendali PID di-tuning menggunakan metode Ziegler Nichols yang mana performanya akan dibandingkan dengan performa pengendali fuzzy logic yang didesain dengan 9 aturan.

---

ABSTRACTStyrene Acrylic is a chemical product used as raw material for adhesives, coatings and paints. To produce Styrene Acrylic requires a reactor that serves as a container in which the reaction between the basic ingredients of Styrene Acrylic occurs. The reactions that occur in the reactor must be controlled in order to follow a prescribed formula. One of the main factors that must be controlled is the temperature in the reactor. The temperature in the reactor shall be in accordance with the prescribed formula for the quality of the product to be as desired. Tolerance of temperature error in the reactor is only allowed at ± 5⁰C. In addition to maintaining product quality, reactor temperature control also has an impact on manufacturers' safety reasons. Chemical reactions and Styrene Acrylic production processes have nonlinear properties, so controllers are required to control nonlinear systems with small error tolerance. Fuzzy logic is expected to meet the reactor temperature control requirement, so that the reactor temperature can follow the temperature trajectory obtained from the formula or recipe which is set as setpoin.This thesis discusses the modeling and design of a good controller for the Styrene Acrylic plant process model. This process is modeled by a mathematical method applied using C-Mex. Then simulated using Simulink Matlab which is used to design conventional PID controller and fuzzy logic. The PID controller is tuned using the Ziegler Nichols method whose performance will be compared to the performance of a fuzzy logic controller designed with 9 rules."

"Kopling virtual adalah suatu teknik yang digunakan untuk menghubungkan dua kereta atau lebih secara virtual, tanpa adanya koneksi fisik langsung antara keduanya. Penggunaan pengendali fuzzy PID pada kopling virtual dapat memberikan kemampuan adaptif yang lebih baik terhadap perubahan kondisi kereta dibandingkan dengan pengendali PID biasa. Penelitian ini bertujuan untuk menguji kinerja kopling virtual yang menggunakan pengendali fuzzy-PID. Penelitian dilakukan dengan aplikasi matlab, dan mengujikan 4 metode, yaitu Mamdani dan sugeno dengan masing masing tipe 1 dan 2. Hasil penelitian menunjukkan bahwa pengendali fuzzy PID mampu mengontrol sistem dengan lebih baik dibandingkan dengan pengendali PID biasa, dengan deviasi posisi yang lebih kecil untuk mencapai set poin yang diinginkan

---

Virtual coupling is a technique used to connect two or more trains virtually, without a direct physical connection between them. The use of fuzzy PID controllers in virtual coupling can provide better adaptive capabilities to changes in train conditions compared to ordinary PID controllers. This research aims to test the performance of virtual coupling using fuzzy-PID controller. The research was conducted with the Matlab application, and tested 4 methods, namely Mamdani and Sugeno with types 1 and 2 respectively. The results showed that the PID fuzzy controller was able to control the system better than the ordinary PID controller, with a smaller position deviation to achieve the desired set point."