Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kasus-kasus terjadinya keruntuhan pada struktur jembatan, seperti keruntuhan jembatan rangka baja Cipunagara pada tanggal 23 Juli 2004, telah menunjukkan perlunya upaya rehabilitasi dan pengontrolan pada struktur tersebut. Berbagai sistem kontrol, mulai dari sistem kontrol pasif, aktif, semi-aktif dan hybrid telah diperkenalkan dan terus dikembangkan, dengan berbagai algoritma kontrol aktif seperti Neural Network. Salah satu metode kontrol aktif adalah melalui penggunaan tendon aktif untuk memberikan gaya perlawanan terhadap beban yang terjadi guna mengurangi lendutan dan tegangan yang terjadi. Hasil penelitian ini menunjukkan bahwa selain besar gaya kontrol yang diberikan, konfigurasi tendon aktif dan metode pelatihan pada sistem kontrol Neural Network memainkan peranan penting dalam tingkat keberhasilan pengontrolan tersebut. Penerapan tendon aktif pada jembatan rangka baja untuk melawan gaya dinamik yang bekerja memberikan hasil berupa pengurangan lendutan yang terjadi pada tengah bentang dan penurunan tegangan tarik maupun tekan pada sebagian besar elemen-elemen rangka. Akan. tetapi, konsenstrasi gaya reaksi tendon aktif pada beberapa nodal juga menyebabkan terjadinya kenaikan tegangan tekan pada beberapa elemen rangka horizontal atas yang sifatnya sangat ditentukan dari konfigurasi tendon aktif yang digunakan.

---

Steel bridges' failure cases, as occurred at Cipunagara on 23th July 2004, have shown us the need of measures on the structural rehabilitation and control. Various control systems, such as passive, active, semi-active and hybrid control system have been introduced and are being studied and examined with various control algorithms like the Neural Network algorithm. One of the active control methods is an active control tendon. Those tendons control the structural system by applying forces counteracting the external forces on that structure, so that it reduces the deformation of the bridge and the stresses occurred in its elements. The result of this research shows us that besides the value of the applied control forces, the configuration of the tendons itself and the method of the control system?s training plays a very important role in determining the success of this control system. The application of the active tendon for counteracting the dynamic forces working in a steel truss bridge can reduce the deformation at mid-span and reduce the tensile and compressive stresses of most of the truss' elements. However, as the compensation of the concentration of tendon's reaction forces at certain points, the compressive stresses of some top horizontal elements might be increased depending of the tendons' configuration."

"BLDC motor telah menjadi motor yang populer karena keunggulanannya. Untuk meningkatkan kinerja BLDC telah banyak Teknik pengendalian yang dikembangkan mulai dari yang konvensional seperti PID sampai dengan yang menggunakan kecerdasan buatan. Namun demikian, sebagian besar peneliti mendesain pengendali untuk BLDC motor dengan memanfaatkan sensor kecepatan. Penelitian ini bertujuan untuk membangun pengendali yang adaptif untuk aplikasi sensorless BLDC motor dengan dua tahapan penelitian yaitu 1 Mengembangkan Adaptif PID Controller untuk BLDC dan 2 Mengembangkan Teknik sensorless BLDC dengan Neural Network Ensemble Kalman Filter. Pada Penelitian ini, telah dikembangkan pengendali Adaptif PID berbasis Model Invers Neural Network dan teknik sensorless BLDC motor menggunakan Neural Network Ensemble Kalman Filter EnKF . Pengendali Adaptif PID berbasis Model Invers Neural Network yang dikembangkan mampu bekerja lebih baik jika dibandingkan dengan pengendali PID, PID Single Neuron, dan Pengendali Single Neuron Fuzzy. Respon waktu sistem menunjukkan rise time meningkat hingga 41,1 , Settling time meningkat hingga 178,9 dan overshoot menurun hingga 825,6 . Sedangkan teknik sensorless Neural Network Ensemble Kalman Filter mampu mengestimasi posisi dan kecepatan motor BLDC hanya dengan mengukur tegangan dan arus setiap phasa baik pada kondisi kerja adanya perubahan referensi kecepatan, adanya perubahan parameter motor BLDC, maupun adanya perubahan beban/gangguan dengan tingkat kesalahan estimasi yang sangat kecil yaitu sebesar 0.7 , serta bekerja baik pada kecepatan rendah dengan jumlah member sebanyak 8.

---

BLDC motor has become a popular motorcycle because of its advantages. To improve the performance of BLDC has a lot of control techniques developed ranging from conventional ones such as PIDs to those using artificial intelligence. Nevertheless, most researchers design controllers for BLDC motors by utilizing speed sensors. This research aims to build adaptive controller for sensorless BLDC motor applications with two stages of research that is 1 Developing Adaptive PID Controller for BLDC and 2 Developing BLDC Sensorless Technique with Neural Network Ensemble Kalman Filter. In this research, Adaptive PID controller has been developed based on Inverse Neural Network Model and BLDC sensorless motor technique using Neural Network Ensemble Kalman Filter EnKF. The Adaptive PID controller based on the developed Inverse Neural Network model works better than the PID controller, Single Neuron PID, and Single Neuron Fuzzy Controller. The system time response shows rise time rises up to 41.1 , settling time increases up to 178.9 and overshoot decreases to 825.6. While sensural technique Neural Network Ensemble Kalman Filter able to estimate position and speed of BLDC motor only by measuring voltage and current of each phase both at work condition of change of reference of speed, change of motor parameter BLDC, or existence of change of burden / interference with very estimate error rate Small that is equal to 0.7 , and works well at low speed with the number of members as much as 8."

"Penggunaan internet pada saat ini semakin meningkat setiap tahunnya. Hampir setiap orang membutuhkan internet dalam mengerjakan tugas - tugasnya. Dengan adanya internet, pengiriman data dan informasi menjadi sangat cepat, dan tidak membutuhkan orang tersebut untuk berada ditempat data tersebut akan dikirimkan. Hal ini lah yang menjadi dasar penilitian Internet - Based Robot Manipulation (I-RoMan). I-RoMan merupakan suatu sistem yang dapat mengontrol suatu manipulator berbasiskan web. I-RoMan dapat melihat kondisi manipulator secara real - time dengan menggunakan dua webcam. Dengan adanya tampilan webcam tersebut, pengguna dapat langsung menentuka titik tujuan dari manipulator. Penentuan posisi manipulator melalui web, dilakukan dengan menggunakan metode penanganan objek yang dimiliki javascript yaitu, Document Objek Model. Dari penggunaan DOM tersebut terhadap mode Inverse kInematik, terlihat berjalan dengan baik di tiga browser yang diuji-cobakan.

---

The use of internet has increased more and more nowadays. Almost every person needs the availability of internet to exercise their tasks and assignments. With this availability, any dispatch of data and information has become easier and faster in the same time which doesn't require people to handle the problem in the spot. This what became the background of this I ROMAN research. I ROMAN is a system controlling a manipulator based on website. I ROMAN can see the manipulator's condition in real ' time using two webcams. With the appearance of those two webcams, user can directly determine the destination point from the manipulator. The appointment of destination point conducted from website, is done by using object oriented method of javascript called DOM. The DOM used in inverse kinematic method works properly in the three experimented browsers."

"Tuberculosis (TBC) adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Penyakit ini merupakan penyakit yang sulit diberantas. Selain tingkat kematian yang tinggi, juga muncul kasus dimana bakteri penyebab TBC menjadi resisten terhadap obat anti TBC. Hal ini disebabkan kurang efektifnya pengobatan yang dilakukan untuk individu yang terinfeksi TBC sensitif obat anti TBC. Sehingga penyebaran penyakit TBC dipengaruhi oleh dua jenis strain Mycobacterium Tuberculosis, yaitu Mycobacterium Tuberculosis sensitif-obat dan Mycobacterium Tuberculosis resisten-obat. Skripsi ini membahas mengenai aplikasi kontrol optimal pada efektifitas dua jenis pengobatan yang dilakukan untuk membatasi epidemi TBC dua strain dengan menjelaskan kontrol yang mengoptimalkan pengobatan tersebut. Optimisasi pengobatan pada suatu model epidemi TBC dua strain dibahas mulai dari proses pemodelan epidemi TBC dua strain secara matematis, pemodelan fungsi kendala, dan pemodelan fungsi objektif. Kemudian masalah aplikasi kontrol optimal ini akan diselesaikan dengan menggunakan Prinsip Maksimum (Minimum) Pontryagin dengan menggunakan kasus lebih dari satu variabel kontrol terbatas."