Hasil Pencarian  ::  Simpan CSV :: Kembali

"Gerak longitudinal dan lateral suatu pesawat terbang terdiri dari 3 sistem sumbu gerak yaitu roll, pitch dan Yau. Semua variable seperti kecepatan linier, kecepatan sudut dan gaya aerodinamik dan momen aerodinamik diacu terhadap ketiga sumbu gerak tersebut. Variable gerak longitudinal maupun lateral akan saling mempengaruhi dan berinteraksi. Besarnya interaksi diteliti dengan simulasi yang didasarkan pada pemodelan sistem gerak suatu pesawat penumpang tipe jet bermesin empat. Interaksi antar variable gerak tersebut dihilangkan-dikurangi dengan menggunakan metoda Bristol. Setelah pengaruh interaksi berhasil dihilangkan, maka dilakukan perancangan kontroller P, PI dan PD untuk mengendalikan gerak sistem tersebut sehingga didapat response waktu yang baik. Pada gerak longitudinal kecepatan pada sumbu roll Δv mencapai 90% untuk Kp = 6 dan dapat diperkecil menjadi 10%, tetapi waktu stabil menjadi panjang."

"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."

"Dalam tugas Skripsi ini dibuat simulasi suatu sistem kendali dengan neural network untuk menge:ndalikan sistem gerak pitch pesawat rerbang secam on-line. Dalam pengendalian ini digunakan arsitektur kendali adaptif dengan menggunakan metode belajar tak-langsung (indirect teaming). Pengendali ini menggunakan dua buah neural network, neural network perrerna digunakan sebagai pengendali yang mangendalikan proses runpan maju (feedforward controller) sedangkan neural network kedua digunakan untuk mengendalikan proses umpan balik (feedback controller). Sebelum digunakan untuk mangendalikan seeara on-line, pengendali neural network dilatih secara oj}lim untuk mendapatkan bobot awa! yang akan digunakan da1am proses pengendalian secara on-line. Algoritma umpan ba1ik dangan metode Ievenberg­ Marquardt digunakan untuk modifikasi bobot neural secara off-line. Algoritma propagasi balik dengan metode penurunan gradien digunakan untuk rnodifikasi bobot pengendali neural network pada fuse on-line. Simulasi sistem kendali adaptif dangan neural networl< ini diuji dengan tiga..."

"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."

"Sistem tiga tangki merupakan salah satu aplikasi industri kimia yang termasuk dalam sistem hidrolik. Adapun yang dikendalikan dalam sistem tiga tangki adalah ketinggian cairan dalam tangki dan kecepatan aliran dalam pipa. Pendekatan yang dilakukan dalam memodelkan sistem tiga tangki secara matematis adalah dengan mengasumsikan cairan yang digunakan adalah air. Dalam skripsi ini dibahas upaya pengendalian ketinggian cairan tangki ketiga sistem tiga tangki dengan cara mengatur debit air. Salah satu metode pengendali yang mampu mengatasi masalah ini adalah sistem kendali prediktif dan dua di antaranya adalah Generalized Predictive Control dan Generalized Pole Placement yang merupakan pengendali prediktif yang dikenal mempunyai unjuk kerja yang baik.Metode pengendali GPP tergantung pada parameter pengendali horizon N, faktor pembobot. Semakin besar nilai N maka overshoot keluaran sistem semakin kecil tetapi akan membuat sistem lebih lambat dalam mencapai keadaan tunak.Perubahan nilai AGPP tidak terlalu berpengaruh pada keluaran sistem. Namun demikian dapat memperkecil nilai awal sinyal kendali sehingga mengurangi besarnya overshoot.Kemampuan adaptasi metode pengendali GPC tergantung pada nilai horizon N dan faktor pembobot AGPC yang digunakan dalam sintesa kendali. Dari hasil uji coba simulasi yang diperoleh bahwa semakin besar nilai N semakin baik tanggapan sistem, namun ada batasan nilai N dimana peningkatan nilai N tidak menunjukkan peningkatan unjuk kerja sistem yang signifikan. Sedangkan untuk nilai AGPC, semakin kecil nilainya maka tanggapan sistem akan mengalami osilasi sebelum menuju nilai tunak. Dan semakin besar nilainya maka tanggapan sistem akan semakin lambat menuju nilai tunaknya.Setelah dilakukan simulasi menggunakan kedua pengendali di atas terlihat bahwa untuk sistem yang tidak memiliki derau putih, pengendali GPP memiliki unjuk kerja yang baik karena memiliki tanggapan waktu yang cepat dan hampir tidak ada overshoot, sedangkan pada GPC untuk memperoleh tanggapan waktu yang cepat maka harus ada overshoot. Tetapi untuk sistem yang memiliki derau putih lebih baik digunakan pengendali GPC yang terlihat tetap mampu mengikuti nilai acuan, sedangkan GPP menghasilkan sinyal kendali yang sangat besar ketika ada derau, sehingga kurang mampu untuk mengikuti nilai acuan."