Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam skripsi ini dibandingkan performansi dari beberapa konfigurasi pengendali logika fuzzy pada fuel cell. Pada konfigurasi pertama, masukan hidrogen dan oksigen ditetapkan sebagai perbandingan tetap proporsional hidrogen dan oksigen (O2in/H2in=1.168), sedangkan pada konfigurasi kedua, masukan oksigen diatur secara dinamik proporsional terhadap masukan hidrogen menggunakan pengendali logika fuzzy kedua. Pada kedua pengendali logika fuzzy (FLC1 dan FLC2) dilakukan variasi nilai fuzzifikasi untuk setiap variabel linguistik dan performansinya terhadap pengendalian tegangan fuelcell dibandingkan. Konfigurasi yang terbaik dipilih berdasarkan pembobotan nilai pada parameter settling time dan overshoot dari respon dinamik pengendalian tegangan fuelcell. Dari hasil penilaian didapat konfigurasi dengan dua pengendali logika fuzzy mempunyai performansi pengendalian yang lebih baik dibandingkan konfigurasi satu pengendali logika fuzzy.

---

This Thesis compares the performance of fuzzy logic controller configuration for Fuel Cell. In the first configuration, the input of hydrogen and oxygen is determined which using proportional gain ratio((O2in/H2in=1.168). In the second configuration, the input of oxygen is controlled by dynamic proportional from hydrogen input using the second fuzzy logic controller. Both of fuzzy logic controller (FLC1 and FLC2) fuzzification is varied for every linguistic variable and then the performances of the controller are compared. The best configuration is determined by using weighting factor of settling time and overshoot parameters of Fuel cell voltage dynamic response. As a result, the second configuration using two fuzzy logic controller has better performance than using one fuzzy logic controller.

Abstrak :
Model Predictive Control (MPC) merupakan salah satu metode pengendali prediktif yang populer digunakan pada dunia industri. Beberapa keuntungan yang ditawarkan oleh pengendali ini di antaranya adalah kemampuannya dalam menangani sistem multivariabel dengan cukup mudah dan juga kemampuannya untuk memberikan constraint atau batasan tertentu baik pada sinyal pengendali maupun pada keluaran sistem. Sistem tata udara presisi yang akan dikendalikan pada skripsi ini juga merupakan sistem multivariabel berorde tinggi yang mempunyai dua masukan dan dua keluaran. Model sistem yang dipakai berupa model linier diskrit yang didapat dari hasil identifikasi menggunakan metode N4SID. Hasil pengendalian menggunakan MPC akan dibandingkan dengan pengendalian sistem menggunakan metode pengendali penempatan kutub dari umpan balik keadaan.

---

Model Predictive Control (MPC) is one of predictive controller methods and popular for being used in industry. Some advantages offered by this controller are its ability to easily handle multivariable systems and its feature to provide constraints both for control signals and output signals. Precision air conditioning (PAC) system which will be controlled here is also a high-order multivariable system with two inputs and two outputs. Its model that is used in the controller is a discrete linear model from identification using N4SID method. The results of using MPC for this PAC system will be compared with the ones using another method of controller which is state-feedback pole placement.