Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
SIMULINK adalah perangkat lunak sub-program dari MATLAB. SIMULINK digunakan secara luas oleh peneliti di seluruh dunia untuk membuat model dan simulasi dari suatu sistem yang dikehendaki. Pembuatan model pada SIMULINK dilakukan dengan menyusun blok-blok yang tersedia pada program ini. Selain itu, masing-masing blok harus diatur parameternya agar bekerja sesuai model yang hendak dibuat. OFDM adalah salah satu bentuk khusus dari FDMA. Pada OFDM, penggunaan spektrum frekuensi menjadi sangat efektif karena antar satu sub-band dengan yang lain dapat saling berpotongan tanpa mengalami ISI dan IFI. Hal ini dikarenakan pada OFDM sinyal-sinyal yang dibentuk saling orthogonal satu dengan yang lain. Seperti halnya teknologi FDMA yang lain, OFDM juga tahan terhadap gangguan dari frequency selective fading. Pada skripsi ini dibahas mengenai pembuatan rancang bangun dari pemancar OFDM pada SIMULINK. Analisa dilakukan pada bentuk gelombang keluaran dari model pada SIMULINK dan variabel-variabel yang terukur pada MATLAB.

---

SIMULINK is sub-program of MATLAB. SIMULINK is widely used by researcher around the world to build a model and simulation of a system. Model building in SIMULINK by arrange block in this program. Beside that, each block has to be set in parameter to work properly as a model we want. OFDM is a special case of FDMA. In OFDM, the using of frequency spectrum is very effective because overlapping between sub-band without with no ISI and IFI. This is caused in OFDM, signals generated is orthogonal one another. Jus as other scheme of FDMA, OFDM is also resistant to frequency selective fading. This research in making prototype of OFDM transmitter on SIMULINK. Analyzing made to wave form of the output of model in SIMULINK and variables which is measured by MATLAB.

Abstrak :
Gives the reader hands on example-base experience for simulating dynamical models in MATLAB®/simulink® and animating them in VRML. More than 150 images describe each step in the model realizations helping readers to understand them visually. Diverse examples and profound problem treatment enable the reader to animate complex dynamical problems m-files, Simulink models, VRML files and jpegs available for download provide full solutions for the end-of-chapter problems Virtual Reality and Animation for MATLAB® and simulink® Users demonstrates the simulation and animation of physical systems using the MATLAB® virtual reality toolbox (virtual models are created in V-realm builder). The book is divided into two parts; the first addresses MATLAB® and the second Simulink®. The presentation is problem-based with each chapter teaching the reader a group of essential principles in the context of a step-by-step solution to a particular issue. Examples of the systems covered include mass-spring-dampers, a crank-slider mechanism and a moving vehicle.

Abstrak :
Pengembangan hybrid UAV dilakukan untuk mendapatkan keunggulan dari UAV tipe fixed wing dan tipe rotorcraft dalam satu wahana terbang, sehingga wahana tersebut dapat menjalankan misi terbangnya tanpa memerlukan area khusus untuk lepas landas dan mendarat. Dari beberapa tipe konfigurasi hybrid UAV, tipe quadplane dipilih untuk dijadikan objek penelitian karena bentuknya yang sederhana dan mudah untuk dikembangkan. Secara garis besar, quadplane merupakan UAV tipe fixed wing yang diberi empat buah motor listrik sehingga mempunyai kemampuan terbang seperti quadcopter. Dalam operasional terbangnya, quadplane mempunyai tiga mode terbang yaitu: mode quadcopter, mode transisi, dan mode fixed wing. Pada penelitian ini, pembahasan akan difokuskan pada pengembangan model sistem mode quadcopter. Model sistem dibangun menggunakan Matlab/Simulink yang terdiri dari beberapa blok kendali dan blok persamaan gerak. Strategi kendali yang digunakan dalam model ini menggunakan pengendali Proporsional (P) dan Proporsional-Derivatif (PD). Dari hasil simulasi yang telah dilakukan diperoleh model sistem mode quadcopter yang mampu mengikuti nilai referensi yang diberikan dengan overshoot 7.3% pada arah X, overshoot 7.2 % pada arah Y, dan delay selama 2.5 detik pada arah Z. ......The development of hybrid UAV is carried out to gain the advantage of fixed wing and rotorcraft type in one flying vehicle, so that the vehicle can carry out its flying missions without requiring a special area for takeoff and landing. From several types of configurations, quadplane was chosen to be the object of research because of its simple airframe and easy to develop. Simply, the quadplane is a fixed wing type UAV that is equipped with four electric motors so that it has the ability to fly like a quadcopter. In operational flight, quadplane has three flight modes, such as: quadcopter mode, transition mode, and fixed wing mode. In this study, the discussion will focus on developing a quadcopter mode system model. The system model is built using Matlab/Simulink which consists of several control blocks and equations of motion blocks. The control strategy used in this model are Proportional (P) and Proportional-Derivative (PD) controllers. From the simulation results that have been carried out, it is obtained that the quadcopter mode system model is able to follow the given reference value with 7.3% overshoot in the X direction, 7.2% overshoot in the Y direction, and a delay of 2.5 seconds in the Z direction. 

Abstrak :
Penggunaan pembangkit listrik energi terbarukan belum dapat diandalkan karena sumbernya tergantung pada kondisi lingkungan. Microgrid dapat menjadi solusi untuk masalah yang dimiliki oleh pembangkit listrik energi terbarukan karena mereka dapat mengintegrasikan beberapa sumber energi baik dari jaringan utama maupun dari pembangkit listrik energi terbarukan. Microgrid membutuhkan simulasi untuk menganalisis sistem sebelum diterapkan. Penelitian ini memodelkan dan merancang simulasi Microgrid Berbasis Inverter menggunakan perangkat lunak MATLAB / Simulink. Setiap sub-modul dimodelkan dalam bentuk ruang-negara dan semua digabungkan pada frekuensi referensi umum. Dalam model ini tiga Generasi Terdistribusi (DG) digunakan dan setiap DG mensimulasikan sumber energi terbarukan. Dalam simulasi, tiga percobaan berbeda dilakukan, yaitu perubahan tegangan referensi, beban, dan konstanta pengontrol untuk melihat respons sistem terhadap berbagai perubahan. Diperoleh bahwa sistem Microgrid mampu mengikuti perubahan pada kedua nilai beban pasir tegangan referensi. Model keseluruhan microgrid juga linierisasi dan matriks sistem digunakan untuk memperoleh nilai eigen. Nilai eigen menunjukkan bahwa konstanta pengontrol mempengaruhi stabilitas sistem. Nilai untuk setiap konstanta harus dipilih yang paling cocok dengan sistem, karena setiap konstanta pengontrol memiliki dampak yang berbeda pada respons transien sistem.

---

The use of renewable energy power plants cannot be relied upon because the source depends on environmental conditions. Microgrids can be a solution to problems that are owned by renewable energy power plants because they can integrate several energy sources both from the main grid and from renewable energy power plants. Microgrid requires a simulation to analyze the system before it is implemented. This study models and designs an Inverter-based Microgrid simulation using MATLAB / Simulink software. Each sub-module is modeled in the form of space-state and all are combined at a common reference frequency. In this model three Distributed Generations (DG) are used and each DG simulates a renewable energy source. In simulations, three different experiments are carried out, namely changes in reference voltage, load, and controller constants to see the system's response to various changes. It was found that the Microgrid system was able to keep up with changes in both the reference voltage sand load values. The overall microgrid model is also linearized and the system matrix is ​​used to obtain the eigenvalue. Eigenvalues ​​indicate that the controller constant affects the stability of the system. The value for each constant must be chosen that best matches the system, because each controller constant has a different impact on the transient response of the system.

Abstrak :
Debit air (flowrate) yang bernilai konstan merupakan besaran fisis fundamental dalam sistem transportasi fluida dari satu tempat ke tempat lain. Untuk mencapai hal tersebut, dibutuhkan suatu sistem kendali yang mampu menghasilkan debit air bernilai konstan. Pada penelitian ini, transportasi fluida dibuat dalam sebuah rangkaian plant miniatur dengan menerapkan sistem kendali didalamnya. Pada plant tersebut terdapat actuator control valve, flow transmitter, dan Programmable Logic Controller (PLC). OPC Server merupakan perangkat lunak antarmuka menggunakan mode client/server berbasis COM/ DCOM yang memungkinkan MATLAB dapat berkomunikasi dengan PLC. Dalam proses komunikasi antara PLC dengan MATLAB digunakan OPC server yang berfungsi sebagai "jembatan" antara keduanya. Sistem kendali yang diterapkan berupa PID-Controller dan soft computing Neural Network (NN) dengan menggunakan MATLAB SIMULINK. Penerapan soft computing Neural Network (NN) bertujuan untuk mengoptimasi performa sistem kendali PID-Controller yang telah umum digunakan. Faktor-faktor performa yang dijadikan parameter pembanding adalah nilai rise time, settling time, maximum overshoot, dan steady-state error. Berdasarkan hasil percobaan, Neural Network Controller memiliki nilai permformansi yang lebih baik daripada PID-Controller. Nilai performansi Neural Network Controller yang didapatkan yakni maximum overshoot = 5.36% dan steady-state error = 0.85%. ......Flowrate is a fundamental physical quantity in the fluid transportation system from one place to another. To achieve this, a control system is needed that is able to produce a constant flow of water. In this study, fluid transport was made in a miniature plant series by implementing a control system in it. At the plant there is a control valve actuator, flow transmitter, and Programmable Logic Controller (PLC). OPC Server is interface software using COM / DCOM-based client / server mode that allows MATLAB to communicate with the PLC. In the process of communication between PLC and MATLAB, the OPC server is used as a "bridge" between the two. The control system applied is in the form of PID-Controller and soft computing Neural Network (NN) using MATLAB SIMULINK. The application of soft computing Neural Network (NN) aims to optimize the performance of the PID-Controller control system that has been commonly used. Performance factors that are used as comparison parameters are the value of rise time, settling time, maximum overshoot, and steady-state error. Based on the results of the experiment, the Neural Network Controller has a better value of permformance than PID-Controller. The performance value of the Neural Network Controller obtained is maximum overshoot = 5.36% and steady-state error = 0.85%.

Abstrak :
Proses sistem kendali adalah proses penting yang terjadi di dunia perindustrian, salah satunya di ranah industri hulu migas. Salah satu instrumen utama pada proses upstream migas adalah separator yang memiliki fungsi untuk memisahkan kandungan fluida minyak mentah yang mengalir melalui pipa menjadi beberapa wujud fase. Pada kenyataanya hampir semua proses pengendalian separator pada fasilitas produksi PT. Pertamina EP masih menggunakan model pengendalian PID konvensional yang harus terus dimonitoring oleh sumber daya manusia selama 24 jam per hari. Oleh karenanya, pada penelitian ini dirancang sebuah metode pengendalian berbasis intelligent system, yaitu simulasi pengendalian Neuro Fuzzy. Metode pengendalian Neuro-Fuzzy ini didesain menggunakan algoritma ANFIS dengan input berupa setpoint, error, dan selisih error dari proses variabel fluida separator, yaitu level (h) fluida. Penelitian dilakukan menggunakan aplikasi Simulink/MATLAB dengan memasukkan fungsi transfer dari model matematis separator lalu melakukan perbandingan dengan melihat grafik respon dan parameter antara model pengendali PID dan ANFIS. Hasil dari penelitian menunjukan bahwa performa pengendali model ANFIS secara rata-rata memiliki overshoot yang jauh lebih baik dari model PID karena selalu mendekati nol dalam tiap kondisi set point serta model ANFIS memiliki nilai error yang lebih baik pada saat set point bernilai 5 dengan perbedaan error 0,712 dari error model pengendali PID.

---

The control system process is an important process that occurs in the industrial world, one of which is in the upstream oil and gas industry. One of the main instruments in the upstream oil and gas process is a separator which has afunction to separate the crude oil fluid content flowing through the pipe into several phases. In fact, almost all separator control processes at PT. Pertamina EP still uses the conventional PID control model which must be continuously monitored by human resources 24 hours per day. Therefore, in this study, a control method based on intelligent systems is based on Neuro Fuzzy control of the level (h) of the fluid. The research was conducted using the Simulink/MATLAB application by entering the transfer function of the separator mathematical model and then making comparisons by looking at the response and parameter charts between the PID and ANFIS controller. The results of the study show that the ANFIS model controller performance on average has a much better overshoot than the PID model because it is always close to zero in each set point condition and the ANFIS model has a better error value when the set point is 5 with an error difference of 0.712. of the PID controller model error.

Abstrak :
ABSTRAK
The field of electrical engineering is inseparable from mathematics. One of the commonly used equations is differential equations, in both linear and nonlinear form. Solution of linear equations of differential equations can be obtained analytically, but the solution of nonlinear differential equations can not be easily obtained. The solution of the differential equation is necessary solved to understand the behavior of the dynamic system, therefore in the proses of simulation, a special method is required which can provide these numerical differential equations solution. This can be done with Matlab-Simulink programming. Matlab-Simulink software with version R2016a provides LIBRARY BROWSER facility which is very adequate and applied in windows system, and has LIBRARY which consist of many blocks; CONTINUOUS blocks, DISCONTINUITIES blocks, MATH OPERATIONS blocks, FUNCTION, SOURCES blocks, SINKS blocks and so on. Therefore the solution of a system that has a linear or nonlinear differential equation is very necessary to be disclosed.

Abstrak :
Dalam penelitian ini dilakukan simulasi pengendalian temperatur dan level air (multivariable) pada proses pencampuran dalam suatu tangki berkapasitas 80 liter menggunakan MATLAB Simulink. Tujuan dari penelitian ini adalah menjaga temperatur dan level air di set point pada sebuah proses dengan mengendalikan debit air dingin dan panas yang masuk ke tangki pencampuran. Keterkaitan antara satu variabel dengan variabel lainnya dapat direduksi menggunakan decoupling. Sistem akan diuji dengan banyak perubahan set point dan diberikan input gangguan berupa ketidakakuratan temperature transmitter dalam membaca temperatur air campuran. Pengujian sistem dilakukan menggunakan pengendali PI dan ANFIS. Pengendali PI digunakan sebagai data training ANFIS. Pada penelitian ini diberikan batasan bahwa debit maksimal yang digunakan adalah 15 l/min, temperatur maksimum pada tangki campuran adalah 90℃, dan level air maksimum tangki adalah 75 cm. Performa dari kedua pengendali akan dibandingkan dengan melihat parameter-parameter seperti RMSE, rise time, settling time, dan %Overshoot sebagai data kualitatif. Penelitian ini menunjukkan bahwa pengendali ANFIS secara keseluruhan lebih baik daripada pengendali PI dalam pengujian perubahan set point yang dapat dilihat dari nilai RMSE ANFIS untuk kendali temperatur berada di angka rata-rata 0.174 dan level pada angka 0.196. RMSE pengendali PI untuk kendali temperatur adalah 0.21 dan level 0.2. Pemberian input gangguan menunjukkan pengendali ANFIS lebih baik daripada pengendali PI dalam menangani adanya kesalahan pembacaan sensor oleh temperature transmitter.

---

In this research, a simulation program for temperature and level control on a liquid (water) mixing process with assumed to have a tank volume 80 liter is proposed using MATLAB Simulink. The purpose of this study is to maintain the temperature and water level at the set point in a process by controlling the flowrate of cold and hot water that enters the mixing tank. The influence of one variable with others can be reduced using decoupling technique. The system will be tested with many set point changes and given input an inaccurate transmitter temperature in reading the temperature of the mixed water. System testing is performed using a PI and ANFIS Controller. PI Controller is used to generate the ANFIS training data. In this research, a limit is given that the maximum discharge used is 15 liters/min, the maximum temperature and level in the mixed tank is 90℃ and 75 cm. The performance of those two controllers will be compared by observing parameters such as RMSE, rise time, settling time, and %Overshoot as qualitative data. This research shows that ANFIS controllers are generally better than PI controllers when tested with set point changes which can be seen from the ANFIS RMSE values ​​for temperature control at an average rate of 0.174 and a level of 0.196. The RMSE of the PI controller for temperature control is 0.21 and level 0.2. Tests with disturbance input show that ANFIS controllers are better at handling inaccurate transmitter temperature in reading the temperature of the mixed water than PI Controller.

Abstrak :
Proses Thermal Mixing adalah jenis dari proses pencampuran yang penting di berbagai industri, seperti industri pangan, pupuk, farmasi, material sampai petrochemical. Proses Thermal Mixing merupakan proses Multi input multi ouput (MIMO), karena bekerja dengan mengendalikan dua flow air panas dan air dingin untuk mengendalikan temperatur dan level campuran. Meskipun memiliki respon yang kurang baik untuk mengendalikan MIMO, namun PID masih banyak digunakan karena kesederhanaannya. Algoritma non konvensional yang lebih baik seperti fuzzy control memiliki kerumitan yang tinggi dibanding PID. Algoritma Adaptive Fuzzy PID Controller (AFPIDC) merupakan gabungan dari keduanya, memiliki basis PID yang cukup sederhana namun ditambahkan aspek Fuzzy untuk mempercepat pengendalian dengan cara mengubah konstanta PID secara real-time (on the fly). Algoritma AFPIDC ini diterapkan pada simulasi sistem pengendalian temperatur dan level air pada proses water Thermal Mixing dan dilakukan pada program MATLAB/SIMULINK di PC. Fuzzy yang digunakan memiliki dua input berupa error dan perubahan error, dan memiliki tiga output berupa perubahan nilai konstanta PID. Pengujian sistem dilakukan dengan simulasi perubahan setpoint dan gangguan berupa kebocoran flow. Dari hasil pengujian sistem, pengendali AFPIDC memiliki performa yang lebih baik dari PID dalam mengendalikan temperatur dan level pada sistem. Dalam pengendalian temperatur, didapatkan nilai settling time PID sebesar 830 detik, AFPIDC sebesar 328 detik dan untuk nilai overshoot PID 6,3% dan AFPIDC 0%. Untuk pengendalian level didapatkan settling time PID 3221 detik dan AFPIDC 235 detik dengan nilai overshoot PID 10,5% dan AFPIDC 0%. Dari pengujian sistem terhadap gangguan kebocoran, pengendali temperatur membutuhkan waktu untuk kembali stabil pada PID 780 detik, AFPIDC 250 detik. Sedangkan untuk pengendalian level untuk kembali stabil membutuhkan waktu PID 4510 detik, AFPIDC 225 detik.

---

The Thermal Mixing Process is a type of mixing process that is important in various industries, such as the food, fertilizer, pharmaceutical, material to petrochemical industries. The Thermal Mixing Process is a multiple-input multiple-output process (MIMO), because it works by controlling hot water and cold-water flows to control the temperature and level of the mixture. Although it has a poor response to control MIMO system, PID is still widely used because of its simplicity. There are some better control algorithm, such as fuzzy control, but have higher complexity than PID. The Adaptive Fuzzy PID Control (AFPIDC) algorithm is a combination of the two, has a simple PID basis with added Fuzzy aspects to speed up control by changing the PID constant in realtime. The AFPIDC algorithm is applied to the simulation of temperature and water level control systems in the process of water Thermal Mixing and is done on the MATLAB/SIMULINK program on a PC. The fuzzy algorithm uses two inputs in the form of errors and changes in errors and has three outputs in the form of changes in the value of the PID constant. System testing is done by simulating setpoint changes and disruption in the form of leakage flow. From the results of system testing, AFPIDC controllers have better performance than PID in controlling temperature and level in the system. In temperature control, the PID settling time is 830 seconds, AFPIDC is 328 seconds and the PID overshoot is 6,3% and AFPIDC is 0%. In level control, the settling time of PID is 3221 seconds while AFPIDC is 235 seconds with PID overshoot is 10,5% while AFPIDC 0%. From testing the system with leakage disturbance, the temperature controller needs time to regain stability at PID 780 seconds, AFPIDC 250 seconds. Meanwhile the level controlling stabilizes at PID 4510 seconds, and AFPIDC at 225 seconds.