Hasil Pencarian  ::  Simpan CSV :: Kembali

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.

Abstrak :
Makalah ini membantu tentang pengembangan sistem identifikasi pembicara menggunakan analisis spektra orde tinggi dan jaringan neural sebagai pengklasifikasi pola. Analisa spektra orde tinggi ini perlu dipergunakan untuk mengetahui performasinya dalam mengidentifikasi pembicara berdasarkan suara yang terpendam dalam Gaussian noise. Berkaitan dengan proses pengolahan data hasil analisis spektra orde tinggi memerlukan biaya komputasi yang sangat tinggi, maka kompresi data kemudian dilakukan tanpa mengurangi kandungan informasi yan ada di dalamnya. Kompresi data ini dilaksanakan menggunakan jaringan neural hibrida antara SOM dan LVQ, dengan membangkitkan sejumlah vektor pewakil yang dianggap dapat mewakili seluruh vektor pewakil yang dianggap dapat mewakili seluruh vektor data hasil analisa spektra orde tinggi tersebut. Sebagai salah satu faktor dalam memperbandingkan kinerja analisa spektra orde tinggi ini, maka jumlah vektor pewakil dibatasi bergerak antara 25 hingga 343 buah. Jaringan neural probabillistik yang dipergunakan sebagai pengklasifikasi pola, menunjukkan kinerja yang sangat baik untuk dapat menentukan apakah seorang pembicara dapat teridentifikasi dengan benar. Hasil eksperimen menunjukkan bahwa sistem dapat menentukan dengan tingkat ketelitian 100% pada suara dengan tingkat noise 20 dB dan menurun menjadi 97% untuk SNR dB dan 89% untuk SNR 0 dB.