Hasil Pencarian  ::  Simpan CSV :: Kembali

"The conventional PID control (linear) is popular control scheme that is used in almost pH control at waste water treatment process

---

"

"The paper proposes a control method called fuzzy logic based reference (Set-Point) control..."

"Supervisory Control And Data Acquisition (SCADA) adalah perangkat lunak yang digunakan untuk pengawasan dan kendali suatu sistem yang dalam skripsi ini adalah sistem kendali aliran. Aliran baik fluida atau gas adalah salah satu parameter yang penting dalam industri untuk mendapatkan produk akhir yang dipersyaratkan. Sistem kendali aliran memanfaatkan Programable Logic Controller (PLC) sebagai pengendali dan satu atau beberapa komputer yang terpasang perangkat lunak Human Machine Interface (HMI) sebagai SCADA. Pemrograman PLC dengan menggunakan fungsi blok dan perancangan HMI dengan grafik yang merepresentasikan sistem kendali aliran dengan menampilkan semua parameter yang diperlukan untuk pengawasan dan kendali. Sistem kendali menggunakan metode Ziegler Zichols untuk penalaan parameter pengendali Proportional Integral Derivative (PID) sehingga didapatkan nilai parameter yang sesuai dengan kriteria desain untuk sistem kendali aliran. Dengan metode Ziegler Nichols masih harus dilakukan fine tuning untuk mendapatkan parameter pengendali sesuai kriteria desain.

---

Supervisory Control And Data Acquisition (SCADA) is a software for monitoring and control of a system, in which this work a flow control system is used. Both fluid flow or gas flow are one of the crucial parameter in industries to achieve the requirement for final product. The flow control system used a Programable Logic Controller (PLC) as the controller and one or more computer which embedded with Human Machine Interface (HMI) software as SCADA. The PLC is programmed using function block and HMI configuration with graphic to represent flow control system by placing all text or figure interface that are needed for monitoring and control. The Ziegler Nichols tuning Method is used to tune the control parameters of the PID controller. After the parameters are set, the controller is retune using heuristic method to achieved the best response."

"In this paper, a 2-degree of freedom dynamic model of an unbalanced rotary engine is designed, in a manner that has the effect of modal coupling. After designing the dynamic model in order to reduce the vibrations generated due to the unbalancing mass and modal coupling, the active force control (AFC) method is implemented along with a conventional proportional integral derivative (PID) controller with linear actuators, meaning that the AFC loop is applied as a supplement to the conventional PID controller. The obtained results show that, when the AFC loop was engaged with the PID controller, the vibrations were reduced to nearly zero in both aspects of frequency and amplitude when compared to the case in which only a PID controller was operating in the control system. "

"

Perkembangan kecerdasan buatan (artificial intelligence/AI) bergerak semakin cepat dan mengalami kemajuan pesat dalam setiap bidang kehidupan manusia, tak terkecuali dalam dunia kendali industri. Sementara kendali industri mensyaratkan sistem pengendali yang mampu mengatasi perubahan karakteristik secara otomatis serta dapat beradaptasi dengan dinamika perubahan sistem yang diakibatkan adanya perubahan kondisi lingkungan kerja. Pengendali berbasis kecerdasan buatan dianggap mampu untuk beradaptasi dengan perubahan karakteristik dari sistem secara otomatis adalah pengendali berbasis neural network. Dalam penelitian ini disajikan desain dan simulasi sistem pengendali berbasis neural network dengan metode pembelajaran back propagation yaitu pengendali inverse langsung(direct inverse control/DIC), pengendali neuron tunggal(single neuron controller), serta pengendali PID pada plant modul training pressure process rig(PPR 38-417). Untuk pengujiannya, didesain sistem identifikasi berbasis neural network sebagai simulator plant. Hasilnya, semua sistem kendali yang didesain tersebut mampu mengendalikan plant sesuai dengan sinyal referensi yang dinginkan. Namun pengendali single neuron dan PID mampu mempertahankan keluarannya dengan baik saat diberi gangguan pada sinyal kendali maupun plant dibandingkan dengan pengendali inverse langsung(ANN-DIC). Hal ini dikarenakan kendali single neuron dan PID bersifat close loop sehingga mampu mengkoreksi kesalahan secara langsung. Sementara jika dibandingkan dengan kendali PID, kendali single neuron lebih adaptif untuk berbagai kondisi gangguan karena memiliki metode pembelajaran langsung, sementara kendali PID perlu dilakukan tunning untuk mendapatkan unjuk kerja yang handal.

---

The development of artificial intelligence (AI) is moving faster and experiencing rapid progress in every area of human life, not least in the world of industrial control. While industrial control requires a control system that is able to overcome changes in characteristics automatically and can adapt to the dynamics of system changes caused by changes in working environment conditions. Artificial intelligence-based controllers are considered capable of adapting to changes in the characteristics of the system automatically is a neural network-based controller. In this study, the design and simulation of a neural network-based controller system with back propagation learning methods, namely direct inverse control (DIC) and single neuron controller, as well as PID controllers for the pressure process rig (PPR 38-417) training module. For the test, a neural network-based identification system is designed as a simulator plant. As a result, all the control systems designed are able to control the plant in accordance with the desired reference signal. However, single neuron and PID controllers are able to maintain their output well when given interference with the control signal or plant compared to the direct inverse controller (ANN-DIC). This is because single neuron control and PID are close loop so that they can correct errors directly. Meanwhile, when compared to PID control, single neuron control is more adaptive for a variety of disruption conditions because it has a direct learning method, while PID control needs to be tuned to get reliable performance.

"

"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."

"Operator sistem menggunakan Automatic Generation Controller (AGC) sebagai regulasi frekuensi real time untuk memastikan keseimbangan antara permintaan beban dengan ketersediaan pembangkitan dalam periode menit.Ketidakpastian variasi beban, dan adanya keterbatasan respon pembangkit (GRC) mempengaruhi respon dinamik frekuensi sistem dalam periode menit. Sistem Jawa Madura Bali menerapkan AGC menggunakan metode integrator dengan 51,18 % partisipasi aktif pembangkit. Penelitian ini mengusulkan AGC menggunakanmetode PID controller dengan mempertimbangkan variasi karakteristik beban dan keterbatasan ramp rate pembangkit. Pemodelan AGC menggunakan PID controller memberikan respon pemulihan lebih cepat 3,9 detik, komposisi energi ramah lingkungan yang lebih besar, dan biaya bahan bakar 7,66 Rp/KWh lebih murah dibandingkan metode eksisting. Semakin tinggi ramp rate pembangkit dan semakin rendah variasi karakteristik beban mempercepat waktu pemulihan frekuensi. Metode yang diusulkan disimulasikan dengan menggunakan Matlab Simulink dengan pemodelan untuk 5 pembangkit pada kontrol area tunggal dengan variasi karakteristik beban dan pembatasan pembangkit menggunakan data-data Sistem Jawa Bali.Abstrak Berbahasa Inggris:

---

system operator utilized Automatic Generation Control (AGC) for real-time frequency regulation to maintain a balancing of power demand and generation within minutes. Uncertainty of load variations and generator rate

constraints (GRC) affect the dynamic response of system frequency. Java Bali System applied AGC using the integrator method with 51,18 % active generation’s participation. This paper proposed AGC using the PID controller method by considering variations of load characteristics and limitations of ramp rate generators. AGC using the PID controller method provides a recovery response of 3,9 faster, more clean energy composition and fuel costs of 7,66 Rupiah per Kilowatt are cheaper than the existing method. The higher ramp rate of generations

and the lower variations of load characteristics affected faster frequency responses. The proposed method is simulated using MATLAB Simulink with 5 generator modeling in single load area control using Java Bali system data"

"Aktuator hidrolik elektrik banyak digunakan dalam bidang industri dengan menggunakan pengendali yang tepat. Sistem aktuator hidrolik elektrik membutuhkan akurasi dari hasil posisi piston dan overshoots yang relatif rendah. Aliran fluida yang mengalir di daerah piston akan menghasilkan tekanan. Ada kendala yang mengakibat aliran fluida tidak memberikan respon yang baik seperti adanya kebocoran seal pada area piston. Dibutuhkan pengendali posisi perpindahan katup piston yang dapat digunakan untuk mengendalikan berbagai aliran fluida dan permasalahan kebocoran namun pada penelitian ini pengendali lokal kebocoran seal piston masih kurang bagus sehingga dirancang PID Orde Fraksi yang diharapkan dapat memberikan respon yang lebih baik. Proses tuning parameter PID menggunakan metode tuning Zigler Nichols, modifikasi Ziegler Nichols, dan Cohen Coon. Metode-metode tuning di analisis dengan mempertimbangkan kestabilan, respon waktu dan steady state error yang paling sesuai spesifikasi. Pada penelitian ini, metode yang paling sesuai modifikasi Ziegler Nichols untuk parameter Kp, Ki, Kd dan perhitungan 2 persamaan non linear untuk mendapatkan parameter. Pengujian disimulasikan untuk mendapatkan perbandingan hasil PID Klasik dan PID Orde Fraksi. Sistem dengan pengendali PID Klasik dapat mencapai kestabilan pada set point dengan dan maksimum overshoots sebesar 32,542% dan PID Orde Fraksi dapat mencapai maksimum overshoots sebesar 10,556%. Steady state error yang dihasilkan dengan menggunakan pengendali PID Klasik sebesar 0,006% dan pengendali PID Orde Fraksi yaitu sebesar 4,6199x10-4%. Dari hasil ini dapat diketahui bahwa pengendali PID Orde Fraksi lebih baik dari PID klasik.

---

Electro hydraulic actuators are often used in industry by using precise controllers. Electro hydraulic actuator systems require relatively low accuracy of piston position results and relatively low overshoots. The fluid flow that flows in the piston area will produce pressure. There are problem that result in fluid flow not giving a good response, such as a seal leak in the piston area. It takes a piston valve displacement position controller that can be used to control various fluid flows and leakage problems, but in this study the local controller for piston seal leakage is still not good enough so that a Fractional Order PID is designed which is expected to provide a better response. The PID parameter tuning process uses the Zigler Nichols tuning method, Ziegler Nichols modification, and Cohen Coon. The tuning methods are analyzed by considering the stability, response time and steady state error that best fit the specifications. In this study, the most suitable method is the Ziegler Nichols modification for the parameters Kp, Ki, Kd and the calculation of 2 non-linear equations to get the parameters. The test is simulated to get a comparison of the results of the Classical PID and the Fractional Order PID. The system with Classical PID controller can achieve stability at the set point with maximum overshoots of 32.542% and PID Fractional Order can achieve maximum overshoots of 10.556%. The steady state error generated by using the Classical PID controller is 0.006% and the Fractional Order PID controller is 4,6199x10-4%.  From these results, it can be seen that the Fractional Order PID controller is better than the classic PID."

"Perkembangan teknologi saat ini akan sangat mempengaruhi penggunaan catu daya untuk komponen elekronik. Karena penggunaan yang sangat luas, maka diperlukan suatu system yang dapat mengkonversikan tegangan DC dari suatu tingkat tegangan ke tingkat tegangan lainnya. Salah satu cara untuk mengkonversikan tegangan adalah dengan Buck-boost converter sebagai salah satu jenis dari switching converter. Buck-boost konverter berfungsi untuk menurunkan dan menaikkan tegangan sesuai dengan yang diinginkan. Penggunaan supercapacitor adalah sebagai sumber tegangan pada rangkaian buckboost konverter, pengendali PID digunakan untuk mengendalikan tegangan agar dapat sesuai dengan yang diinginkan. perancangan dari keseluruhan model rangkaian disimulasikan dengan menggunakan CMex S-function pada Simulink Matlab. Dari hasil pemodelan system memiliki respon yang menyerupai sistem aslinya dan menunjukkan system dapat bekerja dengan baik, yang mana tegangan keluaran bisa mengikuti referensi. Dari hasil simulasi, untuk perubahan terhadap setpoint didapat nilai error pada kondisi SOC 100% lebih kecil dibandingkan saat kondisi 52%, untuk respon terhadap perubahan beban didapat kondisi SOC 52% lebih kecil dibandingkan dengan kondisi SOC 100% hal ini terlihat dari posisi steady state dan overshoot. Setelah dilakukan Analisa dari keseluruhan terdapat pole yang berada disisi sebelah kanan sumbu imajiner sehingga system tidak stabil.

---

Current technological developments will greatly affect the use of power supplies for electronic components. Because of its wide use, we need a system that can convert DC voltage from one voltage level to another. One way to convert voltage is with a Buck-boost converter as a type of switching converter. Buck-boost converter serves to lower and increase the voltage as desired. The use of a supercapacitor is as a voltage source in the buckboost converter circuit, the PID controller is used to control the voltage so that it can be as desired. The design of the entire circuit model is simulated using CMex S-function in Simulink Matlab. From the results of modeling the system has a response that resembles the original system and shows the system can work well, where the output voltage can follow the reference. From the simulation results, for changes to the setpoint, the error value at 100% SOC conditions is smaller than at 52% conditions, for the response to changes in load, the SOC conditions are 52% smaller than 100% SOC conditions, this can be seen from the steady state position and overshoot. After analyzing the whole, there is a pole that is on the right side of the imaginary axis so that the system is unstable."