Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali Model Predictive Control (MPC). Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Skripsi ini bertujuan untuk merancang jenis pengendali Model PredictiveControl (MPC) yang akan diterapkan pada sebuah sistem nyata Level/Flow and Temperature Process Rig 38-003 dengan metode Quadratic Programming. Dalam merancang pengendali MPC untuk Level/Flow and Temperature Process Rig 38-003 ini, penulis menggunakan model yang berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan untuk mengatur kondisi servo valve dan keluran yang akan dikendalikan adalah temperatur air hasil keluaran Heat Exchanger sebelum masuk ke sistem Radiator Cooler. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode pengendali Ruang Keadaan. Hal tersebut dapat dilihat dari tanggapan sistem hasil pengendalian MPC dengan constraints yang lebih halus dibandingkan dengan tanggapan sistem hasil pengendalian dengan metode pengendali Ruang Keadaan. Perubahan sinyal kendali pengendali MPC dengan constraints juga jauh lebih halus dibandingkan dengan perubahan sinyal kendali pengendali Ruang Keadaan. Kondisi ini akan meningkatkan ketahanan fisik sistem selama uji eksperimen.

---

In conventional control system, some constraints such as amplitude and control signal?s slew rate are not included in the controlling process. So, the result of the control process is not good enough especially if the control signal is forcibly cut before entering the plant. In order to overcome this problem, a Model Predictive Controller is designed. In this MPC control scheme, the few next steps of process output are going to be predicted and some constraints will be ignored so the system output will become precise. In other hand, the occurrence of constraints will improve system?s performance into an optimum condition.

The final purpose of this thesis is to design a Model Predictive Controller (MPC) using Quadratic Programming method which will be applied on a real time system of Level/Flow and Temperature Process Rig 38-003. In designing MPC controller for Level/Flow and Temperature Process Rig 38-003, the writer uses system?s model on state space form which is obtained by using Least Square method in the basis of input and state variables data of the plant. Input for the plant is voltage which will be used to control the position of servo valve whereas the controlled output is water temperature on the pipe that connects Heat Exchanger's output line and Radiator Cooler's input line.

Experiments conducted prove that MPC with constraints controlling scheme will give a better results than State Controller controlling scheme. Generally, it can be seen that system response to MPC controller is much smoother than system response to State Controller. MPC controller also has smoother control signal variance compared to State Controller control signal variance. This condition will actually raise the system's physical reliability during the experiment."

"Tugas akhir ini dilakukan sebagai penelitian untuk menganalisa proses pengenalan iris mata manusia dengan teknik pengolahan citra menggunakan metode adaptive neuro-fuzzy inference system (ANFIS). Hal ini didasarkan pada teori bahwa setiap iris mata manusia mempunyai bagian-bagian yang unik dan berbeda antara iris yang satu dengan yang lain. Data iris yang digunakan dalam penulisan tugas akhir ini diambil dari http://pesona.mmu.edu.my/~ccteo/. Data yang didapat sudah dalam grayscale dengan demikian dari data tersebut sudah dapat diolah dengan pengolahan selanjutnya dengan menentukan region of interest, mengubah koordinat citra dari koordinat kartesian menjadi koordinat polar, mengekstrak citra menjadi 3 bagian dan membuat blok-blok dari matriks tersebut, kemudian mengkodekan dengan filter wavelet. Dari hasil pengkodean ini didapat tiga buah parameter yaitu matriks diagonal, matriks vertikal, dan matriks horisontal. Dari ketiga parameter ini diambil nilai rata-ratanya dan hasilnya digunakan untuk pembentukan database yang kemudian digunakan untuk proses pelatihan, pengujian, dan pengecekan pada adaptive neuro-fuzzy inference system dengan menggunakan fungsi keanggotaan gaussian dan metode subtractive clustering. Hasil yang diadapat dari metode ini untuk citra mata yang telah dilatih sebesar 90% sedangkan untuk data uji atau citra yang tidak dilatih sebesar 25%.

---

This paper was made for studying identification proccess of human iris with image processing using adaptive neuro-fuzzy inference system (ANFIS) methode. The study based on the theory that every human iris have unique parts. Data that used in this paper taken from http://pesona.mmu.edu.my/~ccteo/. Data format in grayscale level therefore this data could be proccess with the further processing decisively region of interest, transform from rectangular coordinate to polar coordinate, extracted the image to 3 parts and made blocs from this matrix, afterwards encode the matrix using wavelet filter. From the results of this coding was gotten three parameters that is the diagonal matrix, the vertical matrix, and the horizontal matrix. From the three parameters was taken average value and results was used for database formation, afterwards was used for training process, testing, and checking in adaptive neuro-fuzzy inference system used the function of the gaussian membership and subtractive clustering methode. The result for his method 90% for image that was trained and 25% for test data or image that was not trained."

"Pengendali adaptif pada Pressure Process Rig Feedback 38-714 dengan mekanisme adaptasi, yaitu faktor pelupa lebih kecil dari 1, menunjukkan performa yang baik jika set-point yang diberikan cukup tereksitasi. Pada sistem dengan setpoint kurang tereksitasi, pengendalian adaptif dengan mekanisme adaptasi menghasilkan fenomena Bursting, yaitu fenomena di mana sistem tidak terkontrol akibat gagalnya kerja estimator. Untuk mengatasi hal tersebut dirancanglah suatu algoritma supervisi. Algoritma supervisi ini berfungsi untuk menata kinerja estimator dan sintesa pengendali dan untuk memastikan lup pegnendalian selalu stabil. Pada skripsi ini, algoritma supervisi memantau besaran sinyal rata-rata dan variansi kesalahan prediksi, autokorelasi sinyal kendali, variansi parameter model, dan letak kutub parameter model terestimasi. Besaran - besaran ini dihitung secara rekursif (setiap pencuplikan) dari besaran ? besaran yang dihasilkan oleh pengendali adaptif. Algoritma supervisi ini diaplikasikan pada pengendalian adaptif Pressure Process Rig (Feedback 38-714). Dari uji eksperimen terbukti bahwa pengendalian adaptif dengan supervise memberikan hasil pengendalian yang lebih baik dibandingkan dengan pengendalian adaptif tanpa supervisi.Hal tersebut dapat terlihat dari tidak adanya fenomena bursting yang terjadi pada pengendali adaptif dengan supervisi yang mempunyai mekanisme adaptasi dan set-point kurang tereksitasi.

---

Adaptive controlling on Pressure Process Rig Feedback 38-714 with adaptation mechanism, that has forgetting factor less than 1, shows good performance if the set-point given excite enough. In the system with less excitation, adaptive control with adaptation mechanism results Bursting phenomenon, that is phenomenon where system can?t be controlled anymore because of the estimator failure. Supervision algorithm is designed to cope with that problem. This supervision algorithm rule is organizing estimator?s work and controller design to make sure that control closed-loop always stable.

In this bachelor thesis, supervision algorithm monitors some parameters, there are mean and variance of prediction error signal, autocorrelation of control signal, variance of model parameter, and place of estimated model poles. These parameters are recursive calculated (every sample time) from adaptive control parameter yielded. This supervision algorithm is implemented on Pressure Process Rig (Feedback 38-714) with adaptive control.

From experiment test, it is proved that adaptive control with supervision gives better control result than adaptive control without supervision. It can be seen from no Bursting phenomenon that happened in adaptive control with supervision level that has adaptation mechanism and less excitation set-point."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali MPC. Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Pada skripsi ini, sistem yang akan dikendalikan dengan metode MPC dengan constraints adalah Coupled-Tank Basic Process Rig 38-100. Model yang digunakan pada perancangan pengendali berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan pompa pada tangki pertama dan keluaran yang akan dikendalikan adalah ketinggian air pada tangki kedua. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode Aturan Kendali Ruang Keadaan. Hal tersebut dapat terlihat dari tanggapan sistem, dimana tanggapan sistem dengan menggunakan metode MPC lebih cepat serta tidak adanya overshoot maupun undershoot pada keluaran sistem saat terjadi perubahan nilai trayektori acuan.

---

In conventional control system, constraints, such as amplitude and slew rate of input signal are not computed in control process. This matter of course can make the control result become worst, especially when force cutting occur to input signal before it enters to the plant. To solve those problems, a MPC controller is designed. With MPC, process output can be predicted and the existence of constraints will not be ignored and, as the result, it makes output system become well. Besides improve output system quality, the existence of the constraints can also make the device works at optimum condition everytime.

In this following final thesis, system that will be controlled by MPC with constraints method is Coupled-Tank Basic Process Rig 38-100. Model that is used in controller design has state space form. This model is formed by using Least Squares method based on input and state variable data. Input system is pump in first tank and output that will be controlled is water level in second tank.

Experiments prove that MPC with constriants give better result than State Controller method. With MPC, system response become faster and there are no overshoot nor undershoot when the set point change."

"Pemodelan dan identifikasi merupakan suatu tahapan yang penting dan menantang pada perancangan pengendali berbasis model seperti internal model control (IMC) atau model-based predictive control (MBPC). Kebanyakan proses-proses industri merupakan proses-proses non-linier multi-input multi-output (MIMO). Dalam tesis ini dilakukan identifikasi sistem non-linier MIMO empat tangki menggunakan model fuzzy Takagi-Sugeno. Untuk membuat model ini, digunakan algoritma Gustafson-Kessel (GK) fuzzy clustering yang mengotomatisasi pembuatan fungsi keanggotaan dari bagian premis, fungsi affine linier dari bagian konsekuen dan aturan-aturannya. Data-data diperoleh dari simulasi model proses sistem empat tangki.Validasi model menunjukkan bahwa model menunjukkan kinerja sangat balk terhadap data identifikasi dan terhadap data Validasi, dengan nilai Variance Accounted For (VAF) di atas 99%. Uji step menunjukkan model fuzzy Takagi-Sugeno lebih baik dari model linier ARX. Steady state error cenderung meningkat dengan bertambah besarnya amplitudo step, kemungkinan disebabkan oleh data pelatihan yang lebih banyak pada level rendah.

---

Modelling and identification are important and challenging steps in design of control systems especially model-based control systems like internal model control (IMC) and model-based predictive control. Industrial processes are mostly nonlinier multi-input multi output (MIMO) process. Work in this thesis is the identification of nonlinier multi-input multi-output of quadrupole-tank system by fuzzy Takagi-Sugeno model using Gustafson-Kessel (GK) fuzzy clustering algorithm. This algorithm automates membership-function creation of premis part, affine linier function of consequent part, and the rules. Data required to make the model are obtained by simulation of quadrupole-tank process model.

Model validation shows that performance of the model is very good on both identification and validation data, that the value of Variance Accounted For (VAF) is more than 99%. Step test shows that fuzzy Takagi-Sugeno model is better than ARX. Steady state error tend to be worse on increasing of step amplitude, this maybe caused by training data which are mostly at low level."

"Coupled drives apparatus adalah suatu sistem multivariabel yang dirancang untuk menunjukkan pengendalian kecepatan motor dan tension material. Sistem ini, dengan penggerak yang saling berinteraksi, banyak digunakan dalam aplikasi industri. Coupled drives apparatus mempakan sistem dengan dua masukan dan dua keluaran. Masukannya berupa dua buah motor DC, sedangkan keluarannya berupa kecepatan dan rension. Dalam tesis ini, dilakukan perancangan pengendali optimal kuadratik dan pra kompensator dengan menggunakan model-model diskrit, yang didapat dari respon lingkar terbuka sistem (kecepatan dan tension). Pengujian hasil perancangan sistem pengendali dilakukan dengan simulasi menggunakan program Matlab - Simulink dan memberikan hasil yang baik.

---

Coupled drives apparatus is a multivariable system designed to demonstrate how to control motor speed and material tension. This system, with an interacting drives, is used in many industrial application. Coupled drives apparatus is a two input - two output (TITO) system. The inputs are two dc motors, and the outputs are speed and tension. In this thesis, we design this system with quadratic optimal controller and pre compensator based on discrete models, which get from open loop speed and tension response. The result from controller system design tested with simulation using Matlab - Simulink, and the result is good."

"Perawatan dengan injeksi insulin secara kontinu setiap harinya diperlukan bagi penderita Diabetes Mellitus tipe I yang telah kronis, di mana pankreas sama sekali tidak menghasilkan insulin, untuk mengontrol kadar gula darahnya. Model minimal Bergman terdiri dari tiga persamaan diferensial yang memodelkan dengan cukup akurat penderita DM tipe I sesederhana mungkin.Simulai model ini dilakukan dengan memberikan sinyal masukan laju insulin dengan batasan antara 0 sampai 100 mU/min dan gangguan glukosa makanan dimodelkan sebagai fungsi eksponensial 1,157 exp(-0,05.t) mmol/L.min yang dimulai pada menit ke-100, dengan batasan perubahan laju insulin eksternal yang merupakan sinyal kendali sistem sebesar ± 16,667 mU/min. Sinyal masukan insulin diberikan untuk mengurangi kadar gula darah, tetapi tetap menjaga agar tidak terjadi hypoglycemia (< 3,33 mmol/L).Perancangan pengendali MPC (Model Predictive Control) dengan constraints yang berbasiskan metode aktif set menggunakan persamaan ruang keadaan linier, dan analisa simulasi dilakukan dengan mengubah parameter-parameter pengendali berupa control horizon, prediction horizon, batas maksimal dan batas minimal sinyal kendali serta matriks bobot R dan Q.

---

Diabetes Mellitus refers to condition in which the pancreas produces no effective insulin. Treatment consist of daily injection or continuous infusions of insulin to maintain blood glucose levels between critical values (3,33 ? 6,67 mmol/L). The Bergman minimal model consist of three differential equations as powerful modeling to describe the dynamics of type 1 diabetic system as simply as possible.This simulation model is done by giving inputs are the manipulated insulin infusion rate with range between 0 and 100 mU/min, and the meal glucose disturbance described as exponential function (1,157 exp(-0,05.t) mmol/L.min) and simulated at minute 100. The manipulated insulin infusion rate is given for prevention of long-term complications due to hyperglycemia and hypoglycemia (<3,33 mmol/L).MPC (Model Predictive Control) with constraints is designed based on active set method using linier state space equation and analyze the simulation by altering controller parameters are control horizon (Hu), prediction horizon (Hp), maximum and minimum of control signal (Umaks and Umin), and also weight matrix of R and Q."

"Pesawat terbang merupakan wahana udara yang dirancang untuk memenuhi kebutuhan manusia akan transportasi yang lebih cepat. Dalam merancang pesawat terbang satu di antara beberapa bidang ilmu penting yang perlu diperhatikan adalah memodelkan dan mengontrol gerakan pesawat terbang yang terdiri dari kinematika, dinamika, dan stabilitas, sehingga pesawat mampu bermanouver sesuai dengan yang diinginkan. Sistem gerak pesawat merupakan sistem MIMO (Multi Input Multi Output), di mana masing-masing input saling mempengaruhi (berinteraksi) sehingga relatif kompleks untuk dianalisa. Oleh karena itu penerapan metode decoupling pada sistem gerak pesawat akan mengurangi (bahkan menghilangkan) pengaruh interaksi tersebut. Data pesawat dalam penelitian tesis ini diambil dari pesawat CHARLIE [2]. Hasil perhitungan menunjukkan bahwa, sebelum adanya pengendali, gerak pesawat mempunyai karakteristik tidak stabil, karena ada nilai eigen yang positif yaitu 3,4 0.0006 0.0512i l = ± . Tetapi gerak pesawat masih dapat dikontrol (controllability) dan dapat diamati (observability) secara lengkap, karena matriks controllability dan matriks observability mempunyai full rank yaitu 4. Kemudian, setelah menggunakan pengendali dengan metoda decoupling gerakan pesawat sangat setabil, karena output w dapat mengikuti set-point setelah sekitar 12 detik, dan output q dapat mengikuti set-point setelah sekitar 14 detik.

---

Aircraft is mode air transportation faster movement. For designing model an aircraft need sufficient knowledge field of controls such as kinematic, dynamics and stability to fulfill requirement as needed. Parameters data for calculation and simulation longitudinal motion to be used in this thesis are taken from CHARLIE aircraft [2].

Before using controller, aircraft has unstable characteristics, because it has two positive eigen value i.e. 3,4 0.0006 0.0512i l = ± . Aircraft still both controllable and observable, because has full rank controllability and observability matrix i.e. 4. Design controller in this thesis using decoupling method because this method can be able elimination interaction multi input multi output. After using controller, motion of aircraft is very stable, both output, vertical velocity w and angular speed q match set-point."

"Dalam thesis ini dirancang sebuah algoritma pengendali Model Predictive Control (MPC) Constrained dan diimplementasikan pada sistem Proton Exchange Membrane Fuel Cell. Model yang digunakan adalah model linier yang didapatkan dari Identifikasi sistem dengan metode Least Square. Constraint di berikan pada perubahan masing-masing sinyal kendali serta perbandingan antara sinyal kendali pertama dan kedua.Dari hasil simulasi terlihat bahwa pengendali MPC menghasilkan respon keluaran yang mengikuti sinyal acuan yang diberikan, serta mampu mengatasi gangguan yang berupa perubahan beban yang terjadi pada sistem PEMFC. Dengan pemberian constraint pada pengendali MPC, sinyal kendali yang dihasilkan dapat dibatasi sesuai dengan karakteristik fisik dari sistem PEMFC.

---

This theses presents a Constrained Model Predictive Control design . The controller is implemented in the Proton Exchange Membrane Fuel Cell. The MPC algorithm based on the Linear model generated from identification system using Least Square Method. The controller consist of control signal constraints including the comparison of eachcontrol signal amplitude.The simulation result show that the MPC resulting a very good transient behaviour, the output from PEMFC can follow the trajectory and did not effected by load change disturbances. With some constraint additional in MPC, the control signals can be bounded refer to the real characteristic of PEMFC."

"Model sistem tata udara presisi dimodelkan sebagai sebuah sistem multivariable dengan dua output yaitu temperature dan kelembaban dan dua input yaitu kecepatan putaran motor dan bukaan valve. Pada model ini ada masalah coupling diantara input dan outputnya. Model Predictive Control (MPC) adalah salah satu cara untuk mengatasi masalah coupling dalam sistem multivariable. Pengendali MPC dirancang tanpa constraints untuk menentukan agoritma yang handal.Dari hasil simulasi nampak bahwa parameter-parameter pengendali yang terbaik adalah horizon Hp=10, Hu=4, matrik pembobotan R=0.1, dan Q=3. Dengan parameter ini respon keluarannya mengikuti sinyal set point.

---

Precision Air Conditioning model is defined as a multivariable system with two outputs Temperature and humidity and two inputs, the speed of motor compressor and valve opening. There will be a coupling problem between inputs and outputs. Model Predictive control (MPC) is a way to counter a coupling problems in multivariable system. MPC controller is designed without constraints addition to determine the reliable algorithm.

From the simulation result, it can be seen that the best parameters controller are horizon Hp=10, Hu=4, weighting matrix R=0.1 and Q=3. In this parameter, the output response equal to the trajectory or set point signal."