Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Laboratorium jauh adalah lingkungan perangkat lunak yang mendukung kegiatan praktikum jarak jauh, di mana user yang berada pada jarak yang jauh dimungkinkan untuk berinteraksi dengan perangkat pengukuran dan peralatan laboratorium yang sesungguhnya. Keuntungan penggunaan laboratorium jauh yaitu kinerja laboratorium yang lebih baik dan lebih efisien, mendukung kegiatan berbagi pakai sumber daya dan kolaborasi antar laboratorium. Beberapa penelitian laboratorium jauh yang telah dipublikasikan, menyebutkan bahwa mayoritas laboratorium jauh yang ada saat ini diimplementasikan dengan komputer desktop. Sistem berbasis komputer memiliki kekurangan yaitu konsumsi energi listrik yang besar dan biaya investasi sistem yang mahal. Dengan adanya isu lingkungan dan pemanasan global maka disain sistem laboratorium jauh diharapkan lebih efisien dan dapat mendukung era komputer hijau. Selain itu disain laboratorium jauh yang banyak dikembangkan masih mempunyai beberapa kelemahan seperti isu interoperabilitas dan skalabilitas. Dari permasalahan diatas maka untuk menjawab beberapa isu tersebut dalam disertasi ini akan diusulkan arsitektur baru laboratorium jauh hijau multi-user dan multi-device berbasis sistem tertanam, dengan menerapkan konsep embedded grid. Konsep embedded grid akan memberikan kontribusi dalam mewujudkan laboratorium jauh hijau yang efisien dan ramah lingkungan. Arsitektur baru laboratorium jauh yang telah direalisasikan, dapat melayani kerja kolaborasi dan mampu beradaptasi terhadap penambahan modulmodul percobaan. Dari hasil pengujian kinerja dan skalabilitas, dapat disimpulkan bahwa sistem dapat melayani kerja kolaborasi dan mampu bekerja dengan baik untuk melayani sampai 70 user konkuren. Penerapan sistem yang diimplementasikan dengan teknologi sistem tertanam memberikan kontribusi terhadap penghematan daya sebesar 95,63%, penghematan ruang sebesar 97,78% dan penghematan biaya investasi sebesar 88,33%. ......Remote laboratory is a software environment that supports remote experiments, where remote users is possible to interact with the laboratory equipments and the actual measurement devices. The advantages of using remote laboratory is a laboratory performance better and more efficiently, support resource sharing and collaboration between laboratories. Several research about remote laboratories that has been published, the majority of existing remote laboratories is implemented with a desktop computer. Remote laboratory based on computer has disadvantages such as high power consumption and high investment costs. With the issue of the environment and global warming, design of the remote laboratory is expected to be more efficient and can support a green computing era. In addition, many remote laboratory design which has been developed still has some issues such as interoperability and scalability. With the background of the problems above, then to answer some of these issues, in this dissertation will be proposed new architecture multi-user and multi-device green remote laboratory based on embedded systems by applying the concept of embedded grid. Implementation of embedded systems technology will contribute in realizing the green remote laboratory more efficient and environmentally friendly. The new architecture of remote laboratory that has realized, can serve collaborative work and able to adapt to the addition of the experiment modules. Performance and scalability test results, it can be concluded that the system can serve for collaborative work and able to serve up to 70 concurrent users. The realization of the system that implemented with embedded systems technology contributes to power saving of 95.63%, space savings of 97.78% and investment cost savings of 88.33%.

Abstrak :
BLDC motor telah menjadi motor yang populer karena keunggulanannya. Untuk meningkatkan kinerja BLDC telah banyak Teknik pengendalian yang dikembangkan mulai dari yang konvensional seperti PID sampai dengan yang menggunakan kecerdasan buatan. Namun demikian, sebagian besar peneliti mendesain pengendali untuk BLDC motor dengan memanfaatkan sensor kecepatan. Penelitian ini bertujuan untuk membangun pengendali yang adaptif untuk aplikasi sensorless BLDC motor dengan dua tahapan penelitian yaitu 1 Mengembangkan Adaptif PID Controller untuk BLDC dan 2 Mengembangkan Teknik sensorless BLDC dengan Neural Network Ensemble Kalman Filter. Pada Penelitian ini, telah dikembangkan pengendali Adaptif PID berbasis Model Invers Neural Network dan teknik sensorless BLDC motor menggunakan Neural Network Ensemble Kalman Filter EnKF . Pengendali Adaptif PID berbasis Model Invers Neural Network yang dikembangkan mampu bekerja lebih baik jika dibandingkan dengan pengendali PID, PID Single Neuron, dan Pengendali Single Neuron Fuzzy. Respon waktu sistem menunjukkan rise time meningkat hingga 41,1 , Settling time meningkat hingga 178,9 dan overshoot menurun hingga 825,6 . Sedangkan teknik sensorless Neural Network Ensemble Kalman Filter mampu mengestimasi posisi dan kecepatan motor BLDC hanya dengan mengukur tegangan dan arus setiap phasa baik pada kondisi kerja adanya perubahan referensi kecepatan, adanya perubahan parameter motor BLDC, maupun adanya perubahan beban/gangguan dengan tingkat kesalahan estimasi yang sangat kecil yaitu sebesar 0.7 , serta bekerja baik pada kecepatan rendah dengan jumlah member sebanyak 8.

---

BLDC motor has become a popular motorcycle because of its advantages. To improve the performance of BLDC has a lot of control techniques developed ranging from conventional ones such as PIDs to those using artificial intelligence. Nevertheless, most researchers design controllers for BLDC motors by utilizing speed sensors. This research aims to build adaptive controller for sensorless BLDC motor applications with two stages of research that is 1 Developing Adaptive PID Controller for BLDC and 2 Developing BLDC Sensorless Technique with Neural Network Ensemble Kalman Filter. In this research, Adaptive PID controller has been developed based on Inverse Neural Network Model and BLDC sensorless motor technique using Neural Network Ensemble Kalman Filter EnKF. The Adaptive PID controller based on the developed Inverse Neural Network model works better than the PID controller, Single Neuron PID, and Single Neuron Fuzzy Controller. The system time response shows rise time rises up to 41.1 , settling time increases up to 178.9 and overshoot decreases to 825.6. While sensural technique Neural Network Ensemble Kalman Filter able to estimate position and speed of BLDC motor only by measuring voltage and current of each phase both at work condition of change of reference of speed, change of motor parameter BLDC, or existence of change of burden / interference with very estimate error rate Small that is equal to 0.7 , and works well at low speed with the number of members as much as 8.