Hasil Pencarian  ::  Simpan CSV :: Kembali

"Anti Lock Brake Systems (ABS) bertujuan untuk menghasilkan seoptimal mungkin gaya pengereman, tetapi selama proses pengereman roda kendaraan tidak terkunci sehingga kendaraan tetap terkendali.Pada pengendalian ABS, untuk rnendapatkan hasil yang optimal maka diperlukan pengendali yang mampu menjaga besar torsi optimum yang diperkenankan sebelum teljadjnya penguncian pada roda kendaraan. Torsi optimum yang dimaksud adalah torsi pengereman pada saat equilibrium point.Pengendalian ini dihadapkan pada pennasalahan berubah-ubahnya kondisi jalan, yang mengakibatkan besarnya torsi pengereman yang diberikan harus disesuaikan dengan kondisi jalan. Agar dapat diberikan besar torsi pengereman yang sesuai di perlukan slip ratio sebagai pembanding antara kondisi jalan yang berbeda. Karena itu dibutuhkan sensor untuk mendeteksi kecepatan putar roda yang kemudian data dan sensor tersebut digunakan umuk memperoleh slip ratio.Pada skripsi ini untuk membedakan kondisi pemaukaan jalan digunakan decision logic (metode elemen hingga). Metode elemen hingga membedakan kondisi permukaan jalan dengan cara membandingkan besar torsi pengereman yang diberikan dengan slip ratio yang terukur.Keluaran dan metode elemen hingga merupakan masukan bagi pengendali logika fuzzy. Masukan berupa informasi kondisi permukaan jalan menyebabkan pengendali Iogika dapat memutuskan untuk memberikan sinyal kendali yang sesuai dengan kondisi pemiukaan jalan kepada servovalve sehingga torsi pengereman optimum dapat diberikan selama terjadinya proses pengereman.Output dan simulasi berupa bentuk-bentuk grafik yang merupakan tanggapan slip ratio terhadap waktu, tanggapan torsi pengereman terhadap waktu, tanggapan kecepatan terhadap waktu sehingga dapat diamati tanggapan sistem secara keseluruhan."

"Navigasi merupakan hal yang sangat penting dalam setiap pelayaran kapal laut, yaitu untuk mengetahui posisi kapal dalam koordinat geografis. Pengendalian pada sistem kemudi kapal laut dimaksudkan untuk melepaskan diri dan ketergantungan kemudi kapal terhadap seorang nakhoda dan kapal laut dapat tiba di tempat tujuan dengan kesalahan posisi yang tidak terlalu besar.Pada skripsi ini akan dibahas perbandingan dua pengendali yang akan digunakan untuk mengendalikan kemudi kapal laut, yaitu pengendali logika fuzzy dan pengendali ANFIS (Adaptive-Network-Based Fuzzy Inference System). Pengendali logika fuzzy menggunakan metoda basis aturan berdasarkan pengalaman seorang pakar (dalam hal ini nakhoda) untuk mengendalikan kemudi kapal yang diambil dari acuan[2] , sementara pengendali ANFIS merupakan pengendali neuro fuzzy yang rnenggunakan proses learning dari basis data untuk menghasilkan basis aturannya. Kedua jenis pengendali ini akan menghasilkan kinerja yang berbeda."

"Tesis ini membahas tentang Pengendali Logika Fuzzy sistem Thermal Mixing. Salah satu contoh proses thermal mixing yang cukup sederhana dan mewakili adalah Proses Pencampuran Air Panas dan Air Dingin. Sistem pencampuran air panas dan air dingin ini terdiri atas sebuah tangki dengan dua buah pipa saluran masukan dan sebuah saluran keluaran. Level dan temperatur air akan diukur dengan menggunakan tranduser.Sistem pencampuran air panas dan air dingin ini merupakan sistem yang multivariabel dengan empat masukan dan dua keluaran. Dari pemodelan yang diperoleh dapat dilihat bahwa sistem pencampuran ini merupakan sistem non linier. Sifat non linier sistem ini merupakan suatu kendala yang harus dikendalikan untuk mendapatkan hasil yang diinginkan yaitu temperatur dan level air tertentu.Konfigurasi sistem yang digunakan pada pengujian ini adalah maksimum tinggi air dalam tangki 2 m, luas alas tangki 2 m2, luas penampang pipa air 0,05 m2, tinggi level air awal 1 m, suhu air awal dalam tangki 27°C.Untuk melihat tanggapan sistem pengendalian proses pencampuran air panas dan air dingin dengan menggunakan pengendali logika fuzzy maka harus dilakukan berbagai pengujian dengan berbagai macam kondisi. Pengujian ini dilakukan dengan menggunakan fasilitas Simulink versi 4 pada program Matlab versi 6.0.0.88 Release 12.

---

This thesis studies a fuzzy logic controller to the process of thermal mixing. An example of a simple thermal mixing process that represent it was a cold and hot water mixing process. The cold and hot water mixing system consist of a tank which connected to two water pipe inputs and a water pipe output. Water level and temperature were measured with transducers.

The cold and hot water mixing process was a multivariable system with four inputs and two outputs. From mathematical models, the mixing system is a non linear system. The non linearity of this system is the constraint that has to be controlled to achieve the temperature and level set points.

The system configuration used in the examination are 2 m of maximum water level in tank, base area of tank is 2 m2, cross section area of outlet pipe is 0.05 m2 initial water level is 1 m and initial water temperature is 27°C.

The responds system of the mixing process control using fuzzy logic controller was tested in some variants conditions. The tests were simulations using the Simulink version 4 facility in Matlab version 6.0.0.88 release 12 program."

"Dalam skripsi ini dibahas mengenai perancangan dan pembuatan perangkat keras dan perangkat lunak robot beroda otonomi yang mampu bergerak dengan baik pada lingkungan sekitar tanpa pengendalian manusia. Pengendalian robot ini berdasarkan reactive behavior dan goal-oriented behavior. Robot bertujuan untuk bergerak di dalam maze yang menyerupai rumah, mencari api, mematikan api lalu kembali ke tempat awal. Robot ini bergerak dalam ruangan yang mempunyai peta statis, dengan ukuran tiap peta yang tidak sama. Robot otonomi menggunakan pengendali logika fuzzy sebagai pengatur tingkah laku atau pergerakan robot selama bergerak di dalam maze, serta menggunakan teori graph sebagai navigasi robot dalam maze. Robot ini dilombakan di ajang Kontes Robot Cerdas Indonesia (KRCI) 2005 di Balairung Universitas Indonesia, 14-15 Mei 2005 sebagai wakil Universitas Indonesia. Selama perlombaan terlihat semua fungsi robot dapat berjalan dengan baik, dan berhasil menyelesaikan tugasnya secara memuaskan. Tetapi ada beberapa kekurangan seperti respons motor yang lambat, kecepatan motor yang kurang dan minimalnya strategi pencegahan (contingency strategy). Namun secara keseluruhan, robot ini memuaskan dengan dibuktikannya menyelesaikan keseluruhan tugas yang diberikan sehingga menempati peringkat ketiga dan mendapat penghargaan robot dengan desain ekonomis."

"Skripsi ini membahas mengenai disain dan implementasi pengendali fuzzy pada sistem motor induksi menggunakan PLC Mitsubishi Q02HCPU, meliputi perancangan konfigurasi hardware sistem secara keseluruhan, pemrograman fuzzy logic menggunakan diagram ladder, serta perancangan sistem monitoring unjuk kerja fuzzy. Sistem ini memanfaatkan pulsa pembacaan rotary encoder yang terkopel pada pulley motor induksi sebagai feedback kecepatan real. System fuzzy yang dibuat memiliki dua fungsi keanggotaan masukan (Error & DError) sebagai masukannya serta satu fungsi keanggotaan keluaran (DV) sebagai keluarannya. Metode inferensi yang digunakan adalah tipe max-min Mamdani. Pada proses defuzzifikasi, system dibuat dengan menggunakan dua metode sebagai pembanding, yaitu: middle of maxima dan weighted average. Untuk melakukan fungsi pengawasan, data-data input dan output berupa set point (SP), process value (PV), dan keluaran analog (DV) ditampilkan ke dalam grafik historikal dengan menggunakan software HMI Mitsubishi GT-Designer3. Berdasarkan nilai rata-rata parameter unjuk kerja yang diperoleh dari grafik respon transien perubahan speed pada siklus Error positive dan negative, respon serta stabilitas yang dihasilkan pada percobaan menggunakan metode defuzzifikasi weighted average relatif lebih baik daripada middle of maxima.

---

This paper discusses the design and implementation of fuzzy controllers on the induction motor system using Mitsubishi PLCs Q02HCPU, including designing the hardware configuration of the overall system, programming of fuzzy logic using ladder diagrams, as well as the performance design of fuzzy monitoring systems. These systems utilize pulse which read out from rotary encoder are coupled to the pulley of induction motor as real velocity feedback.

Fuzzy systems are made to have two membership functions input (Error & DError) as input and one membership function output (DV) as the output. Maxmin Mamdani type is used as inference method. In defuzzification process, the system is made by using two methods as a comparison, namely: middle of maxima and the weighted average. To perform a supervisory function the data input and output, such as: set point (SP), process value (PV), and analog output (DV) is shown on the historical graph by using the software HMI Mitsubishi GTDesigner3.

Based on the average value of the performance parameters obtained from the response transient graph in speed change on positive and negative cycle Error, response and stability generated in experiments using the defuzzification method of weighted average relatively better than the middle of maxima."

"Pembangkitan listrik hams memperhatikan pengendalian kecepatan putar turbin generator agar Iistrik yang dibangkitkan memiliki frekuensi yang stabil dan daya sinkron yang besar.Pengendalian kecepatan putar pada turbin uap menggunakan Auromatic Generation Control (AGC) bertujuan agar response deviasi frekuensi tidak memiliki error steady-state serta mampu mengembalikan kepada kecepatan sinkronnya secepat mungkin sehingga daya sinkron sistem bertambah tinggi. Pembahasan meliputi pemodelan sistem steam turbine-generator yang sederhana, konsep dasar Iogika fuzzy dan penerapannya sebagai pengendali. Analisis dilakukan terhadap transient stability dan steady-state strability pada sistem dengan pengendali Iogika fuzzy sebagai AGC yang mengalami gangguan (disturbance) pada beban dan tegangan. Serta unjuk kerjanya dibandingkan dengan sistem dengan pengendali PI.Simulasi pengendali logika FLIZZY sebagai AGC dilakukan dengan bantuan perangkat lunak Simulink pada Matlab versi 5.3. Dari simulasi didapat bahwa pengendali logika Fuzzy tipe PFD sebagai AGC mampu menghilangkan error steady-state response deviasi frekuensi dengan cepat dan memiliki daya sinkron yang relatif bertambah tinggi dibandingkan pengendali PI."