Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"Berkembangnya teknologi kecerdasan buatan merupakan suatu hal yang berimbas pula kepada teknologi sistem kendali. Proses automatisasi industri bahkan alat-alat rumah tangga telah banyak yang menggunakannya Salah satu teknologi yang digunal-can dalam sistem kendali adalah logika fuzzy. Logika fuzzy merupakan suatu bentuk logika yang merepresentasikan cara rnanusia berpikir yang tidak pasti, penuh keraguan. Dalam peranoangan sistem kendaii dengan logika fuzzy, yang perlu dilakukan adalah mernbuat suatu sistem berdasarkan pengalaman operator selama mengoperasikan alat yang dikendalikannya. Hal ini tentu Sangat memudahkan desain suatu sistem dan outputnya akan lebih baik daripada sistem dengan pengendali klasik. Pada skripsi ini akan dibahas unjuk kerja pengendali logika firny dengan pengendali PI dengan penerapannya pada pengendalian kecepatan putar motor arus searah penguatan ter-pisah.Motor arus scarab banyak digunakan dalam sistem kendali misalnya sebagai penggerak elevator, lift, dan tangan robot. Koniigurasi motor arus searah pada skripsi ini rnenggunakan koniigurasi tluks variabel untuk merepresentasikan kerja yang sesungguhnya dari motor arus scarab. Teknik pengendalian membutuhkan 2 parameter yang harus dikendalllcan secara bersamaan yaitu keoepatan dan arus karcna pada proses start, arus jangkar motor saugat tinggi, sehingga harus dirancang sistem kendaii yang juga rnampu mcngendaiikan arus jangicar tersebut Pada skripsi ini dapat diaualisa bagaimana pengendali PI dan logika iirzzy mampu menangani masalah tersebut."

"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."

"Fuzzy Model Reference Learning Control merupakan suatu teknik kendali yang dapat mengatasi keterbatasan pengendali fuzzy yang tidak memiliki suatu algoritma untuk mengkompensasi perubahan kondisi tau variasi yang besar dari sistem yang dikendalikannya, Fuzzy Model Reference Learning Control memiliki kemampuan untuk mengatasi adanya perubahan parameter sistem dengan menggunakan mekanisme pembelajaran. Sistem pengereman mobil merupakan sistem dengan parameter yang bervariasi, yaitu specific torque sehingga metoda Fuzzy Model Reference Learning Control diaplikasikan pada pengendali sistem ini. Pengendali menggunakan suatu model referensi pada mekanisme pembelajarannya yang merepresentasikan bagaimana suatu sistem perngereman diharapkan untuk berlaku. Hasil simulasi menunjukkan pengendali mampu memaksa sistem pengereman mobil yang dikendalikannya berlaku seperti model referensi walaupun dengan specific torque yang bervariasi."

"Suatu sistem kendali yang baik harus mempunyai ketahanan terhadap disturbance dan mempunyai respon yang cepat dan akurat. Sering terjadi permasalahan dalam sistem kendali Proportional Integral Derivative (PID) bila dibuat sangat sensitif, maka respon sistem terhadap disturbance menghasilkan overshot/undershot yang besar sehingga kemungkinan dapat terjadi osilasi semakin tinggi. Bila dibuat kurang sensitif memang akan menghasilkan overshot/undershot kecil, tetapi akibatnya akan memperpanjang recovery time. Untuk mengatasi hal ini, diterapkan sistem kendali hybrid yaitu sistem kendali PID yang akan dihybridkan dengan sistem kendali logika fuzzy. Dalam sistem ini kendali utama adalah kendali PID sedangkan kendali logika fuzzy bekerja membantu untuk meminimalkan overshot/undershot yang terjadi dan juga meminimalkan recovery time dari respon sistem.Sistem kendali logika fuzzy yang didesain mempunyai 2 input yaitu error dan delta error dan output kecepatan motor. Besar output dari sistem kendali logika fuzzy hanya 50 % dari kendali PID. Hal ini dilakukan dengan membatasi semesta pembicaraan dari himpunan fuzzy untuk output. Dari desain sistem ini diharapkan sistem kendali secara keseluruhan yang merupakan hybrid antara PID dengan Kendali Logika Fuzzy dapat menghasilkan respon sistem yang lebih baik.

---

PID Fuzzy Logic Controller System for DC Motor Speed Control. A good controller system must have resilience to disturbance and must be able to response quickly and accurately. Problem usually appears when PID controller system was built sensitively hence the system?s respon to the disturbance will yield big overshot/undershot then the possibility of oscillation to be happened is excelsior. When the controller system was built insensitively, the overshot/undershot will be small but the recovery time will be longer. Hybrid controller system could overcome those problems by combining PID control system with fuzzy logic.The main control of this system is PID controller while the fuzzy logic acts to reduce an overshot/undershot and a recovery time. The fuzzy logic controller is designed with two input error and delta error and one output of the motor speed. The output of fuzzy logic controller should be only half of the PID controller for limiting entirely fuzzy output. This hybrid system design has a better respon time controller system than PID controller without fuzzy logic."

"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."

"ABSTRAKTesis ini membahas pengendali logika fuzzy yang digunakan untuk pengendalian proses pewarnaan benang sintetis. Model dinamika proses pewarnaan benang sintetis diturunkan berdasarkan laju penurunan berat bahan pewarna di dalam hopper dari feeder dan laju aliran bahan pewarna tersebut di dalam screw conveyor. Kemudian disimulasikan dengan bahasa Delphi versi 2.0 dari Borland.Fungsi keanggotaan yang digunakan berbentuk segitiga dan dikelompokkan dalam tujuh kelompok.Kaidah logika fuzzy yang digunakan pada tesis ini disusun berdasarkan kaidah logika fuzzy dari King dan Mamdani, yang terdiri dari 13 (tiga belas) aturan pengendali logika fuzzy.Untuk melihat kinerja pengendali logika fuzzy, dilakukan dengan cara membandingkan hasil simulasi pengendali logika fuzzy dengan pengendali PID.

---

ABSTRACT

Application Fuzzy Logic Controller to the Control of Colouring Process of Synthetic YarnThis thesis describes fuzzy logic controller to control the coloring process of synthetic yarn. Dynamic model of the process is derived based on the loss in weight rate of the granulated coloring substance in the feeder and its flow in the screwed conveyor. The model is simulated using Borland Delphi language ver. 2.

The fuzzy logic controller uses seven fuzzy set, for input with triangular membership function. By referring to the desired step response of a second order system, and by heuristic approach it can be defined thirteen rules for the controller. The fuzzy implication is done by King's and Mamdani's fuzzy reasoning.

The performance of the fuzzy logic controller is then compared with a PID controller using simulations."