Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada skripsi ini Bidang fasa (dengan sumbu error dan delta error) digunakan untuk membangun aturan-aturan kendali pada pengendali fuzzy PI. Bidang fasa digunakan untuk menjembatani hubungan antara tanggapan waktu dengan basis aturan. Berdasarkan hubungan tersebut diturunkan langkah-langkah umum untuk membangun basis aturan berukuran 7 x7 secara spesifik. Basis aturan yang dibangun kemudian dibandingkan dengan basis aturan fain dalam simulasi. Bidang fasa jugs digunakan dalam sistem supervisi untuk menala faktor skala pengendali fiizzy sehingga diperoleh overshoot yang diinginkan. Untuk setiap siklus dibangun suatu lintasan acuan yang dapat berubah untuk setiap waktu cuplik. Kemudian suatu indeks kineda dihitung berdasarkan perbandingan lintasan acuan dengan Iintasan sebenarnya. Indeks kineda selanjutnya digunakan untuk menala faktor skala pengendali fuzzy dengan menggunakan metode inferensi fuzzy. Simulasi pada sistem orde pertama, orde pertama dengan waktu tunda dan orde kedua dilakukan untuk menguji efektivitas sistem supervisi."

"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."

"Pengendalian motor induksi tiga fasa dapat dilakukan dengan metode kendali skalar. Metode ini digunakan karena memiliki struktur kendali yang sederhana, cepat dan mudah di program serta dapat dioperasikan dengan loop terbuka tanpa pengendali kecepatan sehingga secara ekonomis Iebih murah. Frekuensi rendah yang diberikan oleh sumber menyebabkan terjadinya drop tegangan pada rangkaian rotor dan slip yang semakin besar. Drop tegangan akan mengurangi fluks yang akan menginduksikan rotor, sehingga torsi elektromagnetik yang dihasilkan berkurang dan bila besarnya kurang dari rorsi yang dibutuhkan untuk memutar rangkaian rarer, maka rotor tidak drupal berputar. Untuk memperbaiki masalah ini diperlukan kompensasi untuk drop tegangan dan frekuensi slip.Skripsi ini akan membahas pengaruh penambahan kompensator pada metode kendali loop terbuka dan metode dengan pengendali Pl, dengan melihat parameter tanggapan waktu sistem pada frekuensi rendah. Pengujian dilakukan tanpa beban dan dengan variasf beban dengan program MATLAB SIMULINK C MEX S-Function."

"Pengendali PID merupakan salah satu pengendali yang umum digunakan, karena memiliki struktur pengendali yang sederhana, performa yang baik dan mudah untuk diimplementasikan. Namun, performa pengendali PID dapat ditingkatkan lagi dengan menggunakan kalkulus orde fraksi untuk pengendali bagian Integral dan Derivative dalam PID, sehingga dikenal dengan nama fractional order PID (FOPID). Penggunaan kalkulus orde fraksi ini menyebabkan terjadinya suatu permasalahan karena pengendali FOPID memiliki parameter yang lebih banyak dibandingkan pengendali PID. Bertambahnya parameter tersebutlah yang membuat penentuan parameter pengendali FOPID menjadi lebih sulit. Maka dari itu, pada penelitian ini akan dibahas mengenai metode tuning FOPID dengan pendekatan FOPI dan FOPD, hasil pengendalian motor DC dan pendulum terbalik menggunakan pengendali FOPID yang telah di-tuning, dan perbandingan hasil pengendalian menggunakan pengendali FOPID dan PID. Dalam penelitian ini, pengendali FOPID dapat diperoleh menggunakan metode tuning yang diajukan, tetapi metode tersebut memiliki beberapa batasan, yaitu sistem yang akan dikendalikan harus stabil/ distabilkan terlebih dahulu dan spesifikasi gain crossover frequency (ωgc) minimum sebesar 10 rad/s. Hasil pengendalian motor DC dan pendulum terbalik yang didapatkan sudah sesuai dengan spesifikasi pengendali FOPID ketika tuning, serta perbandingan pengendali FOPID dengan PID menunjukkan bahwa pengendali FOPID memiliki performa yang lebih baik

---

PID Controller is one of the most used type of controller, because of its simple structure, good performance and easy to implement. However, PID controller performance’s can be improved with the use of fractional order Calculus for the Integral and Derivative’s part of PID, so that the name is known as fractional order PID (FOPID). Using fractional order calculus causes a new problem, because of FOPID controller has more parameters to tune than PID controller, the tuning of FOPID controller becomes harder. Because of that, this study will discuss about a tuning method of FOPID controller with FOPI and FOPD approaches, the simulation results of said tuning methods on DC motor and inverted pendulum system, also comparing the results from FOPID controller with PID controller. In this study, FOPID controller can be obtained using the proposed tuning method, although there are some limitation from this tuning method, namely the system to be controlled must be a stable system or must be stabilized first and the minimum gain crossover frequency (ωgc) specification is 10 rad/s. The results of controlling DC motor and inverted pendulum are in accordance with the FOPID controller specification when tuned and the comparison between FOPID controller and PID controller shows that FOPID controller has a better performance than PID controller."

"AbstrakPada tesis ini dibahas pemodelan furnace secara matematis untuk mendapatkan fungsi alih yang mewakili dinamika proses yang berjalan. Desain pengendali dilakukan untuk mengendalikan furnace dalam mengantisipasi gangguan perubahan temperatur lingkungan yang terjadi selama proses metal forming berlangsung.Pemilihan pengendali yang digunakan yaitu pengendali PI, pengendali feedforward, dan pengendali Fuzzy Logic dan masing-masing dibahas, dianalisis serta dilakukan uji coba pengendalian untuk mengantisipasi gangguan tersebut di atas.AbstractThis thesis discussed mathematical models of the furnace for the metal forming process in order to represent the dynamic characteristics. The controller is designed to anticipate disturbances caused by environmental temperature during metal forming processing activity.The choice of controllers used are PI controller, feedforward controller, and fuzzy logic controller, and each of them will be discussed, analyzed, and examined to find out their ability to eliminate the disturbance effects."

"Tugas akhir ini merancang suatu aplikasi pengendali NeuroFuzzy (pengendali fuzzy berbasis jaringan saraf buatan - Neural Network) untuk mengendalikan suhu pada suatu sistem pengatur suhu ruangan.Pada dasarnya pengendali NeuroFuzzy ini menyatukan pengendali logika fuzzy biasa dengan suatu jaringan saraf tiruan dengan tujuan untuk memperbaiki karakteristik respon transien pengendali dan mampu beradaptasi dengan masukan yang diberikan dengan cara mengoptimalkan kemampuannya membentuk fungsi keanggotaan yang baru.Pada awalnya proses pengedalian mempunyai rentang waktu yang lebih lama, namun dengan semakin banyak dilatih sistem menjadi semakin 'pinta!"" dan cepat memberikan respon yang optimal.Dengan penerapan jaringan NeuroFuzzy, pengaturan suhu menjadi Iebih mudah dan efisien karena sistem pengendali memiiiki kemampuan belajar yang cepat untuk menyesuaikan diri dengan kondisi yang ada dan mampu memperkecil error yang terjadi dengan cara memperbaiki bobot-bobot neuron pada jaringan sarafnya."