Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada skripsi ini dibuat sebuah sistem kendali tertutup dengan menerapkan logika fuzzy sebagai pengendali. Sistem ini dibuat untuk menguji algoritma real-time reasoning fuzzy controller yang diterapkan pada sistem kendali posisi motor do berbasis komputer. Sistem yang dikendalikan diimplementasikan berupa gerakan rotasi satu dimensi. Perangkat keras yang digunakan dalam skripsi ini, terdiri dari empat bagian utanu, yaitu antarmuka PC, rangkaian pengubah sinyal (ADC dan DAC), penggerak motor dan sensor. Antarmuka PC berfungsi untuk mengatur pengalamatan dan jalur data antara perangkat keras dan perangkat lunak. Sensor berfungsi untuk memberikan masukan pada perangkat lunak fu=ry, melalui antar-muka PC, kemudian pengendalifuzzy memberikan keluaran pada penggerak motor. Sinyal yang keluar dari sensor adalah sinyal analog, untuk itu perlu diubah menjadi sinyal digital oleh ADC sebelum masuk ke komputer. Sebaliknya, sinyal yang keluar dari komputer adalah sinyal digital dan harus diubah menjadi sinyal analog untuk dapat dipakai oleh penggerak motor. Perangkat lunak dalam sistem ini digunakan sebagai antarmuka pemakai dengan sistem untuk melakukan fungsi-fungsi seperti menset sistem untuk inisialisasi, menjalankan algoritma pengendali fuzzy berdasarkan sinyal input yang masuk ke dalam bus data, mengeluarkan sinyal pengendali yang sesuai kepada penggerak motor melalui DAC, memasukkan komposisi Memori Assosiatif Fuzzy, memonitor tanggapan waktu sistem dan melakukan analisis respons sistem. Hasil yang dicapai menunjukkan bahwa penerapan pengendali fuzzy pada sistem kendali posisi gerakan rotasi satu dirnensi ini dapat menurunkan overshoot dan mengurangi galat tunak."

"Dengan berkembangnya konstruksi perkotaan dan kebutuhan industri, maka semakin diperlukannya pipa yang panjang. Untuk Kebutuhan industri diperlukannya sistem pengendalian yang kuat, adaptif, efisien, dan ramah lingkungan untuk memenuhi kebutuhan yang sangat besar. Pada penelitian ini telah dirancang suatu sistem kendali berbasis kecerdasan buatan dengan logika fuzzy pada pengendalian debit air berbasis PLC .Dalam penelitian ini sistem logika fuzzy menggunakan 2 input fuzzy set yaitu error dan perubahan error. Setiap Fuzzy set menggunakan 5 fungsi keanggotaan yaitu negatif besar (NB), negatif medium(NM), zero(ZO), positif medium(PM), positif besar(PB). Sistem dapat melakukan pengendalian debit sesuai yang dibutuhkan.Sistem ini berada pada sebuah komputer yang berfungsi sebagai pusat pengendalian dan mengambil data dari OPC server dimana data tersebut diambil dari PLC menggunakan komunikasi ethernet yang langsung terhubung dengan plant. Sistem pengendalian berbasis logika fuzzy dioperaasikan pada prototype plant dalam skala lab, dan analisis performa diverivikasi secara eksperimental. Data secara langsung dapat diambil dan dilihat menggunakan SIMULINK MATLAB. Berdasarkan hasil eksperimen dapat simpulkan pengendalian menggunakan logika fuzzy lebih baik dibanding pengendalian konvesional PID. Hasil pengendalian menggunakan logika fuzzy lebih cepat mencapai steady state yaitu 24.24 sekon tanpa adanya overshoot dibandingkan dengan menggunakan PID yaitu 48.6 sekon dengan overshoot sebesar 16.2%.

---

With the development of urban construction and industrial needs, the need for long pipes is increasing. For industrial needs, a control system that is strong, adaptive, efficient, and environmentally friendly is needed to meet huge needs. In this study, a control system based on artificial intelligence has been designed with fuzzy logic for PLC-based water flow control. In this study, the fuzzy logic system uses 2 fuzzy set inputs, namely error and error change. Each Fuzzy set uses 5 membership functions, namely large negative (NB), medium negative (NM), zero (ZO), medium positive (PM), large positive (PB). The system can control the discharge as needed.

This system is located on a computer that functions as a control center and retrieves data from the OPC server where the data is retrieved from the PLC using ethernet communication which is directly connected to the plant. The fuzzy logic-based control system was operated on a prototype plant on a lab scale, and the performance analysis was verified experimentally. Direct data can be retrieved and viewed using SIMULINK MATLAB. Based on the experimental results, it can be concluded that controlling using fuzzy logic is better than conventional PID control. The result of controlling using fuzzy logic reaches a steady state faster, which is 24.24 seconds without overshoot, compared to using PID, which is 48.6 seconds with an overshoot of 16.2%."

"Dengan berkembangnya pembangunan perkotaan dan kebutuhan industri, semakin pipa panjang diperlukan. Untuk kebutuhan industri diperlukan suatu sistem system pengendalian yang kuat, adaptif, efisien, dan ramah lingkungan untuk memenuhi kebutuhan yang sangat besar. Pada penelitian ini telah dirancang sebuah sistem kendali berdasarkan kecerdasan buatan dengan logika fuzzy pada kontrol aliran air berdasarkan PLC. Pada penelitian ini sistem logika fuzzy menggunakan 2 input himpunan fuzzy yaitu error dan perubahan kesalahan. Setiap himpunan fuzzy menggunakan 5 fungsi keanggotaan yang bernilai negatif besar (NB), negatif sedang (NM), nol (ZO), positif sedang (PM), besar positif (PB). Sistem dapat melakukan kontrol debit sesuai kebutuhan. Sistem ini terletak pada komputer yang berfungsi sebagai pusat kendali dan mengambil data dari server OPC tempat data diambil dari PLC menggunakan komunikasi Ethernet yang terhubung langsung ke plant. Sistem kontrol berbasis logika fuzzy dioperasikan pada pabrik prototipe pada skala lab, dan analisis kinerja diverifikasi secara eksperimental. Data dapat langsung diambil dan dilihat menggunakan MATLAB SIMULINK. Berdasarkan hasil percobaan dapat disimpulkan kontrol menggunakan logika fuzzy lebih baik dari kontrol konvensional PID. Hasil kontrol menggunakan logika fuzzy mencapai kondisi tunak lebih cepat yaitu 24,24 detik tanpa overshoot dibandingkan dengan menggunakan PID yaitu ID 48,6 detik dengan overshoot 16,2%.

---

With the development of urban development and industrial needs, more and more long pipes are needed. For industrial needs, a strong, adaptive, efficient, and environmentally friendly control system is needed to meet enormous needs. In this research, a control system based on artificial intelligence has been designed with fuzzy logic on water flow control based on PLC. In this study, the fuzzy logic system uses 2 input fuzzy sets, namely error and error change. Each fuzzy set uses 5 membership functions with large negative values ​​(NB), medium negative (NM), zero (ZO), moderate positive (PM), large positive (PB). The system can perform discharge control as needed. This system is located on a computer that functions as a control center and retrieves data from the OPC server where data is retrieved from the PLC using Ethernet communication that is connected directly to the plant. Fuzzy logic based control system is operated in a prototype factory on a lab scale, and performance analysis experimentally verified. Data can be directly retrieved and viewed using MATLAB SIMULINK. Based on the experimental results, it can be concluded that the control using fuzzy logic is better than conventional PID control. The results of the control using fuzzy logic reached steady state faster, namely 24.24 seconds without overshooting compared to using PID, namely ID48.6 seconds with 16.2% overshoot."

"Pengeringan bahan pangan konvensional umumnya dihamparkan dan dialas anyaman bambu, dijemur di bawah sinar matahari. Arena jemur terbuka, lalat dapat hinggap atau jamur tumbuh akibat kelembaban udara tidak terkontrol. Kebersihan dan higienitas bahan pangan menjadi hal yang penting. Ruang pengering modern berbentuk - inkubator - dengan sistem kontrol suhu dan kelembaban dirancang untuk menggantikan cara pengeringan konvensional. Obyek yang dikeringkan singkong, bahan baku Mocal pengganti tepung terigu yang masih import. Nilai ekonominya lebih tinggi dibandingkan tapioka. Hasil pengeringan singkong dalam inkubator lebih bersih, bebas debu, anti hujan dan higien dibandingkan cara konvensional. Suhu dan kelembaban ruang dikontrol dengan metode Fuzzy Logic Controller (FLC). Temperatur, kelembaban udara dikondisikan agar proses pengeringan optimal. Fuzzy Logic Controller (FLC) digunakan untuk memproses input Error, E(k) dan Cange in Error dE(k). Karakteristik kering singkong adalah penyusutan ukuran bahan baku (40%). Suhu dan kelembaban udara dideteksi dan diukur oleh ICLM35 dan SHT11. Output sensor akan dibandingkan dengan setting point menggunakan program bahasa C. Proses pengaturan setting point dan tampilan output diberikan dalam dua pilihan yaitu melalui LCD dan Komputer. Tampilan output komputer menggunakan program Visual Basic. Kontrol suhu ruang - inkubator - pada interval 38°C sampai dengan 55°C, kinerja pengeringan mencapai 90%.

---

In conventional drying, foodstuffs spread on woven bamboo, dried in the sun. In the arena of open drying can fly alighted or fungi grow due to humidity is not controlled. Cleanliness and hygiene of foodstuffs is important thing. Modern drying chamber shaped ""incubator"" with temperature and humidity control system designed to replace conventional drying. The object is dried cassava raw material substitutes Mocal. The dried cassava in the incubator clean, dust free, anti-rain and hygienic compared to conventional way. Temperature and humidity controlled room with a Fuzzy Logic Controller (FLC). Temperature and humidity are conditioned to optimize drying process.

Fuzzy Logic Controller (FLC) is used for processing input Error, E(k) and changing in Error dE(k). Characteristic of dry cassava is shrinkage of size of the raw materials (40%). Temperature and humidity will be detected and measured by ICLM35 and SHT11. Sensor outputs are compared with the setting point. FLC process is done by computer using the program language C. The process of setting point and display output is given in two options, LCD and Computer. View computer output using Visual Basic. Room temperature control ""incubators"" are expected to be at 38°C intervals up to 55°C, drying performance reached 90%."

"Pengontrol aliran banyak digunakan di berbagai industri, seperti di industri perminyakan untuk mengalirkan minyak dari minyak lepas pantai ke darat atau digunakan untuk distribusi minyak. Pengontrol aliran yang paling banyak digunakan dalam industri adalah pengontrol berbasis PID konvensional yang diimplementasikan menggunakan PLC. PLC banyak digunakan dalam industri karena kekompakannya, memiliki konektivitas standar dan memiliki keandalan yang tinggi. Dalam penelitian ini, pengontrol non-konvensional, yaitu pengontrol Neuro-Fuzzy, diterapkan pada pabrik prototipe yang mengandung air sebagai agen alirannya. Pabrik prototipe terdiri dari tangki air, pompa air, katup gerbang, katup kontrol, flow meter, dan sistem perpipaan. Kontroler Neuro-Fuzzy dalam penelitian ini dirancang berdasarkan algoritma ANFIS, dengan input berupa kesalahan dan perubahan kesalahan dari variabel proses yang diamati, dalam hal ini aliran air pada pipa keluaran pabrik prototipe. Pengontrol dioperasikan di lingkungan MATLAB/SIMULINK pada PC, yang memperoleh informasi laju aliran berasal dari flow meter yang terhubung ke PLC. PLC berkomunikasi dengan pengendali melalui fasilitas OPC. Output dari pengontrol, yang berupa bukaan katup kontrol, akan dikirim ke PLC melalui OPC, oleh karena itu PLC dapat mengontrol bukaan katup sesuai dengan laju aliran air yang diinginkan. Setelah menjalani proses pelatihan, pengendali berbasis ANFIS yang dikembangkan diuji dengan berbagai titik setel debit air untuk mendapatkan informasi kinerjanya. Dari penelitian ini ditemukan bahwa pengontrol berbasis ANFIS adalah pengontrol dengan kinerja yang baik, yang memiliki waktu naik rata-rata 16,88 detik, waktu penyelesaian 30,68 detik, dan dengan overshoot 0% dan 35,65%, dan memiliki relatif kecil kesalahan 2,59%.

---

Flow control is widely used in various industries, such as in the oil industry to flow oil from offshore to onshore oil or used for oil distribution. The most widely used flow controller in the industry is conventional PID-based controller which is implemented using PLC. PLCs are widely used in industry because of their compactness, standard connectivity and high reliability. In this study, a non-conventional controller, the Neuro-Fuzzy controller, is applied to a prototype plant that contains water as its flow agent. The prototype plant consists of a water tank, a water pump, a gate valve, a control valve, a flow meter, and a piping system. The Neuro-Fuzzy controller in this study was designed based on the ANFIS algorithm, with input in the form of errors and error changes of the observed process variables, in this case the flow of water in the prototype factory output pipe. The controller is operated in a MATLAB / SIMULINK environment on a PC, which gets flow rate information from a flow meter connected to the PLC. PLC communicates with controllers through OPC facilities. The output from the controller, which is the control valve opening, will be sent to the PLC via OPC, therefore the PLC can control the valve opening according to the desired flow rate. After undergoing the training process, the ANFIS-based controller that was developed was tested with various water discharge set points to obtain performance information. From this study it was found that ANFIS-based controller is a controller with good performance, which has an average rise time of 16.88 seconds, a completion time of 30.68 seconds, and with 0% and 35.65% overshoot, and has relatively small errors 2.59%."

"Dalam togas skripsi ini akan dibahas mengenai aplikasi pengendali berbasis pengetahuan, pada pengendalian kemudi kapal laut dari posisi awal menuju sembarang titik tujuan dengan sudut heading awal kapal yang berbeda-beda. Dimana pengendali berbasis pengetahuan yang digunakan adalah Pengendali Logika Fuzzy (Fuzzy Logic Controller). Penerapan pengendali tersebut dilakuan dengan menggunakan perangkat lunak Matlab 5.3. Basis pengetahuan FLC (Fuzzy Logic Controller) yang dirancang berdasarkan atas pengetahuan nahkoda kapal dalam mengendalikan daun kemudi (rudder) kapal laut secara manual. Komponen-komponen yang dipergunakan dalam membentuk pengendalian tersebut dikelompokan menjadi 2 bagian yakni input (masukan) yang terdiri dari posisi kapal pada koordinat x, posisi kapal pada koordinat y dan sudut heading kapal serta output (keluaran) yang berupa sinyal kendali yang akan menggerakan rudder kapal. Dengan memetakan setiap kombinasi dari ketompok input maka basis pengetahuan yang diperoleh terdiri dari dua rates dua puluh lima aturan."

"Dalam skripsi ini akan dijelaskan model dinamik robot beroda dengan kemudi differensial yang dikendalikan dengan pengendali fuzzy. Pengendaii fuzzy menggunakan dua kumpulan aturan pengambil keputusan yang disebut behavior (behavior penghindaran halangan dan behavior pencapaian tujuan). Behavior pencapaian tujuan akan dilaksanakan bila sensor tidak mendeteksi halangan atau bila titik tujuan lebih dekat dibanding jarak halangan yang terdeteksi. Seiain kondisi tersebut diatas maka behavior penghindaran halangan yang akan dijalankan. Komponen-komponen yang dipergunakan dalam membentuk pengendalian tersebut dikelompokkan menjadi dua bagian, yakni masukan yang terdiri dari jarak terdekat pengukuran halangan oleh sensor, posisi tujuan relalif terhadap sudut heading robot dan jarak tujuan. Sedangkan keluaran adaiah beda tegangan begi motor penggerak roda robot. Pengendali fuzzy yang terdiri dari gabungan dua behavior ini membentuk 66 aturan. Pada simulasi, kecepatan diasumsikan tetap dan jarak maksimum pengukuran sensor adalah 2 meter. Pada bagian akhir akan diberikan algoritrna progam simulasi dan hasil-hasil simulasi pada beberapa kondisi untuk menunjukkan kinerja sistem."

"Skripsi ini membahas tentang desain dari sebuah IC NE555 sebagai sebuah multivibrator astabil untuk membuat inverter dengan menggunakan software Multisim serta analisis rangkaiannya. Komponen - komponen pada inverter meliputi multivibrator astabil, driver, amplifier, filter, dan transformator. Desain ini dapat menggunakan tenaga sel surya sebagai energi alternatif pengganti baterai. Inverter ini memiliki masukan dari baterai sebagai representasi dari sel surya sebagai sumber DC. Kemudian sumber DC tersebut akan diubah menjadi gelombang persegi. Gelombang persegi dikuatkan dengan menggunakan driver amplifier kemudian difilter. Keluaran akhirnya berupa gelombang sinusoidal yang diberi transformator step up.

---

The focus of this study is about a design of an IC NE555 as an astable multivibrator for creating an inverter using Multisim software and circuit analyzing. Components of inverter are astable multivibrator, driver, amplifier, filter, and transformator. This design can be used by solar cell power as an alternative energy replacing batteries. Input for this design is DC source. This DC signal will be converted to square wave. This wave will be amplified with driver amplifier then it is filtered. The final output will be sinusoidal wave after using step up transformator. "

"Maximum Power Point Tracking merupakan alat tracking yang digunakan untuk menemukan titik arus dan tegangan paling optimal dari panel surya. Pengontrol pengisian daya melihat output panel dan akan membandingkannya dengan titik tertinggi perolehan daya dari panel tersebut. Alat ini juga dibutuhkan untuk mencari tingkat duty cycle (nilai arus) terbaik untuk mendapatkan nilai daya maksimum ke dalam baterai. Kinerja maximum power point tracking (MPPT) dipengaruhi oleh beberapa faktor, diantaranya adalah algoritma yang digunakan untuk memperoleh nilai maksimum dari panel surya. Salah satu algoritma yang telah digunakan dalam MPPT adalah perturb & observation dimana algoritma ini menggunakan mekanisme tracing daya puncak dengan cara menaikan nilai arus secara bertahap sampai mencapai titik tertinggi daya yang dapat diperoleh oleh panel surya. Selain algoritma perturb & observation terdapat algoritma lain seperti neural network dan Fuzzy Logic. Algoritma fuzzy memiliki keunggulan diantaranya kemampuan membaca data secara lebih akurat, dapat digunakan pada pemodelan fungsi non linear, dan memiliki tingkat penyesuaian yang cepat dan fleksibel. Pada skripsi ini akan digunakan algoritma fuzzy untuk mendapatkan daya tertinggi dari solar charge controller. Hasil penerapan algoritma Fuzzy ini dibandingkan dengan algoritma perturb & observation pada kondisi uji coba yang dibuat sama. Hasil dari eksperimen menunjukkan bahwa periode waktu yang dibutuhkan Fuzzy Logic untuk mencapai titik maksimal 21.698% lebih singkat dibandingkan metode perturb & Observation.

---

Maximum Power Point Tracking is a tracking tool used to find the most optimal current and voltage points from solar panels. The charging controller looks at the panel's output and compares it to the highest point of power gain from that panel. This tool is also needed to find the best level of duty cycle (current value) to get the maximum power value into the battery. Maximum power point tracking (MPPT) performance is influenced by several factors, including the algorithm used to obtain the maximum value from the solar panel. One of the algorithms that have been used in MPPT is perturb & observation where this algorithm uses a peak power tracing mechanism by increasing the current value gradually until it reaches the highest point of power that can be obtained by solar panels. In addition to the perturb & observation algorithm, there are other algorithms such as neural networks and fuzzy logic. The fuzzy algorithm has advantages such as the ability to read data more accurately, can be used in modeling non-linear functions, and have a fast and flexible adjustment rate. In this thesis, a fuzzy algorithm will be used to get the highest power from the solar charge controller. The results of the application of the fuzzy algorithm are compared with the perturb & observation algorithm in the same experimental conditions. The results of the experiment show that the time period required for Fuzzy Logic to reach the maximum point is 21.698% shorter than the Perturb & Observation method."