Referensi :Introduction to Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems (Chen G, Pham T)
1. Tujuan
[back]
a. Mahasiswa mampu memahami konsep dasar Fuzzy Kontrol Sisten
b. Mahasiswa mampu merancang Fuzzy Kontrol Sistem
2. Alat dan Bahan
[back]
Alat yang dibutuhkan pada pembelajaran ini yaitu software MATLAB
3.Dasar Teori
[back]
MATLAB
MATLAB merupakan bahasa pemrograman tingkat
tinggi yang dikembangkan oleh MathWorks dan dikhususkan untuk komputasi
numerik, visualisasi, dan pemrograman.
Tampilan MATLAB:
FUZZY CONTROL SYSTEM
I.
Classical Programmable Logic Control
Programmable Logic
Controller ( PLC ) adalah suatu rangkaian micro controller yang terdiri dari
beberapa bagian, yaitu CPU, Memory, Power suplay, Data Register, Internal
relay, Input / Output Counter dan Timer yang terintegrasi dalam satu perangkat.
Figure
1.
Programmable Logic Controller
Untuk melihat cara
kerja PLC, mari kita perhatikan contoh sederhana pada arm robot yang meletakkan dan mengambil sesuatu benda
dan bekerja dalam siklus otomatis di bawah kendali PLC.
A0: rotate the
base counterclockwise (CCW),
A1: rotate the
base clockwise (CW),
A2: lift the
arm,
A3: lower the
arm,
A4: extend the
arm,
A5: retract the
arm,
A6: close the
gripper,
A7: open the
gripper.
Figure 3. Time duration of activities of the robot arm.
Time duration diatas dapat juga dinyatakan dalam tabel berikut
Ladder Diagram
Symbols
II. Fuzzy Logic Control (I):
A.
A General Model-Free
Approach
Kontroler
fuzzy umumnya dapat digambarkan dengan diagram blok seperti yang ditunjukkan
pada figure 5
B.
Design Principle of Fuzzy Logic Controllers (Konsep Desain Kontrol Logika
Fuzzy)
Tahapan
dalam perancangan Fuzzy Logic Controller (FLC), diantaranya.
1.
The Fuzzification
Module (Proses Fuzifikasi)
Fuzifikasi
merupakan tahapan untuk mengubah nilai fisik
(posisi, tegangan, derajat, dll.) sinyal proses, sinyal kesalahan yang
merupakan input ke pengontrol logika fuzzy, menjadi fuzzy yang dinormalisasi subset
yang terdiri dari subset (interval) untuk rentang input nilai dan fungsi
keanggotaan yang dinormalisasi.
2.
The Fuzzy Logic
Rule Base (Basis Aturan Logika Fuzzy)
Prosedur umum dalam mendesain Fuzzy
Logic Rule Base termasuk yang berikut:
a.
Determining the
process states and control variables (Menentukan status proses dan variabel control)
Contoh : pelacakan Temperature set-point.
.
b.
Determining
input variables to the controller (Menentukan variabel input ke controller)
c.
Establishing a
fuzzy logic IF-THEN rule base (Membangun logika fuzzy IF-THEN rule base)
Aturan yang
digunakan pada himpunan
fuzzy adalah aturan
if-then. Aturan fuzzy IF-THEN merupakan pernyataan yang direpresentasikan
dengan
IF < proposisi Fuzzy > THEN < proposisi
fuzzy >
d.
Establishing a
fuzzy logic inference engine (membangun inferensi Logika Fuzzy)
Inferensi fuzzy
merupakan tahap evaluasi
pada aturan fuzzy. Tahap evaluasi dilakukan berdasarkan
penalaran dengan menggunakan input fuzzy dan aturan fuzzy sehingga
diperoleh output berupa himpunan fuzzy.
Dalam FIS
terdapat dua proses yaitu:
1. Implikasi yaitu proses mendapatkan consequent
keluaran sebuah IF-THEN rule
2. Agregasi
yaitu proses mengkombinasikan keluaran
semua IF THEN
rule menjadi sebuah fuzzy
set tunggal.
Metode inferensi fuzzy
diantaranya :
·
Metode Mamdani
Metode
Mamdani menggunakan fungsi implikasi min dan agregasi max sehingga metode Mamdani
juga disebut dengan
metode MIN-MAX (min-max inferencing). Keluaran untuk aturan metode Mamdani didefinisikan sebagai
·
Metode Tsukamoto
Metode
Tsukamoto merupakan metode dimana konsekuen dari aturan
fuzzy-nya direpresentasikan dengan
fungsi keanggotaan yang monoton. Pada
metode Tsukamoto, implikasi setiap
aturan berbentuk implikasi
“Sebab Akibat”/Implikasi
“Input-Output” dimana antara
anteseden dan konsekuen
harus ada hubungannya.
·
Metode Sugeno
Jika
pada metode Mamdani proses
defuzzifikasi menggunakan agregasi
daerah kurva, maka pada metode
Sugeno agregasi berupa singleton-singleton.
3. The Defuzzification Module (Proses Defuzzifikasi)
Defuzzifikasi merupakan
proses yang berkebalikan dengan proses pada fuzzifikasi. Defuzzifikasi didefinisikan
sebagai pemetaan dari himpunan fuzzy ( ) ke himpunan tegas.
Berikut adalah beberapa
metode yang digunakan untuk proses defuzzifikasi.
a.
Metode Centroid
(Center of Grafity)
Proses defuzzifikasi
pada metode Centroid adalah
dengan mengambil nilai
titk pusat (
) dari daerah
pada fungsi keanggotaan B.
b.
Metode Bisektor
Metode bisektor mengambil
nilai pada doamin himpunan fuzzy
yang memiliki nilai
keanggotaan pada daerah
fuzzy sebagai solusi tegas, dan
didefinisikan sebagai:
Dengan 
sedangkan p = x yang membagi daerah inferensi
menjadi dua bagian yang sama besar.
c.
Metode Mean of
Maximum (MOM)
Solusi tegas diperoleh
dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan
maksimum.
d.
Metode Largest
of Maximum (LOM)
Solusi tegas diperoleh
dengan cara mengambil nilai terbesar dari domain yang memiliki nilai
keanggotaan maksimum.
e.
Metode Smallest
of Maximum (SOM)
Solusi tegas diperoleh dengan cara mengambil
nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum
4.Percobaan
[back]
Kasus : Parkir truk
Tujuannya adalah untuk
merancang pengontrol logika fuzzy, tanpa asumsi model matematis truk, untuk
memarkir truk di mana saja disumbu x. Misalkan : Truk dapat bergerak maju
dengan kecepatan konstan v =0,5 m/s dan diasumsikan truk dilengkapi dengan
sensor yang dapat mengukur lokasi (x,y) dan orientasi (sudut) setiap saat.
Maka:
·
Logika fuzzycontroller
adalah untuk memberikan input, u, untuk memutar roda kemudi dan, akibatnya,
untuk manuver truk
·
Variabel input
adalah sudut truk dan koordinat posisi vertikal, y,
·
Variabel output
adalah sudut kemudi (sinyal), u.
Rentang variabel telah
ditetapkan sebelumnya sebagai
Linguistic term yang
digunakan pada desain ini adalah
Langkah pertama
adalah memilih fungsi keanggotaan.
Fungsi keanggotaan untuk posisi y
Fungsi keanggotaan pada sudut 
Fungsi keanggotaan untuk sinyal control u
Langkah kedua
: Basis aturan yang digunakan
Langkah ketiga :
defuzzifikasi
Sebanyak 12 simulasi
komputer dilakukan. Berikut ini adalah model matematika sederhana untuk gerak truk.
Model ini digunakan untuk membuat data untuk simulasi tetapi tidak digunakan
dalam desain pengontrol. Model ini langsung mengikuti dari geometri truk
Hasil Desain control fuzzy pada parkir truk
terlihat pada gambar dibawah
5.Video
[back]
