Top Banner

of 42

Kontroler Logika Fuzzy (1)

Jul 19, 2015

Download

Documents

Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript

Kontroler Logika Fuzzy

Ir Rusdhianto EAK, MTPelatihan PC-Based Control

Desain KLF Tipe PD

Pelatihan PC-Based Control

Desain KLF Tipe PDK

dan Kde digunakan untuk menormalisasi range error dan delta error ke dalam range -1 s/d +1 K digunakan untuk deNormalisasi range u sinyal kontrol dari 0 s/d 1 ke 0 s/d Umax atau -1 s/d 1 ke Umin s/d Umaxe

Pelatihan PC-Based Control

Langkah-langkah Desain1. Mendefinisikan fungsi keanggotaan untuk error, delta error dan sinyal kontrol dalam bentuk ternormalisasi.1a. Dalam bentuk fungsi segitiga dengan 5 himpunan pendukung

Pelatihan PC-Based Control

Langkah-langkah Desain1b. Dalam bentuk segitiga dengan 7 himpunan pendukung

x dapat berupa error, delta error atau sinyal kontrolPelatihan PC-Based Control

Langkah-langkah DesainCatatan: Bentuk fungsi keanggotaan dapat didefinisikan dalam bentuk yang lain seperti fungsi distribusi s, Z, Pi dan Gaussian Untuk sinyal kontrol unipolar (range 0 1) hasil defuzifikasi ditambahkan dengan 1, kemudian dibagi dengan 2

Pelatihan PC-Based Control

Langkah-langkah Desain2. Mendefinisikan Rule Base, dengan pilihan cara:a. Menggunakan Logika verbal b. Tabel Mack Vicar Whelan c. Eksperimen d. Self organizing

Pelatihan PC-Based Control

Langkah-langkah Desain2b. Tabel Mack vicar whelan untuk respons waktu relatif cepat tanpa overshoot

Pelatihan PC-Based Control

Langkah-langkah DesainUntuk memodifikasi Rule base agar respons lebih lambat atau respon lebih cepat :

mempercepat respon

memperlambat respon

Pelatihan PC-Based Control

Langkah-langkah Desain3. Mendefinisikan inference Rule, a.l:3a. Generalize Modul Ponens (GMP) atau Mamdani Rule (k ) = max [ min { u (k ), R ( E (i ), E ( j ))} ] 3b. Larsen y

atau

u (k ) = max [ u (k ) R { E (i ), E ( j )} ]u (k ) =1 2

[ u (k ) + u (k ) R { E (i), E ( j )} ]Pelatihan PC-Based Control

Langkah-langkah Desain3c. Formulasi Fuzzi Analitik Takagi Sugenou (k ) = f ( R ) ; R = R { E (i ), E ( j )}f : fungsi analitik

3d. dll

Pelatihan PC-Based Control

Langkah-langkah Desain4. Mendefinisikan metode fuzzifikasi - MOM - COA 5. Melakukan tuning pada Ke, Kde, dan Ku untuk menyesuaikan range kerja dari e(k), e(k) dan (k) sesuai kebutuhan plant.

Pelatihan PC-Based Control

Desain KLF Tipe PI KLF

tipe PI dapat dibangun melalui prosedur desain KLF tipe PD, dengan prosedur desain sbb. 1. Lakukan prosedur desain KLF tipe PD 2. Definisikan fungsi keanggotaan sinyal kontrol dengan pusat di 0 (range -1 s/d 1) 3. Buat gain Ku sebagai integral gain Ki (umumnya dipilih nilai kecil).Pelatihan PC-Based Control

Desain KLF Tipe PI4. Skema KLF PI sbb.

Pelatihan PC-Based Control

Desain KLF Tipe PID

1.

2.

Salah satu struktur KLF tipe PID adalah model gabungan antara KLF PD dan KLF PI. Prosedur desain KLF tipe PID adalah sbb. Lakukan prosedur desain KLF-PD dan KLFPI dengan rule base RB1 dan RB2. Atur gain KuPD dan KuPI sebagai gain diferential dan gain integral.Pelatihan PC-Based Control

Desain KLF Tipe PID

Catatan:

RB1 boleh sama dengan RB2, struktur menjadi lebih sederhana.Pelatihan PC-Based Control

Jaringan Syaraf Tiruan (JST)Artificial Neural Network (NN)

Pelatihan PC-Based Control

JST Adalah

salah satu bentuk penyederhanaan dari jaringan sistem syaraf biologis dinyatakan dalam formulasi matematika jaringan simbolik

Pelatihan PC-Based Control

Pemodelan Sel Syaraf (Neuron)

Pelatihan PC-Based Control

Pemodelan Sel Syaraf (Neuron)

Xi, i = 1N : N buah input pada Neuron Wi, i = 1N : N buah bobot untuk N input = proses pengumpulan informasi, didefinisikan sebagai jumlahan dari perkalian nilai input dengan bobot.Z = Wi X ii =1 N

f(..) = proses penarikan kesimpulan, didefinisikan sebagai fungsi aktivasi dari proses sebelumnya. y : output dari Neuron, y = f(z)Pelatihan PC-Based Control

Berbagai Bentuk Fungsi Aktivasia. Linier, y = z = learning gainy

z

Pelatihan PC-Based Control

Berbagai Bentuk Fungsi Aktivasi Linier

dengan saturasi y = 1 untuk Z > Zmaxy

y = z untuk -Zmin