TUGAS SISTEM PENGATURAN CERDAS

AIRCRAFT PITCH CONTROL BASED ON FUZZY LOGIC CONTROLLER

FACHRUL ARIFIN
2211 100 118
BIDANG STUDI TEKNIK SISTEM PENGATURAN JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER

1. PENGANTAR
Pesawat terbang merupakan salah satu karya umat manusia yang paling rumit.
Buktinya adalah terdapat 6 persamaan tidak linear yang mengatur pergerakan sebuah
pesawat terbang. Akan tetapi, pada pembahasan kali ini, persamaan persamaan
tersebut dapat digabung dan dilinearisasikan menjadi persamaan longitudinal dan
lateral. untuk pengaturan pitch pesawat diatur oleh longitudinal dynamic. Pitch
merupakan gerakan yang digunakan untuk menanjak atau menurunkan sebuah
pesawat dengan menaikkan atau menurunkan hidung pesawat. Adapun pitch dapat
dikontrol dengan menaikkan atau menurunkan sayap kecil atau yang biasa disebut
elevator yang terdapat pada ekor pesawat. Adapun pada kasus ini, penulis berusaha
untuk mendesain sistem kontrol yang mengatur kemiringan pesawat terhadap
sumbu-x atau yang biasa disebut pitch pada dunia penerbangan. Untuk sumbu
koordinat dan gaya pada pesawat ditunjukkan pada gambar di bawah ini :

Gambar 1. Sumbu koordinat dan gaya pada pengaturan pitch pesawat terbang
Pada permasalahan ini, kita mengasumsikan bahwa prsawat berada pada kecepatan
dan ketinggian yang konstan. Selain itu, gaya thrust, drag, weight dan lift dari pesawat

saling menyeimbangkan pada sumbu-x dan sumbu-y. Kita juga mengasumsikan

bahwa perubahan sudut pitch tidak akan menyebabkan penurunan kecepatan
pesawat dalam kondisi apapun. Dalam asumsi di atas, kita dapat menulis persamaan
longitudinal pesawat dapat ditulis sebagai berikut :
= [( ) +
=

1
( sin ) + ]
( )

[[ ( + )] + [ + (1 )] + ( sin )]
2
=

Dalam sistem ini, input dari sistem adalah sudut kemiringan pada elevator (), serta
output dari sistem adalah sudut pitch pesawat (). Semua sudut diukur pada satuan
radian. Berdasarkan data dari Boeing Commercial Aircraft, persamaan diatas dapat
dituliskan menjadi :
= 0.313 + 56.7 + 0.232
= 0.0319 0.426 + 0.0203
= 56.7
Lalu fungsi tersebut diubah ke domain-s melalui transformasi s, menjadi :
() = 0.313() + 56.7() + 0.232()
() = 0.0319() 0.426() + 0.0203()
() = 56.7Q(s)
Dengan beberapa langkah aljabar, persamaan di atas dapat membentuk sebuah
transfer function dibawah ini :
() =

()
1.151 + 0.1774
= 3
() + 0.739 2 + 0.921

Dan juga dapat didefinisikan dam bentuk state space berikut :

0.232
0.313
56.7
0
[ ] = [0.0139 0.246 0] [ ] + [0.0203] []
0
0
56.7
0

= [0 0 1] [ ]

2. OBJEKTIF KONTROL
Objektif dari pembangunan fuzzy logic controller ini adalah untuk menjaga pesawat
selalu berada pada posisi set point (dalam hal ini dicontohkan menaikkan sudut
elevator sebesar 0.15 radian) terhadap sumbu-x.

3. BLOK DIAGRAM SISTEM

()

()

()

()

Gambar 2. Diagram blok untuk pengaturan aircraft pitch dengan fuzzy logic
controller

4. VARIABEL
a. Variabel error

() = () ()

b. Variabel perubahan error

()/

5. SINYAL REFERENSI
= 0.15 , mempertahankan posisi elevator pada 0.15 radian.

6. DESKRIPSI LINGUSITIK
a. Error untuk ()

() = ()

b. Delta-error untuk ()/

/ = /

c. Sudut elevator pesawat

()

7. SISTEM FUZZY DAN VARIABEL INPUT / OUTPUT

Selain itu, penulis juga menentukan range dari semua membership yng terdapat pada
sistem fuzzy ini. Sistem ini terdiri dari 2 input dan 1 output. Untuk input terdiri dari
error dan delta-error. Delta-error merupakan fungsi perubahan error terhadap waktu
dan berupa fungsi differensial. Untuk error dibatasi didalam range bernilai {-0.35 0.35}
dengan satuan radian dan untuk delta-error mempunyai range bernilai {-0.5 0.5}.

Sedangkan variabel output berupa nilai sudut pitch dari pesawat (pitch angle). Untuk
range dari sudut pitch ini diambil dari data pesawat Boeing 737-100 yang bernilai 20
derajat atau 0.35 radian. Oleh karena itu, range untuk output bernilai {-0.35 0.35}.
Berikut adalah deskripsi linguistik dari partisi partisi membership function yang ada
pada input dan output.
Tabel 1. Deskripsi Linguistik Pada Tiap Tiap Partisi Membership Function
Deskripsi Linguistik

Indeks

Negative (N)
Zero (Z)
Positive (P)

-1
0
1

Sedangkan overall sistem fuzzy logic controller untuk aircraft pitch dapat dilihat pada
gambar di bawah ini :

Gambar 3. FIS Editor pengaturan aircraft pitch dengan fuzzy logic controller

8. MEMBERSHIP FUNCTION
a. Membership function untuk variabel input error.

Degree of membership

0.8

0.6

0.4

0.2

0
-0.3

-0.2

-0.1

0
error

0.1

0.2

0.3

Gambar 4. MF variabel input error

b. Membership function untuk variabel input delta-error.

N
1

Degree of membership

0.8

0.6

0.4

0.2

0
-0.5

-0.4

-0.3

-0.2

-0.1

0
0.1
delta-error

0.2

0.3

Gambar 5. MF variabel input delta-error

0.4

0.5

c. Membership function untuk variabel output pitch angle.

N ZP
1

Degree of membership

0.8

0.6

0.4

0.2

0
-0.4

-0.3

-0.2

-0.1

0
pitch-angle

0.1

0.2

0.3

0.4

Gambar 6. MF variabel output pitch angle

9. ATURAN FUZZY dan RULE BASE

Untuk aturan menggunakan operator fuzzy berupa fungsi AND dengan metode
implikasi berupa fungsi MIN. Adapun rule base dapat dilihat pada tabel di bawah ini :
Tabel 2. Rule Base Pada Sistem Fuzzy Logic Controller Aircraft Pitch
Pitch angle
()
error
()

N
Z
P

N
N
N
P

delta-error ()/
Z
N
Z
P

P
N
P
P

Dan berikut adalah rule viewer dan surface viewer dari sistem fuzzy logic controller
diatas :

Gambar 7. Surface viewer dari sistem fuzzy logic controller

10. RESPON OPEN-LOOP DAN CLOSED-LOOP

Untuk respon open-loop pada sistem setelah diberi step unit, hasilnya tidak stabil dan
cenderung menanjak. Akan tetapi setelah diberi feedback dan membentuk sistem
closed-loop, maka sistem akan stabil. Akan tetapi, pada sistem closed-loop tidak
mencapai nilai set point yang diinginkan dalam range waktu 20 detik. Berikut adalah
desain sistem pada SIMULINK dan respon open-loop beserta closed-loop sistem :

Gambar 8. Desain sistem open-loop dan closed-loop pada SIMULINK.

Gambar 9. Rule viewer dari sistem fuzzy logic controller

System Step Response
0.4
Open-loop
Closed-loop

0.35

Pitch Angle (rad)

0.3
0.25
0.2
0.15
0.1
0.05
0

10

15

Time (sec)

Gambar 10. Respon step unit pada sistem open-loop dan closed-loop

11. RESPON KONTROLLER PID

Untuk memenuhi kriteria minimum overshoot dan fast respons time, maka penulis
mendesain sistem kontroller PID untuk memenuhi syarat syarat diatas. Dengan
menggunakan tool pada MATLAB berupa pidtool, sisotool dan pidtune, maka penulis
dapat menentukan parameter kontroler PID dengan ketentuan sebagai berikut :
a. Proportional gain

:2

b. Integral gain

: 4.45

c. Derivative gain

: 4.9

Setelah parameter kontroler PID ditentukan, maka penulis dapat membuat simulasi
sistem pada SIMULINK dan melihat hasil responnya seperti terlihat pada gambar
berikut :

Gambar 11. Desain sistem dengan kontroler PID pada SIMULINK

System Step Response
0.4
PID
0.35

Pitch Angle (rad)

0.3
0.25
0.2
0.15
0.1
0.05
0

10

15

Time (sec)

Gambar 12. Respon step unit pada sistem yang diberi kontroler PID

Dapat disimpulkan pada gambar diatas bahwa respon PID masih mempunyai nilai
overshoot yang besar, yaitu sebesar 4.93 %. Selain itu, respon diatas tidak mempunyai
steady state error.

12. RESPON KONTROLLER FUZZY LOGIC

Selain menggunakan kontroler PID, penulis juga mencoba mendesain kontroler fuzzy
logic untuk membandingkan efektivitas dan performa kedua kontroler diatas. Dengan
menggunakan parameter parameter fuzzy logic yang sudah disebutkan diatas, maka
penulis dapat merancang sistem aircraft pitch dalam SIMULINK dan mencatat respon
step unit-nya sebagai berikut :

Gambar 13. Desain sistem dengan kontroler fuzzy logic pada SIMULINK
System Step Response
0.4
Fuzzy Logic
0.35

Pitch Angle (rad)

0.3
0.25
0.2
0.15
0.1
0.05
0

10

15

Time (sec)

Gambar 14. Respon step unit pada sistem yang diberi kontroler fuzzy logic

Dapat disimpulkan pada gambar sebelumnya bahwa respon fuzzy logic tidak
mempunyai overshoot. Akan tetapi, respon fuzzy logic lebih lambat dibandingkan
dengan PID dan respon fuzzy logic yang masih memiliki nilai steady state error
sebesar 0.26 %.

13. KESIMPULAN
Dengan menggunakan berbagai macam kontroler (PID dan fuzzy logic), penulis dapat
membandingkan performa dan efektivitas respon step unit pada tiap kontroler.
Adapun hasilnya dapat dilihat pada gambar di bawah ini :

System Step Response

0.4
PID
Fuzzy Logic

0.35

Pitch Angle (rad)

0.3
0.25
0.2
0.15
0.1
0.05
0

10

15

Time (sec)

Gambar 15. Perbandingan respon step unit pada sistem yang diberi kontroler PID
dan fuzzy logic
Berdasarkan grafik diatas, penulis dapat menyimpulkan bahwa kontroler PID masih
menjadi kontroler yang paling tepat dan objektif dalam mendesain sebuah kontroler.
Dari hasil diatas dapat dilihat bahwa kontroler fuzzy logic mempunya response time
yang lebih lambat dibandingkan dengan kontroler PID. Akan tetapi, terlihat pada
gambar 15 bahwa respon kontroler PID memiliki overshoot, sedangkan fuzzy logic
tidak memiliki overshoot sama sekali. Dengan penyempurnaan rule base dan

membership function pada sistem kontroler fuzzy logic, bukan tidak mungkin bahwa
efektivitas dan performa kontroler fuzzy logic dapat menyaingi kontroler PID.