2, 2006, 181-200
181
Pendahuluan
Makalah diterima redaksi tanggal 20 Maret 2006, revisi diterima tanggal 31 Agustus 2006.
182
2
2.1
183
Sistem logika fuzzy (SLF) bertipe-2 merupakan perluasan dari sistem logika
fuzzy bertipe-1. Fungsi keanggotaan dalam sistem logika fuzzy bertipe-2
memiliki dua derajat keanggotaan, yaitu derajat keanggotaan primer dan
sekunder (yang merupakan derajat keanggotaan dari derajat keanggotaan
primer). Sedangkan derajat keanggotaan sekunder dalam sistem logika fuzzy
bertipe-2 interval adalah bernilai 1, yang digambarkan sebagai arsiran yang
seragam seperti ditunjukkan pada Gambar 1. Selanjutnya bentuk semacam ini
disebut FOU (footprint of uncertainty)[3].
A~ ( x) =
Simbol
f x (u ) / u, u J [0, 1]
(1)
~
~
~
R l : JIKA x1 adalah F1l , x 2 adalah F2l ,, dan x p adalah Fpl ,
~l
MAKA y adalah G
maka fungsi keanggotaan kaidah yang aktif
B~ ( y ) , dituliskan berdasarkan
l
B~ ( y ) = U x X [ A~ ( x) I A~
l
~
Bl
( x , y )]
(2)
184
A~ ( x ) = X~ L X~ ( x ) = X~ ( x1 ) I L I X~ ( x p )
x
(3)
selanjutnya
A~
~
G l
( x, y ) = F~ l ( x1 ) F~ l ( x2 ) I L I F~ l ( x p ) G~ l ( y ) .
1
(4)
[ ~ ( x1 ) I ~ l ( x1 )] I
F1
X1
,
~
L
I
[
]
(
x
)
(
x
)
~
p
p
Xp
F pl
B~ ( y ) = G~ ( y ) U x X
l
y Y .
(5)
Dengan mengambil
Q~ ( xk ) = X~ ( xk ) I F~ ( xk ) ,
l
k
l
k
maka
B~ ( y ) = G~ ( y ) I {U x X [U pk =1 Q~ ( xk )]},
l
l
k
y Y
(6)
Dengan menganggap terdapat N buah kaidah yang aktif dari M buah kaidah
yang ada, maka
B~ ( y ) = U Nl=1 B~ ( y ),
l
y Y
(7)
Q~ ( x ) = I kp =1 Q~ ( xk )
l
(8)
l
k
dan
Fl= U x X
[I pk =1 Q~
l
k
( xk )] = U x X Q~ l ( x )
(9)
B~ ( y ) = G~ ( y ) I F l ,
l
y Y .
(10)
Secara umum beban komputasi sistem logika fuzzy bertipe-2 lebih tinggi
dibandingkan tipe-1. Proses komputasi menjadi lebih sederhana jika fungsi
keanggotaan yang digunakan bertipe interval.
2.2
185
2.2.1
Misalkan F =
bertipe-1
dengan
vF
G=
1 / v dan
wG
v [l f , rf ] [l f , rf ] [0, 1]
domain
dan
didefinisikan sebagai
Q = F IG =
q l f l g , r f rg
1/ q
(11)
dimana q = v w .
Operasi meet dari dua himpunan fuzzy bertipe-2 interval, secara grafis dapat
dilihat pada Gambar 1.
(a)
1.5
A
0.5
0
-3
-2.5
-2
-1.5
-1
-0.5
0.5
1.5
0.5
1.5
(b)
1.5
A meet B
1
0.5
0
-3
-2.5
-2
-1.5
-1
-0.5
Gambar 1 Operasi meet pada himpunan fuzzy bertipe-2 interval, (a) himpunan
fuzzy A dan B, (b) A I B.
2.2.2
186
Q = F UG =
q l f l g , r f rg
1/ q
(12)
dimana q = v w .
Operasi join dari dua himpunan fuzzy bertipe-2 interval secara grafis dapat
dilihat pada Gambar 2.
(a)
1.5
A
0.5
0
-3
-2.5
-2
-1.5
-1
-0.5
0.5
1.5
0.5
1.5
(b)
1.5
A join B
1
0.5
0
-3
-2.5
-2
-1.5
-1
-0.5
Gambar 2 Operasi join pada himpunan fuzzy tipe 2 interval, (a) himpunan
fuzzy A dan B, (b) A U B.
2.3
1 x ml
( x k ) = exp k l k
2 k
l
k
187
mkl m kl 1 , m kl 2
(13)
m k1
l
k2
0
0
10
Dengan mengambil
1 x ml 2
N (m , ; x k ) exp k l k1
2 k
l
k1
l
k
(14)
N (mkl 1 , kl ; x k ), x k < m kl 1
mkl 1 x k mkl 2
kl ( x k ) = 1,
N (m l , l ; x ), x > m l
k2
k
k
k
k2
(15)
m kl 1 + m kl 2
l
l
N
m
x
x
(
,
;
),
k1
k
k
k
2
lk ( x k ) =
l
m
mkl 2
+
l
l
k
1
N (m , ; x ), x >
k2
k
k
k
(16)
188
Untuk selanjutnya, fungsi keanggotaan bagian atas dan bagian bawah ditandai
dengan tanda garis atas dan garis bawah. Sebagai contoh fungsi keanggotaan
bagian atas dari Q~ l ( xk ) adalah Q~ l ( xk ) dan bagian bawah adalah Q~ l ( xk ) ,
k
sehingga
Q~ ( xk ) =
q l Q~ l ( x k ), ~ l ( x k )
Q
k
l
k
1/ ql
(17)
X~ ( xk ) =
v l X ( x k ), X k ( x k )
] 1/ v
F~ ( xk ) =
w l F l ( x k ), l ( x k )
F
k
l
k
2.4
2.4.1
(18)
1 / wl
(19)
f = sup
l
xX
X1
Xp
[ X~ ( x1 ) F~ ( x1 )] L[ X~
1
l
k
( x p ) F~l ( x p )] x
k
(20)
dan
f l = sup
xX
X1
Xp
[ X~ ( x1 ) F~ ( x1 )] L[ X~
1
l
k
( x p ) F~ l ( x p )] x
k
(21)
(lihat Gambar 6). Kaidah R l mengaktifkan himpunan konsekuen dengan derajat
keanggotaan sebagai berikut (dari Persamaan (10)),
B~ ( y ) =
l
b l f l G~ l ( y ), f l ~ l ( y )
G
l
] 1/ b
(22)
[[
B~ ( y ) =
b f 1 G~1 ( y ) L f
][
G~ N ( y ) , f 1
~
G1
( y ) L f
189
( y)
~
GN
]] 1 / b
(23)
f = sup
X1
xX
Xp
[ X ( x1 ) F~ ( x1 )] L [ X ( x p ) F~ ( x p )] / x
l
1
l
p
(24)
dan
f l = sup
L [ X 1 ( x1 ) F~ l ( x1 )] L [ X p ( x p ) F~ l ( x p )] / x
X1
x X
Xp
(25)
f = F~ l ( x1 ) L F~ l ( x p )
(26)
f l = F~ l ( x1 ) L F~ l ( x p )
(27)
dan
p
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0
0
in1
x1
0.6
in1
x1
prod
0.6
fl
min
0.4
0.2
10
fl
min
0.8
0.4
fl
prod
0.8
10
0.2
0
0
x2
in2
10
0
0
x2
in2
10
190
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
in1
10
prod
0.8
in1
x1
x2
min
fl
0.4
0.2
0
0
min
0.6
prod
0.2
10
1
0.8
0.6
0.4
x1
10
x2
in2
in2
10
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0
0.2
in1
10
x1
min
0.8
0.6
in1
prod
x2
0.6
prod
0.4
0.2
10
x1
0.2
0
0.8
min
0.4
10
in2
x2
in2
10
2.4.2
Y ( Z 1 , L , Z M , W1 , L , WM ) =
Z1
ZM
W1
WM
w z
1
l =1
M
w
l =1
(28)
191
S ( w1 ,..., wM )
w z
l =1
M
w
l =1
(29)
192
Yc ( x) =
y
1
i =1
M
i =1
(30)
i
2. Reduksi Ketinggian
Reduksi ketinggian dihitung melalui
M
Yh ( x) =
y
1
l =1
M
l =1
(31)
l
y=
2.5
y ki + y ka
2
(32)
193
Parameter yang ditala dalam proses adaptif adalah titik tengah fungsi
keanggotaan konsekuen. Struktur pengendali jenis ini ditampilkan pada Gambar
7.
Reference
model
ym(kT)
Knowledge base
GEy
Knowledge-base
modifier
storage
p(kT)
ye(kT)
Inference
Mechanism
Gp
1-z -1
T
GCEy
dye(kT)
Knowledge base
e(kT)
r(kT)
GE
Inference
Mechanism
1-z -1
T
u(kT)
Plant
y(kT)
GU
GCE
de(kT)
Gambar 7
Secara garis besar proses adaptasi tersebut terjadi dalam dua langkah, yaitu:
1. Menentukan seluruh kaidah yang aktif ketika proses pengendalian
berlangsung. Kaidah yang aktif dikenali dengan hasil minimum dari
((e(kT-T),c(kT-T)) > 0.
2. Menala titik tengah fungsi keanggotaan kaidah yang aktif dengan
menambahkan p(kT). Jika mula-mula titik tengah bernilai bm, maka setelah
dilakukan
pergeseran
diperoleh
bm (kT ) = bm (kT - T ) + p(kT ) ,
selanjutnya hasilnya disimpan sebagai basis kaidah yang baru.
Dalam makalah ini disajikan penerapan sistem kendali adaptif fuzzy bertipe 2
pada plant pendulum terbalik. Pendulum terbalik dipilih berdasarkan dua
pertimbangan: 1) model plant bersifat nonlinier dan 2) telah menjadi benchmark
194
encoder 1
Counter 12 bit
motor
dengan
gear
cart
encoder 2
Counter 12 bit
PC
I/O
DAC
Gambar 8
AMP
(33)
(34)
dimana:
g : gravitasi bumi (m.s-2)
l : jarak pusat ke titik massa pendulum (m)
Cp : konstanta gesekan rotasi (kg.m2.s-1)
Cc : konstanta gesekan translasi (kg.s-1)
m : massa pendulum (kg)
r : posisi cart (m)
: sudut pendulum (rad)
kt : konstanta torsi (N/volt)
195
Pengertian
Massa sistem cart
Penguatan torsi
Koefisien gesekan translasi
Inersia
Jarak antara titik massa ke pusat
Koefisien gesekan rotasi
Massa pendulum
Percepatan gravitasi
Nilai
1,96 kg
0,98 N/V
16,3 kg/s
0,000447 kg.m2
0,125 m
0,000402 kg.m2/s
0,045 kg
9,8 m/s2
0.5
0
-2
-1.5
-1
-0.5
0.5
1.5
(b)
1.5
N
0.5
0
-15
Gambar 9
-10
-5
10
15
196
Kaidah fuzzy.
Tabel 2
E rror
Perubahan Error
N
Model Acuan
Model Acuan
Knowledge base
Knowledge-base
modifier
storage
p(kT)
Gey
ey(kT)
Ge
e(kT)
Inference
Mechanism
Gp 2
+
Knowledge base
ry(kT)
Ey(kT)
r(kT)
GEy
Inference
Mechanism
E(kT)
GU 1
GE
dEy(kT)
Inverted
Pendulum on
Cart
Knowledge base
1-z -1
T
y(kT)
GCE y
1-z -1
T
Inference
Mechanism
GU 2
GCE
dE(kT)
Hasil Simulasi
(kT)
197
Pengendali adaptif fuzzy bertipe-2 interval memiliki kinerja yang lebih baik dari
yang bertipe-1, karena pengendali jenis ini memiliki kemampuan lebih baik
dalam menekan osilasi sudut pendulum. Hal ini menghasilkan nilai IAEs
(Integral Absolute Error untuk sudut) dan IAEj (Integral Absolute Error untuk
posisi) yang lebih kecil. Pengendali fuzzy bertipe-2 interval juga membutuhkan
sinyal kendali yang relatif lebih kecil, sebagaimana diperlihatkan oleh nilai IAC
(Integral Absolute Control) pada Tabel 3.
0.25
0.25
posisi
sudut
0.2
0.15
0.15
0.1
0.1
0.05
0.05
meter & rad
posisi
sudut
0.2
0
-0.05
0
-0.05
-0.1
-0.1
-0.15
-0.15
-0.2
-0.2
-0.25
-0.25
0
0.5
1.5
2.5
detik
3.5
4.5
0.5
1.5
(a)
2.5
detik
3.5
4.5
(b)
Tipe
Tipe-1
Tipe-2
IAEs
0,29
0,24
IAEj
0,15
0,13
IAC
18,76
14,76
Hasil Eksperimen
198
nonlinieritas yang berupa saturasi dan backlash yang tidak termodelkan dalam
simulasi.l. Kinerja sistem kendali yang dihasilkan ditampilkan pada Tabel 4.
Dari hasil eksperimen (Gambar 12 dan 13), dapat dilihat bahwa pengendali
fuzzy adaptif bertipe-2 interval memiliki kinerja yang lebih baik dari yang
bertipe-1. Dengan kondisi awal sudut adalah -0,2 radian, osilasi sudut pendulum
semakin kecil, demikian juga halnya dengan posisi kereta. Tanggapan posisi
kereta dengan menggunakan pengendali fuzzy adaptif bertipe-1 terlihat
berosilasi dengan magnituda yang cukup besar di akhir waktu simulasi. Dari
hasil eksperimen ini, dapat dilihat juga bahwa pengendali fuzzy adaptif bertipe-2
interval menghasilkan gaya yang lebih kecil (Tabel 4).
Rad
0.5
-0.5
0
10
15
10
15
10
15
Meter
0.2
-0.2
Volt
50
-50
detik
Tipe
Tipe 1
Tipe 2
IAEs
405,81
398,99
IAEj
291,32
196,29
IAC
1.454,2
1.020,4
199
Rad
0.5
-0.5
0
10
15
10
15
10
15
Meter
0.2
-0.2
Volt
50
-50
detik
Kesimpulan
Daftar Pustaka
1.
2.
Karnik, N.N., Mendel, J.M., Liang, Q., Type-2 Fuzzy Logic Systems,
IEEE Transactions on Fuzzy Systems, Vol. 7, hal. 643 658(1999).
Mann, George, K.I, Hu, Bao-Gang, Gosine, Raymond.G., Analysis of
Direct Action Fuzzy PID Controller Structures, IEEE Transactions on
Systems, Man, And Cybernetics, Vol. 29, hal 371 387(1999).
200
3.
4.
5.
6.
7.
8.
9.
10.
11.
Liang, Q., Mendel, J.M., Interval Type-2 Fuzzy Logic Systems: Theory
and Design, IEEE Transactions on Fuzzy Systems, Vol. 8, 535
550(2000).
Mendel, J.M., John, R.I.B., Type-2 fuzzy sets made simple; IEEE
Transactions on Fuzzy Systems, Vol. 10, Issue 2, hal 117-127(2002).
Mendel, J.M., Computing derivatives in interval type-2 fuzzy logic
systems. IEEE T. Fuzzy Systems 12(1): 84-98 (2004).
Hagras, H.A., A hierarchical type-2 fuzzy logic control architecture for
autonomous mobile robots, IEEE Transactions on Fuzzy Systems,
Volume 12, hal 524-539 (2004).
strm, K.J., Wittenmark, B., Adaptive Control, Addison-Wesley (1995).
Bosh, P.P.J. Van Den., Klauw, A.C. Van der., Modeling, Identification
and Simulation of Dynamical Systems, CRC Press (1994).
Franklin, Gene F., Powell, J. David., Emami-Naeni, Abbas., Feedback
control Of Dynamic Systems, Addison-Wesley, hal. 24-28 (1994).
Jang, J.S.R., Sun, C.T., Mizutani,E., Neuro-Fuzzy and Soft Computing,
Prentice-Hall International (1997).
Passino, K.M., Yurkovich, S., Fuzzy Control, Addison-Wesley (1998).