Kontroler Logika Fuzzy
Kontroler Logika Fuzzy
Ir Rusdhianto EAK, MT
Pelatihan PC-Based Control
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 Umax
e
Langkah-langkah Desain
1. Mendefinisikan fungsi keanggotaan untuk error, delta error dan sinyal kontrol dalam bentuk ternormalisasi.
1a. Dalam bentuk fungsi segitiga dengan 5 himpunan pendukung
Langkah-langkah Desain
1b. Dalam bentuk segitiga dengan 7 himpunan pendukung
Langkah-langkah Desain
Catatan: 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
Langkah-langkah Desain
2. Mendefinisikan Rule Base, dengan pilihan cara:
a. Menggunakan Logika verbal b. Tabel Mack Vicar Whelan c. Eksperimen d. Self organizing
Langkah-langkah Desain
2b. Tabel Mack vicar whelan untuk respons waktu relatif cepat tanpa overshoot
Langkah-langkah Desain
Untuk memodifikasi Rule base agar respons lebih lambat atau respon lebih cepat :
mempercepat respon
memperlambat respon
Langkah-langkah Desain
3. 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 Desain
3c. Formulasi Fuzzi Analitik Takagi Sugeno
u (k ) = f ( R ) ; R = R { E (i ), E ( j )}
f : fungsi analitik
3d. dll
Langkah-langkah Desain
4. 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.
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
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
Catatan:
JST
Adalah
salah satu bentuk penyederhanaan dari jaringan sistem syaraf biologis dinyatakan dalam formulasi matematika jaringan simbolik
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 i
i =1 N
f(..) = proses penarikan kesimpulan, didefinisikan sebagai fungsi aktivasi dari proses sebelumnya. y : output dari Neuron, y = f(z)
Pelatihan PC-Based Control
z -1
-1
Arsitektur JST
Struktur
JST dapat diklasifikasikan atas beberapa struktur, a.l.: 1. Single Layer Feed Forward Networks
x1 y1
input layer
x2
y2
output layer
yN
Arsitektur JST
b. Multilayer feedforward networks
x1 y1
input layer
x2
y2
output layer
xN neuron input
hidden layer
yN nueron output
Arsitektur JST
3. Recurrent Network
x1 y1
x2
y2
xN
yN
feedback link
Karakteristik JST
1. Memiliki kemampuan pemetaan 2. Memiliki mekanisme learning melalui training pada suatu kasus 3. Memiliki kemampuan memprediksi 4. JST merupakan sistem yang robust, fault tolerant 5. Memproses data secara paralel, high speed dan distributed
Pelatihan PC-Based Control
proses untuk merevisi nilai bobot berdasarkan pada kriteria tertentu yang harus dipenuhi oleh hubungan input output dari JST
(Adaptive Linear Neural Element) ART (Adaptive Resonance Theory) BAM (Bidirectional Associative Memory) Hopfield Network RBF Radial Basis Function dll
+
learning signal
training signal
+ -
JST kontroler
plant
plant
+
training signal learning signal
JST
Prosedur Desain
1. Tentukan struktur kontroler JST 1a. Menetapkan jumlah neuron, input, hidden output - Jumlah input neuron tergantung pada orde kontroler - Jumlah neuron hidden sembarang - Jumlah neuron output tergantung pada jumlah input plant
Pelatihan PC-Based Control
dan
Prosedur Desain
1b. Menetapkan bentuk fungsi aktivasi - Umumnya digunakan fungsi bipolar sigmoid untuk output layer dan linier untuk hidden layer - Gain learning dapat dipilih sembarang
Prosedur Desain
Contoh struktur kontroler JST-ARMA (NARMA) orde 2 dengan satu hidden layer
i e(k) e(k-1) Z-1 e(k-2) j Z-1 k u(k)
w(j,k)
Prosedur Desain
2. Tentukan model hasil desain yang diinginkan
yr(s)
N(s) D(s)
ym(s)
Prosedur Desain
3. Struktur sistem untuk proses learning
N(s) D(s)
ym(s) learning signal
+ -
yr
+ -
JST kontroler
plant
Prosedur Desain
4. Susun algoritma untuk learning bobot kontroler JST dengan Back Propagation - Formulasi forward (perhitungan sinyal kontrol)
Z = wij xi
h j i =1 N
y h = f j (Z h ) j j Z = w jl y jh
0 l j =1 m
yl0 = ul = f h ( Z l0 )
Prosedur Desain
- Formulasi backward (revisi bobot) - Revisi bobot neuron hidden ke output
f l w jl (k + 1) = w jl (k ) + l ym (k ) y p (k ) u (k 1) u (k 2) zl
y p (k ) y p (k 1)