Permasalahan

Teknik cerdas ini dibuat dikarenakan motor dc yang banyak digunakan di industri
menerapkan kontrol konvensional pada pengontrol kecepatan yaitu efek nonlinieritas pada
motor dc. Karakteristik nonlinear dari motor dc seperti saturasi dan gesekan dapat menurunkan
kinerja pengendalian konvensional. Banyak metode kontrol canggih dikembangkan namun
kinerja ini bergantung dari pada keakuratan model dan parameter sistem, umumnya model
diperoleh dari dari identifikasi sistem dari nilai perkiraan.
Metodologi
FLC menggunakan pendekatan yang berbeda dengan konvensional, pengoperasian
FLC didasarkan pada pengetahuan heuristic dan diskripsi linguistic. Kinerja FLC merupakan
pengembangan dari pengontrol PI karena menyesuaikan aturan dan fungsi keanggotaan.
Prosedur nya sebagai berikut 1) mendifisinikan input, output dan semesta wacana.2)
mendifinisikan fungsi dan aturan keanggotaan fuzzy untuk melakukan perhitungan fuzzy, input
dan output harus dikonversikan dari nilai numerik atau”garing” menjadi bentuk linguistic.3)
menyesuaikan fungsi dan aturan keanggotaan fuzzy untuk meningkatkan kinerja FLC . Rumus
defuzziftaction :

Kesimpulan

Pada bagian ini, eksperimen disiapkan untuk menunjukkan kinerja FLC. Kontroler diuji
pada kinerja pelacakan kecepatan yang berbeda baik kondisi beban dan tanpa beban dengan
kecepatan yang diberikan. Beban motor dihasilkan dengan menerapkan beban magnetik pada
disk rotasi yang terpasang pada poros motor. Prosedur ini setara dengan menambahkan beban
gesekan ke motor. Dalam tulisan ini, motor dioperasikan pada radius 93 rad / s. Sinyal voltase
dari tachometer tanpa beban ke arah depan ditunjukkan pada Gambar 9 (a) dan sinyal PWM
real-time diilustrasikan pada Gambar 9 (b). Hasilnya menunjukkan bahwa FLC dapat mengatur
kecepatan sudut motor DC dalam kondisi tanpa beban dengan mengadaptasi siklus proses
sinyal PWM. Hasil motor DC yang dioperasikan pada kecepatan yang sama dalam kondisi
beban ditunjukkan pada Gambar 9 (c) dan 9 (d). Hasil ini menunjukkan bahkan beban yang
diaplikasikan, motor DC dapat diatur oleh pengontrol dan masih berputar pada kecepatan yang
sama dengan siklus sinyal PWM yang dikepalai untuk mempertahankan kecepatan yang
dibutuhkan
 Permasalahan
Identifikasi sidik jari adalah metode biometrik paling matang yang diterapkan pada tingkat
awal sejak 1960. Pengenalan sidik jari dapat dilakukan dengan dua metode: "satu-ke-satu" (verifikasi)
dan "satu-ke-banyak": identifikasi N ). Metode pertama diterapkan saat kita memiliki dua sidik jari dan
kita ingin memastikan apakah mereka milik orang yang sama. Yang kedua digunakan saat kita memiliki
satu sidik jari dan kita mencari di data base. Verifikasi jauh lebih mudah dan cepat karena kita memiliki
dua sidik jari dan kita hanya perlu membandingkannya. Di sisi lain, identifikasi tersebut menyiratkan
waktu momok untuk mengekstraksi sidik jari karena mereka memerlukan lebih banyak rincian. Sidik
jari saya tidak dibandingkan dengan gambar, mereka menggunakan metode berdasarkan titik
karakteristik yang disebut "minutiae". Titik-titik ini ditandai dengan ujung punggungan (ujung
mendadak dari punggungan), bifurkasi ridge (punggungan tunggal yang terbagi dalam dua ridge), delta
(pertemuan punggungan berbentuk Y), inti (pola putar U dalam belenggu), dll. Semua fitur ini
dikelompokkan dalam tiga jenis garis: garis akhir, garis bifurkasi dan garis pendek. Setelah titik-titik
kecil terlokalisasi, peta dengan semua lokasi mereka di jari dibuat. Setiap titik minutiae
menghubungkan dua koordinat (x, y), sudut orientasi dan ukuran untuk kualitas sidik jari. Pencocokan
dua sidik jari tergantung pada posisi dan rotasi. Untuk tukang batu ini, setiap sidik jari diwakili, tidak
hanya, sebagai sekelompok titik dengan dua koordinat, tetapi juga, sebagai sekelompok titik dengan
koordinat relatif terhadap titik lainnya. Hal ini memungkinkan memperoleh posisi unik dari satu titik
mengenai tiga poin lainnya. Tiga titik yang dipilih tidak boleh collinear. Bila dua sidik jari dibandingkan,
pertama saya membandingkan koordinat relatifnya. Jika tahap ini berakhir dengan sukses, koordinat
ini diubah dalam koordinat 2D dan diverifikasi. Setelah memverifikasi sidik jari, hasilnya akan memberi
tahu kami jika mereka berasal dari orang yang sama dengan probabilitas tinggi. Namun, kasus ketika
probabilitas kepemilikan sidik jari adalah 0 (salah) atau 1 (benar) jarang terjadi. Pada sebagian besar
kasus, probabilitasnya adalah bilangan p E untuk, ij. Fakta ini mengarah pada logika fuzzy. Nilai dalam
logika fuzzy dapat berkisar antara 0 dan 1 (1 untuk kebenaran absolut, 0 untuk kepalsuan absolut).
Nilai fuzzy untuk elemen x akan mengekspresikan tingkat keanggotaan x dalam himpunan X. Penting
untuk disadari bahwa logika fuzzy menggunakan derajat kebenaran sebagai model matematis dari
fenomena ketidakjelasan sementara probabilitas adalah model matematis dari keacakan.

Kesimpulan
metode yang diusulkan menggunakan klasifikasi fuzzy dari data. Sistem yang diusulkan jauh
lebih efisien daripada pada FLC yang disajikan pada [8]. Hal ini karena, untuk mengurangi jumlah poin
yang diperlukan, kita menemukan titik-titik kecil dengan menggunakan sistem penalaran logika fuzzy
yang membandingkan dua titik untuk menentukan nilai yang sesuai. Dalam aplikasi praktis, disarankan
untuk menggunakan sistem yang diusulkan dengan sekumpulan implikasi dan mengumpulkan hasil
yang diberikan oleh setiap implikasi