Pengontrol logika fuzzy, secara harfiah, ada di sekitar kita. Dari sistem pengereman anti-lock hingga mesin cuci yang membersihkan pakaian kita. Tapi apakah mereka benar-benar bekerja? Dan apa manfaat menggunakannya?
Titik awal yang baik dalam belajar tentang kontrol logika fuzzy adalah menentukan apakah logika tangga kompatibel dengan logika fuzzy. Logika tangga adalah pendekatan berbasis aturan yang umum digunakan untuk memprogram PLC (pengontrol logika yang dapat diprogram) ketika logika sekuensial diperlukan. Setiap anak tangga dalam program logika tangga mewakili persamaan logika yang biner atau diskrit.
Mengingat bahwa logika tangga dibaca dari kiri ke kanan, atas ke bawah, maka sisi paling kanan dari anak tangga mewakili kondisi output. Kondisi keluaran dari anak tangga tersebut bergantung pada hasil dari simbol logika tangga di sebelah kiri keluaran.
Ambil, sebagai contoh dasar, anak tangga tunggal yang ditunjukkan pada gambar 2. Perhatikan bahwa A/C (AC) hanya aktif ketika Switch aktif, dan HighTemp atau Humid aktif.
Dinyatakan sebagai aturan, anak tangga ini akan mengambil bentuk berikut:
A/C =Switch AND (HighTemp OR Humid)
Karena logika tangga dapat diekspresikan sebagai aturan, maka logika ini dapat diadopsi ke dalam kendali logika fuzzy. Cara lain untuk memikirkan hal ini adalah bahwa hasilnya tergantung pada kondisi IF yang diwakili oleh simbol logika tangga ke kiri sedangkan output mewakili hasil THEN.
JIKA (Switch AND [HighTemp OR Humid]) THEN A/C
Pendekatan ini tentunya dapat diimplementasikan dengan menggunakan aturan logika fuzzy. Dalam kasus seperti itu, input yang tajam adalah suhu dan kelembaban relatif. Pembacaan sensor dari nilai-nilai ini akan diubah menjadi input fuzzy oleh fuzzifier. Mesin inferensi akan berisi, di antara aturan lain, yang ditunjukkan di atas. Berdasarkan aturan mesin inferensi, himpunan keluaran fuzzy akan dipresentasikan ke defuzzifier. Dari sana, output yang tajam akan diberikan ke sistem kontrol.
Singkatnya, logika tangga dapat diimplementasikan menggunakan logika fuzzy.
Sistem kontrol logika fuzzy (sering disingkat FLC) adalah pendekatan alternatif untuk mengembangkan dan mengimplementasikan sistem kontrol.
Sebelum memulai proses merancang FLC, ada asumsi kunci tertentu.
Langkah pertama dalam mendesain FLC adalah mengidentifikasi variabel input, output, dan state yang terlibat. Selanjutnya, tentukan himpunan bagian fuzzy untuk variabel. Misalnya, masukan suhu dapat dibagi menjadi lima himpunan bagian dengan label linguistik deskriptif untuk masing-masing:{'dingin,' 'keren,' 'nominal,' 'hangat,' 'panas'}.
Setelah himpunan bagian telah dipilih untuk variabel, fungsi keanggotaan harus dikonfigurasi untuk mewakili himpunan bagian ini. Pilihan untuk fungsi keanggotaan termasuk segitiga, trapesium, sigmoid, dan Gaussian. Ini merupakan fuzzifier yang mengubah input tajam menjadi nilai fuzzy. Perhatikan bahwa himpunan bagian fuzzy dan fungsi keanggotaan terkait juga perlu dikonfigurasi untuk keluaran mesin inferensi .
Mengubah pengontrol logika tangga tradisional menjadi pengontrol logika fuzzy dimulai dengan menghasilkan aturan logika fuzzy.
Disinggung dalam asumsi, ini dapat berupa aturan linguistik yang sudah ada atau dapat dikembangkan dengan bantuan ahli materi pelajaran. Aturan juga dapat dibangkitkan dengan sekumpulan data input-output. Dan, dalam kasus logika tangga, aturan logika fuzzy dapat dibaca langsung dari diagram tangga.
Hasilnya adalah dasar aturan untuk sistem fuzzy.
Ada beberapa pendekatan berbeda untuk menerapkan mesin inferensi . Dalam kontrol, dua pendekatan yang paling populer adalah Mamdani dan Sugeno. Kedua jenis mesin inferensi menggabungkan keluaran fuzzy dari basis aturan menggunakan operator OR dan selanjutnya mendefuzzifikasi output tersebut untuk mendapatkan nilai yang tajam.
Kontroler logika fuzzy telah menemukan penggunaan yang sangat luas. Misalnya, elevator sering kali memiliki pengontrol logika fuzzy yang mengurangi waktu tunggu, meminimalkan perjalanan antar lantai, dan mengurangi penggunaan energi. Manfaat tambahan untuk meminimalkan perpindahan antar lantai adalah mengurangi keausan pada komponen penting dan masa pakai yang lebih lama.
Contoh lain yang menarik dari sistem kontrol fuzzy melibatkan kamera video digital dan camcorder. Operator dapat menggerakkan atau menggoyang kamera saat merekam bidikan yang konsisten, tetapi kontrol logika fuzzy dapat mengimbanginya secara otomatis.
Dalam pengaturan industri, logika fuzzy sering digunakan untuk mengontrol proses dan sistem industri. Misalnya, logika fuzzy bekerja dengan baik dengan pengontrol suhu dan proses, seperti yang digunakan dengan perlakuan panas logam. Perlakuan panas tipikal melibatkan siklus ramp dan perendaman yang sangat presisi untuk mencapai sifat metalurgi yang benar.
Aplikasi serupa yang mendapat manfaat dari FLC termasuk menyembuhkan karet atau mengeringkan pelarut pada permukaan yang dicat. Selain itu, semua ini adalah contoh proses kontrol yang biasanya menggunakan pengontrol PID (turunan integral proporsional). Pemesinan CNC (kontrol numerik komputer) sering kali bergantung pada pengontrol logika fuzzy, seperti halnya banyak robotika otonom, penglihatan mesin, dan penginderaan jauh.
Kontrol logika fuzzy masih dapat berfungsi ketika dihadapkan dengan data yang tidak tepat serta non-linier dalam sistem. Ini juga memungkinkan pengalaman dan pengetahuan manusia untuk diintegrasikan ke dalam sistem kontrol dan sangat dapat disesuaikan. Sistem kontrol logika fuzzy umumnya lebih murah untuk dikembangkan dibandingkan dengan pendekatan yang lebih tradisional, dan cenderung lebih efisien, kuat, dan andal.
Secara khusus, dalam kontrol, FLC tidak memerlukan model dan/atau tujuan untuk dirumuskan dalam istilah yang tepat seperti yang diperlukan dalam pendekatan yang lebih tradisional untuk sistem kontrol. Selanjutnya, kontrol fuzzy dapat dengan mudah digabungkan dengan sistem kontrol lainnya.
Ada, tentu saja, kelemahan menggunakan sistem kontrol fuzzy. Sementara logika fuzzy adalah bagian dari kecerdasan buatan (AI), itu bukan jenis pembelajaran mesin dan karena itu tidak dapat beradaptasi dan belajar. Ada pengontrol logika fuzzy adaptif, tetapi desain dan kompleksitasnya melampaui jenis pengontrol fuzzy yang sedang dibahas.
Selain itu, pembaruan pada akhirnya perlu dilakukan pada aturan yang menjadi sandaran pengontrol, dan pengontrol logika fuzzy memerlukan pengujian dan validasi ekstensif sebelum dianggap siap untuk diimplementasikan.
Kapan sebaiknya pengontrol logika fuzzy digunakan? Mereka adalah pilihan yang sangat baik untuk masalah kontrol yang sangat kompleks dan sulit untuk direpresentasikan dengan menggunakan model dan tujuan yang tepat. Mereka bekerja dengan baik ketika data yang tidak tepat dan perilaku nonlinier terlibat. Mereka juga merupakan pilihan yang baik ketika pengalaman dan keahlian manusia dapat disumbangkan ke sistem. Bagaimana Anda menggunakan logika fuzzy dalam sistem kontrol Anda? Atau, apakah Anda hanya menggunakan pengontrol PID?
Robot industri
Setiap produk hebat dimulai sebagai sebuah ide. Para peneliti, insinyur, dan pabrikan semuanya berperan dalam mengubah gagasan itu menjadi produk yang layak untuk meningkatkan kehidupan mereka yang menggunakannya. Memindahkan produk Anda melalui tahapan dari desain hingga fabrikasi hingga rilis prod
Pengendali motor adalah perangkat praktis yang memiliki tugas mengatur agar motor bekerja secara optimal, dan dalam kemampuan yang diprediksi. Namun, seperti banyak perangkat lain, perangkat ini juga rentan terhadap kegagalan. Jika Anda ingin menghindari kegagalan pengontrol Anda, sangat penting un
OrCAD adalah salah satu perangkat lunak desain paling populer dan premium yang menawarkan simulasi sirkuit dan solusi desain PCB. Namun, dokumen ini memperkenalkan Anda ke OrCAD sebagai perangkat lunak yang digunakan dalam merancang sirkuit DC. Ini terdiri dari tiga aplikasi tipikal. Pertama, ada C
Kontroler motor DC hampir ada di mana-mana, dan kami melihatnya di hampir semua aplikasi. Pengendali motor DC banyak digunakan dalam kehidupan sehari-hari, mulai dari lokomotif hingga bor, dari mesin bubut hingga mobil RC. Ada ratusan perusahaan manufaktur di luar sana yang terlibat dalam pembuatan
