Tanggal Tugas | Tanggal Selesai | Judul Tugas |
29 April 2010 | 7 Mei 2010 | Tugas 8 |
Nama | NPM | Tugas |
Oki Kusnan Panulung | 0615031103 | membuat program |
Joni Efwan | 0615031013 | publikasi ke blog |
Andi Purnama Putra | 0615031045 | mencari materi |
Amri Wahyudin | 0615031043 | mencari materi |
Edianto Simbolon | 0615031075 | mencari materi |
Aplikasi Kendali Fuzzy Logic untuk Pengaturan Kecepatan Motor Universal
Pendahuluan
Salah satu bagian yang penting dalam mendesainsistem kendali konvensional seperti Proporsional(P), Proporsional-Integral (PI) dan Proporsional-Integral-Derivatif (PID) adalah model matematika dari sistem. Model matematika untuk sistem linier masih bisa didapatkan tetapi pada sistem non-linier, tidak mudah menurunkan model matematika dari sistem. Kendali fuzzy logic memberikan alternatif lain dalam sistem kendali. Dalam kendali fuzzy logic tidak diperlukan model matematika dari sistem karena kendali fuzzy logic bekerja berdasarkan rule-rule yang diekstrak sesuai dengan pemikiran dan pengetahuan manusia baik sebagai operator atau ahli. Dalam penelitian ini disajikan implementasi kendali fuzzy logic untuk pengaturan kecepatan motor universal. Proses fuzzy inference dalam kendali fuzzy logic terdiri atas 3 bagian yaitu fuzzifikasi, evaluasi rule dan defuzzifikasi
Fuzzifikasi mengubah nilai crisp input menjadi
nilai fuzzy input. Proses evaluasi rule mengolah
fuzzy input sehingga menghasilkan fuzzy output.
Defuzzifikasi mengubah fuzzy output menjadi
nilai crisp output. Gambar 1 menunjukkan
struktur dasar dari kendali fuzzy logic.
Gambar 1. Struktur Dasar Kendali
Fuzzy Logic
Sistem fuzzy yang didesain mempunyai 2 input
yaitu error dan perubahan error dan 1 output
yaitu perubahan tegangan motor. Jumlah label
untuk masing-masing input dan output
membership function (MF) dibuat bervariasi,
demikian juga untuk bentuk membership
function. Hal ini dilakukan untuk menguji
bagaimana pengaruh jumlah label terhadap
respon sistem kendali. Ada dua metode
defuzzifikasi yang diterapkan yaitu center of
area (COA) dan mean of maxima (MOM). Dari
dua metode ini akan dibandingkan yang mana
menghasilkan respon sistem yang lebih baik.
Deskripsi Sistem
1. Perangkat Keras Sistem
Blok diagram sistem kendali kecepatan motor
universal dapat dilihat pada gambar 2.
Spesifikasi motor universal yang digunakan
adalah 85 watt, 200/220 volt, 6000 rpm. Sebagai
sensor untuk membaca kecepatan motor
digunakan tachometer. Gambar rangkaian
tachometer dapat dilihat pada gambar 3. Output
dari rangkaian tachometer berupa sinyal
frekuensi diubah menjadi tegangan oleh
rangkaian pengubah frekuensi menjadi tegangan.
Tegangan output rangkaian ini oleh Analog to
Digital Converter (ADC) diubah menjadi data
digital yang akan dibaca oleh komputer. Gambar
rangkaian pengubah frekuensi menjadi tegangan
dan rangkaian ADC dapat dilihat pada gambar 4
dan gambar 5. ADC yang digunakan adalah
ADC MAX 191 yang mempunyai data output 12
bit sehingga dapat diperoleh respon kendali yang
lebih baik.
Pengaturan kecepatan motor dilakukan oleh
rangkaian driver motor. Rangkaian ini bekerja
berdasarkan metode Pulse Width Modulation
(PWM). Output dari PWM akan menggerakkan
optocoupler MOC 3020 yang selanjutnya
memberikan trigger pada triac. Gambar
rangkaian driver motor dapat dilihat pada
gambar 7.
Rangkaian driver motor mendapat input dari
output Digital to Analog Converter (DAC).
Rangkaian driver motor mengolah sinyal analog
yang berupa tegangan dari DAC untuk
menghasilkan putaran motor yang sesuai. DAC
yang digunakan adalah DAC 1210 yang
memiliki ketelitian 12 bit. Gambar 6
menunjukkan rangkaian DAC 1210.
PEMBAHASAN KELOMPOK
Sistem kendali fuzzy logic yang dikembangkan Kelompok kami
dalam penelitian ini mempunyai dua crisp input
yaitu error dan perubahan error kecepatan motor
dan satu crisp output yaitu perubahan tegangan.
Error dan perubahan error didefinisikan dengan
perumusan sebagai berikut:
Error = PV – SP
Derror = Error(n) – Error(n-1)
PV adalah kecepatan motor aktual sedangkan SP
adalah kecepatan motor yang dinginkan. Derror
didefinisikan sebagai selisih error sekarang
dengan error sebelumnya.
Dalam sistem ini didesain membership function
untuk input dan output dengan jumlah label
bervariasi yaitu 3, 5 dan 7 label dan dengan
bentuk yang bervariasi yaitu segitiga dan
trapezoid. Gambar 8 sampai dengan gambar 13
menunjukkan membership function untuk input
dan output yang telah didesain.
KESIMPULAN KELOMPOK
Berdasarkan makalah yang telah dipaparkan di atas maka kelompok kami dapat mengambil kesimpulan sebagai berikut :
· Kendali fuzzy logic relatif mudah
diimplementasikan karena tidak membutuhkan
model matematika tetapi
bekerja berdasarkan rule yang dapat
diekstrak dari pengalaman dan keahlian
seorang operator.
· Bentuk membership function antara
segitiga dan trapezoid tidak memberi
pengaruh yang cukup besar dalam
menentukan respon sistem.
· Metode defuzzifikasi Center of Area
menghasilkan kendali yang lebih baik
dibandingkan dengan metode mean of
maxima
· Semakin banyak jumlah label dalam
membership function memungkinkan
untuk menghasilkan kendali yang lebih
baik terutama untuk metode defuzzifikasi
mean of maxima
