Fuzzy Logic - Sistem Kontrol
Logika fuzzy diterapkan dengan sukses besar dalam berbagai aplikasi kontrol. Hampir semua produk konsumen memiliki kontrol fuzzy. Beberapa contohnya antara lain mengontrol suhu ruangan dengan bantuan AC, sistem anti pengereman yang digunakan pada kendaraan, kontrol lampu lalu lintas, mesin cuci, sistem ekonomi besar, dll.
Mengapa Menggunakan Fuzzy Logic dalam Sistem Kontrol
Sistem kendali adalah susunan komponen fisik yang dirancang untuk mengubah sistem fisik lain sehingga sistem ini menunjukkan karakteristik tertentu yang diinginkan. Berikut adalah beberapa alasan penggunaan Fuzzy Logic dalam Sistem Kontrol -
Saat menerapkan kontrol tradisional, seseorang perlu mengetahui tentang model dan fungsi tujuan yang dirumuskan secara tepat. Ini membuatnya sangat sulit untuk diterapkan dalam banyak kasus.
Dengan menerapkan logika fuzzy untuk kontrol kita dapat memanfaatkan keahlian dan pengalaman manusia untuk merancang sebuah kontroler.
Aturan kontrol fuzzy, pada dasarnya aturan IF-THEN, dapat digunakan dengan baik dalam merancang sebuah kontroler.
Asumsi dalam Desain Fuzzy Logic Control (FLC)
Saat merancang sistem kendali fuzzy, enam asumsi dasar berikut harus dibuat -
The plant is observable and controllable - Harus diasumsikan bahwa variabel input, output serta state tersedia untuk tujuan observasi dan pengendalian.
Existence of a knowledge body - Harus diasumsikan bahwa terdapat badan pengetahuan yang memiliki aturan linguistik dan satu set data input-output dari mana aturan dapat diekstraksi.
Existence of solution - Harus diasumsikan bahwa ada solusi.
‘Good enough’ solution is enough - Rekayasa kendali harus mencari solusi yang 'cukup baik' daripada solusi yang optimal.
Range of precision - Pengontrol logika fuzzy harus dirancang dalam kisaran presisi yang dapat diterima.
Issues regarding stability and optimality - Masalah stabilitas dan optimalitas harus terbuka dalam mendesain kontroler logika Fuzzy daripada ditangani secara eksplisit.
Arsitektur Kontrol Logika Fuzzy
Diagram berikut menunjukkan arsitektur Fuzzy Logic Control (FLC).
Komponen Utama FLC
Berikut adalah komponen utama dari FLC seperti yang ditunjukkan pada gambar di atas -
Fuzzifier - Fungsi fuzzifier adalah mengubah nilai input crisp menjadi nilai fuzzy.
Fuzzy Knowledge Base- Ini menyimpan pengetahuan tentang semua hubungan fuzzy input-output. Ia juga memiliki fungsi keanggotaan yang mendefinisikan variabel input ke basis aturan fuzzy dan variabel output ke pabrik yang dikendalikan.
Fuzzy Rule Base - Ini menyimpan pengetahuan tentang pengoperasian proses domain.
Inference Engine- Bertindak sebagai kernel dari FLC apa pun. Pada dasarnya ini mensimulasikan keputusan manusia dengan melakukan perkiraan penalaran.
Defuzzifier - Peran defuzzifier adalah untuk mengubah nilai fuzzy menjadi nilai crisp yang didapat dari mesin inferensi fuzzy.
Langkah-langkah Mendesain FLC
Berikut adalah langkah-langkah yang terlibat dalam mendesain FLC -
Identification of variables - Di sini, variabel input, output, dan status harus diidentifikasi dari pabrik yang sedang dipertimbangkan.
Fuzzy subset configuration- Alam semesta informasi dibagi menjadi beberapa subset fuzzy dan setiap subset diberi label linguistik. Selalu pastikan bahwa himpunan bagian fuzzy ini mencakup semua elemen alam semesta.
Obtaining membership function - Sekarang dapatkan fungsi keanggotaan untuk setiap subset fuzzy yang kita dapatkan pada langkah di atas.
Fuzzy rule base configuration - Sekarang rumuskan basis aturan fuzzy dengan menetapkan hubungan antara input dan output fuzzy.
Fuzzification - Proses fuzzifikasi dimulai pada langkah ini.
Combining fuzzy outputs - Dengan menerapkan penalaran perkiraan fuzzy, cari keluaran fuzzy dan gabungkan.
Defuzzification - Terakhir, lakukan proses defuzzifikasi untuk menghasilkan keluaran yang jernih.
Keuntungan dari Kontrol Logika Fuzzy
Sekarang mari kita bahas keuntungan dari Fuzzy Logic Control.
Cheaper - Mengembangkan FLC relatif lebih murah daripada mengembangkan berbasis model atau pengontrol lain dalam hal kinerja.
Robust - FLC lebih kuat daripada pengontrol PID karena kemampuannya untuk mencakup berbagai kondisi pengoperasian.
Customizable - FLC dapat disesuaikan.
Emulate human deductive thinking - Pada dasarnya FLC dirancang untuk meniru pemikiran deduktif manusia, proses yang digunakan orang untuk menyimpulkan kesimpulan dari apa yang mereka ketahui.
Reliability - FLC lebih andal daripada sistem kontrol konvensional.
Efficiency - Logika fuzzy memberikan efisiensi lebih bila diterapkan dalam sistem kontrol.
Kerugian dari Kontrol Logika Fuzzy
Sekarang kita akan membahas apa saja kerugian dari Fuzzy Logic Control.
Requires lots of data - FLC membutuhkan banyak data untuk diterapkan.
Useful in case of moderate historical data - FLC tidak berguna untuk program yang jauh lebih kecil atau lebih besar dari data historis.
Needs high human expertise - Ini adalah salah satu kelemahannya karena keakuratan sistem bergantung pada pengetahuan dan keahlian manusia.
Needs regular updating of rules - Aturan harus diperbarui seiring waktu.