Kontrol Kecepatan Kipas AC Dengan Kontrol Fuzzy

Fuzzy set pertama kali diperkenalkan oleh prof. Lotfi Zadeh pada tahun 1965 dalam papernya yang berjudul “Fuzzy Set”. Dalam paper tersebut dipaparkan ide dasar fuzzy set yang meliputi inclusion, union, intersection, complement, relation dan convexity. Ide tersebut terus dimatangkan oleh Zadeh dengan paper-papernya yang diantaranya berjudul “Probability Measures of Fuzzy Events”, “Decision-Making in a Fuzzy Environment”, “Similarity Relations and Fuzzy Ordering” dan lain-lain. Pelopor aplikasi fuzzy set dalam bidang kontrol yan merupakan aplikasi pertama dan utama dari fuzzy set adalah Prof. Ebrahim Mamdani dan kawan-kawan dari Queen Mary College London. Aplikasinya meliputi proses pada tangki pencampur dan mesin uap yang semuanya dalam skala lab. Penerapan kontrol logika fuzzy secara nyata diindustri banyak dipelopori para ahli dari Jepang misalnya Prof. Sugeno dan kawan-kawan dari Tokyo Institute of Technology, Prof. Yamakawa dari Kyusu Institute of Technology melakukan penelitian dasar dari komputer fuzzy, sedangkan Togai dan Watanabe dari Bell Telephne Labs berhasil menciptakan untuk pertama kalinya chip logika fuzzy.

Begitulah sedikit pengantar tentang sejarah logika fuzzy dan pelopor penerapan logika fuzzy dalam bidang kontrol. Dalam tulisan ini akan dibahas sedikit tentang contoh sederhana penerapan logika fuzzy untuk pengontrolan kecepatan kipas angin dengan 2 parameter input yaitu jumlah orang dalam ruangan dan suhu ruangan serta 1 parameter output yaitu PWM kipas angin. Dalam aplikasi ini sensor yang digunakan untuk mencounter jumlah orang dalam ruangan adalah dua pasang sensor IR yang diletakkan di pintu ruangan sedangkan untuk mengukur suhu ruangan digunakan sensor LM35 yang memiliki tingkat kepresisian yang lumayan bagus. Semua parameter tersebut diinputkan pada sebuah kontoler Atmega 16 dan output dari kontoler di umpankan pada rangkaian switching solid state untuk mengatur kecepatan dari kipas angin.

Dalam kontrol logika fuzzy terdapat beberapa tahapan yaitu Fuzzyfikasi, Fuzzy Rule (rule based) dan Defuzzyfikasi. Fuzzyfikasi adalah proses untuk mendapatkan besarnya derajat keanggotaan masukan yang berupa suatu variabel numerik non-fuzzy (elemen himpunan) dalam suatu himpunan fuzzy atau dengan kata lain fuzzyfikasi adalah proses pengubahan data-data numerik dari parameter input (sensor) menjadi data-data fuzzy untuk proses pengolahan fuzzy lebih lanjut. Dalam hal ini proses fuzzyfikasi adalah bagaimana kita menyajikan data-data numerik input yang bersifat riil pada suatu grafik fuzzy dengan sumbu-x sebagai semesta pembicaraan dan sumbu-y sebagai derajat keanggotaan. Penentuan keanggotan suatu himpunan fuzzy tidak dibatasi oleh aturan-aturan tertentu. Terdapat tiga macam keanggotaan yang sering digunakan yaitu fungsi keangotaan S, π dan T (segitiga). Dalam aplikasi ini proses fuzzyfikasi menggunakan fungsi keanggotaan T (segitiga) dengan derajat keanggotaan max 100 dan semesta pembicaraan sesuai dengan nilai yang kita inginkan. Berikut adalah fuzzyfikasi dari masukan kontrol diatas.

Sedangkan penerapan pada listing program sebagai berikut

//fuzzyfikasi jumlah orang

if(sigm<=5)                //sigm=jumlah orang
 {
  sdk=100-(sigm*20);         //sdk=sedikit
  sdg=(sigm*20);             //sdg=sedang
  byk=0;                     //byk=banyak
  fll=0;                     //fll=full
 }
else if(sigm>5 && sigm<=10)
 {
  sdk=0;
  sdg=200-(sigm*20);
  byk=(sigm*20)-100;
  fll=0;
 }
else if(sigm>10 && sigm<=15)
 {
  sdk=0;
  sdg=0;
  byk=300-(sigm*20);
  fll=(sigm*20)-200;
 }
else
 {
  sdk=0;
  sdg=0;
  byk=0;
  fll=100;
 }

Sedangkan penerapan pada listing program sebagai berikut

//fuzzyfikasi suhu
if(tmp<=16)                //tmp=temperatur terukur
 {
  sdgn=100;               //sdgn=sangat dingin
  dgn=0;                  //dgn=gingin
  nrml=0;                 //nrml=normal
  pns=0;                  //pns=panas
 }
else if(tmp>16 && tmp<=24)
 {
  sdgn=300-((float)(tmp*25)/2);
  dgn=((float)(tmp*25)/2)-200;
  nrml=0;
  pns=0;
 }
else if(tmp>24 && tmp<=32)
 {
  sdgn=0;
  dgn=400-((float)(tmp*25)/2);
  nrml=((float)(tmp*25)/2)-300;
  pns=0;
 }
else if(tmp>32 && tmp<=40)
 {
  sdgn=0;
  dgn=0;
  nrml=500-((float)(tmp*25)/2);
  pns=((float)(tmp*25)/2)-400;
 }
else
 {
  sdgn=0;
  dgn=0;
  nrml=0;
  pns=100;
 }

sedangkan untuk penerapan membership function dari putaran kipas dalam listing program disangkut pautkan dengan rule based dari kontrol fuzzy tersebut. Hal ini karena membership function dari putaran kipas merupakan grafik fuzzy dari keluaran kontrol yang diharapkan dari aturan fuzzy yang dibuat. Pada umumnya aturan-aturan/rule fuzzy dinyatakan dalam bentuk “IF-THEN” Misalnya dalam dalam aturan fuzzy “jika kondisi suhu panas dan jumlah orang sedang maka kecepatan kipas cepat”. Berikut adalah rule dari kontrol aplikasi ini

DM=dianggap mati, P=pelan, S=sedang dan C=cepat

Sedangkan penerapan membership function dari putaran kipas pada listing program dalam kaitannya dalam penerapan pada rule base sebagai berikut

//rule based
if(sdk<sdgn)
 {ptr[0]=sdk;nilteng[0]=64;}
else
 {ptr[0]=sdgn;nilteng[0]=64;}

if(sdk<dgn)
 {ptr[1]=sdk;nilteng[1]=64;}
else
 {ptr[1]=dgn;nilteng[1]=64;}

if(sdk<nrml)
 {ptr[2]=sdk;nilteng[2]=128;}
else
 {ptr[2]=nrml;nilteng[2]=128;}

if(sdk<pns)
 {ptr[3]=sdk;nilteng[3]=192;}
else
 {ptr[3]=pns;nilteng[3]=192;}

if(sdg<sdgn)
 {ptr[4]=sdg;nilteng[4]=64;}
else
 {ptr[4]=sdgn;nilteng[4]=64;}

if(sdg<dgn)
 {ptr[5]=sdg;nilteng[5]=64;}
else
 {ptr[5]=dgn;nilteng[5]=64;}

if(sdg<nrml)
 {ptr[6]=sdg;nilteng[6]=128;}
else
 {ptr[6]=nrml;nilteng[6]=128;}

if(sdg<pns)
 {ptr[7]=sdg;nilteng[7]=255;}
else
 {ptr[7]=pns;nilteng[7]=255;}

if(byk<sdgn)
 {ptr[8]=byk;nilteng[8]=64;}
else
 {ptr[8]=sdgn;nilteng[8]=64;}

if(byk<dgn)
 {ptr[9]=byk;nilteng[9]=64;}
else
 {ptr[9]=dgn;nilteng[9]=64;}

if(byk<nrml)
 {ptr[10]=byk;nilteng[10]=192;}
else
 {ptr[10]=nrml;nilteng[10]=192;}

if(byk<pns)
 {ptr[11]=byk;nilteng[11]=255;}
else
 {ptr[11]=pns;nilteng[11]=255;}

if(fll<sdgn)
 {ptr[12]=fll;nilteng[12]=64;}
else
 {ptr[12]=sdgn;nilteng[12]=64;}

if(fll<dgn)
 {ptr[13]=fll;nilteng[13]=128;}
else
 {ptr[13]=dgn;nilteng[13]=128;}

if(fll<nrml)
 {ptr[14]=fll;nilteng[14]=192;}
else
 {ptr[14]=nrml;nilteng[14]=192;}

if(fll<pns) 
 {ptr[15]=fll;nilteng[15]=255;}
else
 {ptr[15]=pns;nilteng[15]=255;}

ket:

ptr[ ]=adalah variabel untuk menampung nilai derajat keanggotaan dari input yang diambil nilai derajat keanggotaan terkecil. Variabel ini dibentuk dalam format array.

nilteng[ ]=adalah nilai titik tengah dari grafik fuzzyfikasi putaran kipas angin yang merupakan implementasi dari rule. Misalnya jika suhu panas dan jumlah orang sedang maka putaran kipas angin berdasarkan rule adalah cepat dengan nilteng=255.

Sedangkan tahap terakhir dalam kontrol logika fuzzy adalah defuzzyfikasi. Defuzzyfikasi adalah proses pengubahan data-data fuzzy menjadi data-data numerik yang dapat dikirimkan ke alat pengendalian. Dalam aplikasi ini proses defuzzyfikasi menggunakan metode Center Of Area (COA) yang memiliki rumus

Sedangkan listing program untuk proses defuzzyfikasi dari aplikasi ini sebagai berikut

jml_nil=ptr[0]+ptr[1]+ptr[2]+ptr[3]+ptr[4]+ptr[5]+ptr[6]+ptr[7]+ptr[8]+ptr[9]+ptr[10]+ptr[11]+ptr[12]+ptr[13]+ptr[14]+ptr[15];
jml_nilteng=(ptr[0]*nilteng[0])+(ptr[1]*nilteng[1])+(ptr[2]*nilteng[2])+(ptr[3]*nilteng[3])+(ptr[4]*nilteng[4])+(ptr[5]*nilteng[5])+(ptr[6]*nilteng[6])+(ptr[7]*nilteng[7])+(ptr[8]*nilteng[8])+(ptr[9]*nilteng[9])+(ptr[10]*nilteng[10])+(ptr[11]*nilteng[11])+(ptr[12]*nilteng[12])+(ptr[13]*nilteng[13])+(ptr[14]*nilteng[14])+(ptr[15]*nilteng[15]);

//defuzzyfikasi
if(jml_nil==0)
 {
  coa=0;
 }
else
 {
  coa=jml_nilteng/jml_nil;
 }

nah nilai coa diatas adalah nilai output dari kontrol logika fuzzy yang nantinya nilai ini ditransfer pada perangkat pengendalian.

ref:

• Son Kuswadi “Kendali Cerdas Teori dan Aplikasi Praktisnya”
• zalbud ” TA Kontrol Kecepatan Kipas AC berbasis Fuzzy Logic”

2010

07/22

CATEGORY

article
elektronika

TAGS

fuzzy
suhu

Write comment