DESAIN ALGORITMA GENETIKA – KONTROL LOGIKA FUZZY ROBUST STUDI KASUS : KONTROL TORSI MESIN PADA MESIN PEMBAKARAN INTERNAL

Abstract

Abstrak

Semakin menipisnya produksi bahan bakar minyak (BBM) dan meningkatnya pengguna kendaraan bermotor di Indonesia mengakibatkan perlunya suatu perkembangan teknologi di bidang kontrol otomotif. Pengontrolan torsi mesin agar mencapai nilai optimal  merupakan salah satu cara yang tepat untuk mengatasi permasalahan tersebut. Sebagai mesin yang sering digunakan dalam aplikasi otomotif, mesin pembakaran internal memiliki kondisi operasi yang cukup luas. Dengan demikian, kontroler tunggal akan susah untuk mencapai performansi yang diinginkan untuk semua kondisi. Kontroler robust fuzzy telah terbukti mampu mengatasi permasalahan yang sama. Dalam penelitian ini, penulis mendesain sebuah kontroler yang merupakan pengembangan dari robust fuzzy, yakni algoritma genetika – kontrol logika fuzzy robust (GA-RFLC). Sebagai salah satu teknik optimasi global, algoritma genetika ditambahkan dalam teori robust fuzzy yang sebelumnya memanfaatkan teknik optimasi lokal dengan linear quadratic integral tracking (LQIT) karena teknik optimasi global telah terbukti lebih baik daripada teknik optimasi lokal. Selanjutnya, pengujian akan dilakukan dengan membandingkan nilai integral area error (IAE) dari hasil respon sistem menggunakan kontroler GA-RFLC dan LQIT.

Kata kunci :  torsi mesin, algoritma genetika – kontrol logika fuzzy robust, integral area error, mesin pembakaran internal

Abstract

Decreasing production of fuel and increasing the user of vehicle at Indonesia have effected in the need of automotive technology development. Controlling engine torque by achieving optimal value is one way to solve the problems. As an engine which is often used in automotive application, spark ignition engine has wide operating point. A single controller will be hard to achieve the requirements for the whole condition. Robust fuzzy logic controller has proven be able to solve the same problem. This research provide a development design of robust fuzzy logic controller named genetic algorithm – robust fuzzy logic control (GA-RFLC). As a global optimization technique, genetic algorithm has been added into robust fuzzy logic theory which used a local optimization with linear quadratic integral tracking (LQIT) since global optimization technique had been proven to be better than local optimization technique. Then, the value of integral area error (IAE) from system respon using GA-RFLC and will be compared to LQIT.

Keywords : engine torque, genetic algorithm – robust fuzzy logic control, integral area error, spark ignition engine