skip to main content

DESAIN SISTEM KONTROLFUZZY MODEL REFERENCE LEARNING CONTROL(FMRLC) STUDI KASUS: PENGONTROLAN KETINGGIAN AIR PADA CONICAL TANK

M Arif Syukur D1, 2, 3 Aris Triwiyatno1, 2, 3Wahyudi Wahyudi1, 2, 3

1Jurusan Teknik Elektro, , Indonesia

2Universitas Diponegoro Semarang, Indonesia

3Jl. Prof Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia

Editor(s): Aris Triwiyatno

Citation Format:
Abstract
Abstrak
FMRLC merupakan modifikasi metode fuzzy logic control(FLC) dan model reference adaptive control (MRAC), yaitu
FLC yang memiliki sebuah "sistem pembelajaran" untuk meningkatkan kinerjanya dari waktu ke waktu ketika
berinteraksi dengan lingkungannya. Kontroler tersebut telah banyak digunakan untuk mengontrol sistem-sistem
nonlinear. Proses perancangan FMRLC memerlukan empat bagian utama: plant, fuzzy controller untuk diatur, model
referensi, dan mekanisme pembelajaran (mekanisme adaptasi). Pada penelitian ini, algoritma adaptasi dilakukan dengan
menggunakan FLC yang bertindak sebagai penyedia parameter adaptasi, yaituFuzzyInverse Model (FIM).Tujuan dari
proses pembelajaran FMRLC adalah meminimalkan error yang terjadi ketika menggunakan kontroler fuzzy
Sugeno.Berdasarkan pengujian yang dilakukan dengan menerapkan FMRLC dan FLC pada plant conical tank, untuk
perubahan setpoint, diketahui bahwa respon sistem dengan FMRLC memiliki waktu konstan yang lebih cepat dibanding
FLC. Ketika mendapat gangguan eksternal, FMRLC dapat mempertahankan performa sistem pada setpoint.
Kata kunci : FMRLC, model reference adaptive control, fuzzy logic controller, fuzzy inverse model
Abstract
FMRLC is a modification of fuzzy logic control (FLC) and model reference adaptive control (MRAC), it can be
interpreted with FLC which has a "learning system" to improve its performance over time by interacting with
environment. That’s controller had been used to control many nonlinear system. To design FMRLC, need four main
part : plant, fuzzy controller to be tuning, model reference, and learning mechanism (adaptation mechanism). In this
research, the adaptation algorithm use FLC to produce adaptive parameter, that is Fuzzy Inverse Model (FIM). The
purpose of FMRLC learning process is to reduce thefuzzy Sugeno system’s error.Based on setpoint changes testing that
performed by applying FMRLC and FLC on conical tank plant, FMRLC system response has faster constant time than
FLC system response. Similarly, when system gets an external disturbance, FMRLC can maintain system performance
at setpoint.
Keyword : FMRLC, model reference adaptive control, fuzzy logic controller, fuzzy inverse model
Fulltext View|Download

Article Metrics:

Last update:

No citation recorded.

Last update:

No citation recorded.