Optimisasi Fuzzy Logic Control Menggunakan Quantum-Behaved Particle Swarm Optimization Pada Sistem Kendali Kecepatan Motor DC

Muhammad Zakqi Hendra A., Fachrudin Hunaini, Sabar Setiawidayat

Abstract

Motor DC sangat penting di dunia industri, kelebihan motor DC adalah relatif mudah diperoleh dan diatur kecepatan putarnya. Fuzzy Logic Control (FLC) merupakan alternatif sistem kendali modern yang dapat digunakan sebagai  pengatur kecepatan motor DC. Modul Arduino Uno R3 digunakan sebagai jembatan antara FLC dengan motor DC sehingga kecepatannya dapat dikontrol langsung secara real time. Fuzzy logic yang dirancang memiliki 2 input (Error & DError) dan 1 output (DPWM). Input Setting Point dibatasi antara 0 sampai dengan 2000 rpm sesuai dengan desain motor DC. Untuk meningkatkan respon kendali kecepatan motor DC dilakukan dengan menambahkan gain pada sisi input dan output FLC. Quantum Particle Swarm Optimization (QPSO) merupakan suatu metode optimasi yang digunakan untuk mencari nilai gain yang optimum pada FLC. Penggunaan FLC-QPSO ini dapat mengurangi rise time (tr) pada motor DC dari 4,46 detik menjadi 1,15 detik pada kecepatan 1750 rpm.

Keywords

Motor DC, kecepatan, fuzzy, optimasi, gain, QPSO, Matlab, Arduino

Article Metrics

Abstract view : 42 times
PDF view : 127 times

Full Text:

PDF

References

F. Hunaini, I. Robandi, N. Sutantra. 2014. Optimization Control System using the Quantum Behaved Particle Swarm Optimization on Vehicle Steering Control System with Steer-by-Wire System. Jurnal Teknologi (Sciences and Engineering) 712, 2180–3722

F. Hunaini, I. Robandi, N. Sutantra. 2016. Optimization Of Automatic Steering Control On A Vehiclewith A Steer-By-Wire System Using Particle Swarm Optimization. Turk J Elec Eng & Comp Sci 24, 541–557.

M. Hidayat, F. Hunaini, D. Usman. 2014. Pembuatan Fuzzy Logic Control Kecepatan Motor DC Pada Arduino Uno Dengan Tuning Particle Swarm Optimization. Skripsi S-1, Teknik Elektro, Universitas Widyagama, Malang.

Adrian, DUKA, V. 2011. Adaptation of a Fuzzy Controller’s Scalling Gain Using Genetic Algorithms For Balancing An Inverted Pendulum. Petru Maior Univ. Tirgu Mures Rom. 5th.

Jie, X., Liyun, L., Yanbo, C., Shiyu, W. 2008. Fuzzy gain based adaptive fuzzy logic controller for BLDCM drive, in: Control Conference, 2008. CCC 2008. 27th Chinese. Presented at the Control Conference, 2008. CCC 2008. 27th Chinese, pp. 159–163.

S.N. Omkar, R. Khandelwal, T.V.S. Ananth, G. Narayana Naik, S. Gopalakrishnan. 2009. Quantum behaved Particle Swarm Optimization (QPSO) for multi-objective design optimization of composite structures. Expert Syst. Appl. 36(8): 11312–11322.

Douglas J, Gotham, G.T. Heydt. 1998. Power Flow Control and Power Flow Studies for Systems With FACTS Devices. IEEE Tanssaction on Power System. Vol 13, No. 1.

Sutojo, T, Mulyanto, E & Suhartono, V. 2011. Kecerdasan Buatan. Andi Offset, Yogyakarta.

Kusumadewi, Sri 2003. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu,Yograkarta.

Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy Menggunakan TOOLBOX MATLAB. Graha Ilmu, Yogyakarta.

Amin SHM, Adriansyah A. 2006. Particle Swarm Fuzzy Controller for Behavior-based Mobile Robot. Presented at: the 9th International Conference on Control, Automation, Robotics and Vision, ICARCV ’06; Dec. 2006; Singapore: , 2006, pp. 1 –6.

Alfarizy, F. 2012. Penempatan Optimal Thyristor Controlled Series Capacitor (TCSC) dan Static Var Compensator (SVC) Menggunakan Quantum Behaved Particle Swarm Optimization (QPSO) untuk Pembebanan Maksimum. Institut Teknologi Sepuluh Nopember, Surabaya

Z. Zhisheng. 2010. Quantum-behaved particle swarm optimization algorithm for economic load dispatch of power system. Expert Syst. Appl. 37: 1800–1803.

Ogata, Katsuhiko. 1994. Alih bahasa Edi Leksono, Teknik Kontrol Automatik (Sistem Pengaturan). Erlangga , Jakarta . Jilid 1.

Refbacks

  • There are currently no refbacks.