Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Sistem kontrol penyiram air Dasar Kendali cerdas.

Presentasi serupa


Presentasi berjudul: "Sistem kontrol penyiram air Dasar Kendali cerdas."— Transcript presentasi:

1 Sistem kontrol penyiram air Dasar Kendali cerdas

2  Misalkan kita ingin membangun sistem untuk mengontrol alat penyiram air.  Input untuk sistem tersebut adalah suhu udara (dalam 0 C) dan kelembaban tanah (dalam %)  Output yang diinginkan adalah durasi penyiraman (dalam menit)  Misalkan nilai crisp yang diterima sensor kelembaban adalah 12%. Nilai crisp yang diterima sensor suhu adalah 37 0 C Berapa lama durasi penyiraman yang harus dilakukan?

3  Untuk menentukan berapa lama durasi penyiraman, maka proses yan dilakukan adalah:  1. fuzzification : mengubah kedua nilai crisp input tersebut menjadi fuzzy input menggunakan fungsi- fungsi keangotaan  2. rule evaluation : melakukan reasoning menggunakan nilai- nilai fuzzy input tersebut dan fuzzy rule sehingga dihasilkan fuzzy output  3. defuzzification : mengubah fuzzy output menjadi nilai crisp (dalam satuan detik) berdasarkan fungsi keanggotaan output

4 Proses fuzification  Misalkan untuk suhu udara kita menggunakan fungsi keanggotaan trapesiun dengan 5 variabel linguistik yaitu: cold, cool, normal, warm, hot  Dengan fungsi ini, maka crisp input suhu 37 0 C dikonversikan ke nilai fuzzy dengan cara:  Suhu 37 0 C berada pada nilai linguistik warm dan hot  Semantik atau derajat keanggotaan untuk warm dihitung menggunakan rumus : -(x-d)/(d-c), c

5 Fungsi keanggotaan untuk suhu udara

6  Misalkan untuk kelembaban tanah kita menggunakan fungsi keanggotaan trapesiun dengan 3 variabel linguistik yaitu: dry, moist, wet  Dengan fungsi ini, maka crisp input kelembaban 12% dikonversikan ke nilai fuzzy dengan cara:  Kelembaban 12% berada pada nilai linguistik dry dan moist  Semantik atau derajat keanggotaan untuk dry dihitung menggunakan rumus : -(x-d)/(d-c), c

7 Fungsi keanggotaan untuk kelembaban tanah

8  Jadi proses fuzzifikasi menghasilkan empat fuzzy input yaitu :  Suhu udara = warm(2/3) dan hot (1/3)  Kelembaban tanah =dry(4/5) dan moist(1/5)

9 Proses inferensi  Untuk durasi penyiraman kita menggunakan fungsi keanggotaan trapesium dengan 3 nilai linguistik: short, medium dan long

10 Aturan fuzzy untuk sistem kontrol penyiram air coldcoolnormalwarmhot DryLonglongLongLongLong MoistLongMediumMediumMediumMedium wetshortShortshortshortshort Antecedent 1( suhu udara) Antecedenct 2 (kelembabn)

11  Ada 3 x 5 =15 aturan fuzzy yaitu:

12 Proses inferensi menngunakan model mamdani  Dapat digunakan 2 cara infrensi, yaitu clipping(alppha-cut) atau scaling. Metode yang paling umum digunakan adalah clipping karena mudah diimplementasikan dan bila diagregasikan dengan fungsi lain akan menghasilkan bentuk yang mudah difuzifikasi  Dari empat data fuzzy yaitu :Suhu udara = warm(2/3) dan hot (1/3)  Kelembaban tanah =dry(4/5) dan moist(1/5)  Diperoleh empat aturan dari 15 aturan yang dapat diaplikasikan yaitu:

13  Gunakan aturan conjuction (Λ) dengan memilih derajat keanggotaan minimum dari nilai-nilai linguistik yang dihubungkan oleh Λ dan lakukan clipping pada fungsi keanggotaan trapesium untuk durasi penyiraman. Sehinga diperoleh :  IF suhu is warm (2/3) AND kelembaban is Dry (4/5) then durasi is long(2/3)  IF suhu is warm (2/3) AND kelembaban is Moist (1/5) then durasi is medium (1/5)  IF suhu is Hot (1/3) AND kelembaban is Dry (4/5) then durasi is long(1/3)  IF suhu is Hot (1/3) AND kelembaban is Moist (1/5) then durasi is Medium (1/5)  Gunakan aturan disjunction (V) dengan memilih derajat keanggotaan maximum dari nilai-nilai linguistik yang dihubungkan oleh V dan lakukan clipping pada fungsi keanggotaan trapesium untuk durasi penyiraman. Sehinga diperoleh :  ‘ Durasi is long (2/3) V durasi is long (1/3) ’ dihasilkan durasi is long (2/3) ’  ‘ Durasi is medium (1/5) V durasi is medium (1/5) ’ dihasilkan durasi is medium (1/5) ’  Sehinga diperoleh dua pernyataan yaitu :  Durasi is long (2/3) dan durasi is medium (1/5) ’

14 Proses inferensi menggunakan model mamdani a. Durasi is long (2/3) b. Durasi is Medium (1/5)

15 Proses composition pada model mamdani dari dua fuzzy set Durasi is Medium (1/5) dan long (2/3) Proses defuzzyfication Sebelum defuzyfication, kita harus melakukan proses composition, yaitu agregasi hasil clipping dari semua aturan fuzzy sehinga didapatkan satu fuzzy set tunggal. Proses composition dari dua fuzzy set, Durasi is long (2/3) dan durasi is medium (1/5), menghasilkan satu fuzzy set tunggal.

16 Center of area Untuk proses defuzzyfication digunakan centroid method Dengan menentukan titik-titik sembarangan didaerah berarsir, misalkan : 24,28,32,36,40,48,60,70,80 dan 90 diperoleh : Untuk suhu 37 0 C dan kelembaban tanah 12% dibutuhkan durasi penyiraman selama 60,97 detik.

17 Metode sugeno  Metode sugeno menggunakan fungsi keanggotaan yang lebih sederhana dibandingkan model mamdani. Fungsi keanggotaan tersebut adalah singleton, yaitu fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada suatu nilai crisp tunggal dan 0 pada semua crisp yang lain  Dengan cara yang sama seperti model mamdani diperoleh  Durasi is long (2/3) dan durasi is medium (1/5) ’

18

19 Proses defuzzyfication menggunakan model sugeno  Proses composition dari dua fuzzy set, Durasi is long (2/3) dan durasi is medium (1/5), menghasilkan satu fuzzy set tunggal.

20  Jika menggunkan Height method untuk proses defuzzyfication, Durasi is long (2/3) dan durasi is medium (1/5), dipilih nilai maksimum nya yaitu Durasi is long (2/3). Karena nilai crisp untuk long adalah 60, maka durasi penyiraman adalah 60 menit.  Jika menggunakan Weighted Average untuk proses defuzzyfication, diperoleh;

21 Rule viewer Dengan matlab

22 Surface viewer

23

24

25

26


Download ppt "Sistem kontrol penyiram air Dasar Kendali cerdas."

Presentasi serupa


Iklan oleh Google