Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Thiang, Felix Pasila, Junaedi

Presentasi serupa


Presentasi berjudul: "Thiang, Felix Pasila, Junaedi"— Transcript presentasi:

1 Thiang, Felix Pasila, Junaedi
Laboratorium Sistem Kendali Jurusan Teknik Elektro - Universitas Kristen Petra Sistem Pengembangan Kendali Logika Fuzzy Berbasis Programmable Logic Controller oleh Thiang, Felix Pasila, Junaedi

2 Agenda Presentasi Motivasi Deskripsi Sistem PetraFuzPLC
Contoh Implementasi PetraFuzPLC pada Pengaturan Kecepatan Motor Kesimpulan

3 Motivasi Programmable Logic Controller (PLC) telah banyak digunakan dalam industri sebagai kontroler Implementasi kendali logika fuzzy pada PLC tidak mudah dilakukan karena keterbatasan bahasa pemrograman dari PLC Dibutuhkan modul atau tools bantu untuk mengembangkan sistem kendali logika fuzzy berbasis PLC Modul Pengembangan Kendali Logika Fuzzy Berbasis PLC dengan bantuan Mikrokontroler MCS51

4 PetraFuz51 Fuzzy Designer Fuzzy Evaluator Downloader
Sistem PetraFuzPLC Sistem ini merupakan pengembangan sistem PetraFuz yang telah dikembangkan oleh Lab. Sistem Kendali PLC Fuzzy Control Unit (FCU) Output PLAN Input Control Action Fuzzy Database PC PetraFuz51 Fuzzy Designer Fuzzy Evaluator Downloader Window 97 Blok Diagram Sistem

5 Sistem PetraFuzPLC – Fuzzy Control Unit (FCU)
Terdapat routine Fuzzy Kernel yang melakukan proses fuzzy inference system yaitu fuzzifikasi, evaluasi rule dan defuzzifikasi Terdapat program yang berfungsi untuk: - Komunikasi antara FCU dengan PLC - Komunikasi antara FCU dengan PC - Mengeksekusi routine Fuzzy kernel Hardware sistem minimum dengan menggunakan mikrokontroler AT89C51 dan AT89C2051

6 Sistem PetraFuzPLC – Fuzzy Control Unit (FCU)
Start Start Bit On? Fuzzy Kernel Baca Start Bit Baca Crisp Input dari PLC Kirim Output dan Flag Selesai ke PLC Y T Tabel Lokasi Memori PLC untuk Fuzzy Kernel Contoh: Bila n = 2 maka lokasi memori yang digunakan adalah channel 120 dan 121

7 Fasilitas yang tersedia dalam PetraFuz51
Sistem PetraFuzPLC – PetraFuz51 Fasilitas yang tersedia dalam PetraFuz51 Fuzzy Logic Designer Fuzzy Logic Evaluator µP Downloader ke FCU

8 Sistem PetraFuzPLC Penggunaan PetraFuzPLC
Maksimum 5 crisp input dan 3 crisp output Maksimum 8 label membership function per input dan output 4 point per input membership function 1 point per output membership function Maksimum 1024 rule Waktu untuk satu siklus proses fuzzy inference adalah 127,65 ms Penggunaan PetraFuzPLC Disain crisp input dan crisp output Disain membership function untuk input dan output Disain fuzzy if-then rule Download fuzzy database ke FCU Buat user program untuk PLC

9 Implementasi Pengaturan Kecepatan Motor DC
Start Inisialisasi Hitung Crisp Input Normalisasi Crisp Input Aktifkan Start Bit Tunggu Flag Selesai Normalisasi Crisp Output Output Data Blok Diagram Pengaturan Kecepatan Motor DC PLC C200HG DA001 Driver Motor CT001-V1 Sensor MOTOR FCU Diagram Alir User Program

10 Input dan Output Membership Function
Implementasi Pengaturan Kecepatan Motor DC Input dan Output Membership Function Input Error dan Delta_error Output Kecepatan Motor Fuzzy If-Then Rule Error NB NS Z PS PB Delta_error

11 Implementasi Pengaturan Kecepatan Motor DC
Hasil Pengujian SP=100 SP=80 Waktu (detik) 100 200 SP=127 SP=140 SP=150 Waktu (detik) 100 200 Gambar Respon Sistem Set Point 100, 80, 100 Gambar Respon Sistem Set Point 127, 140, 150

12 Gambar Respon Sistem Set Point 150, 100, 80
Implementasi Pengaturan Kecepatan Motor DC Hasil Pengujian Waktu (detik) 100 200 SP=150 SP=100 SP=80 Gambar Respon Sistem Set Point 150, 100, 80

13 Kesimpulan Sistem pengembangan kendali logika fuzzy berbasis PLC dengan bantuan mikrokontroler MCS51 melalui komunikasi dengan Host Link telah berhasil dikembangkan. Dengan demikian diharapkan dapat memberikan kontribusi yang positif bagi masyarakat sistem kendali Modul Unit Kendali Fuzzy (FCU) yang didisain hanya dapat bekerja dengan PLC OMRON C2xxHx. Untuk pengembangan selanjutnya dapat dikembangkan pada PLC lainnya Waktu yang diperlukan untuk satu siklus proses fuzzy inference adalah 127,65 ms. Untuk pengembangan selanjutnya, kecepatan proses dapat diperkecil dengan menggunakan sistem komunikasi paralel


Download ppt "Thiang, Felix Pasila, Junaedi"

Presentasi serupa


Iklan oleh Google