TUGASTEKNIK TENAGA LISTRIK

PENGATURAN MOTOR LISTRIK ARTIFICIAL INTELLIGENCE DENGAN LOGIKA FUZZY

Oleh:Agil Fitri Pamungkas(I0412004)

JURUSAN TEKNIK MESIN FAKULTAS TEKNIKUNIVERSITAS SEBELAS MARETSURAKARTA2014

PENGATURAN MOTOR LISTRIKARTIFICIAL INTELLIGENCE LOGIKA FUZZY

A. Motor InduksiMotor induksi merupakan motor listrik arus bolak balik (ac) yang paling luas digunakan Penamaannya berasal dari kenyataan bahwa motor ini bekerja berdasarkan induksi medan magnet stator ke statornya, dimana arus rotor motor ini bukan diperoleh dari sumber tertentu, tetapi merupakan arus yang terinduksi sebagai akibat adanya perbedaan relatif antara putaran rotor dengan medan putar (rotating magnetic field) yang dihasilkan oleh arus stator. Motor induksi yang umum dipakai adalah motor induksi 3 phase dan motor induksi 1 phase. Motor induksi 3 phase dioperasikan pada sistem tenaga 3 phase dan banyak digunakan di dalam berbagai bidang industri, sedangkan motor induksi 1 phase dioperasikan pada sistem tenaga 1 phase yang banyak digunakan terutama pada penggunaan untuk peralatan rumah tanggaseperti kipas angin, lemari es, pompa air, mesin cuci dan sebagainya karena motor induksi 1 phase mempunyai daya keluaran yang rendah.Salah satu kelemahan dari motor induksi adalahtidak mampu mempertahankan kecepatannya dengankonstan bila terjadi perubahan beban. Apabila terjadperubahan beban maka kecepatan motor induksi akanmenurun. Untuk mendapatkan kecepatan konstan sertamemperbaiki kinerja motor induksi terhadap perubahanbeban, maka dibutuhkan suatu pengontrol. Jenis pengontrol atau pengendali elektronika yaitu pengontrol analog dan pengontro digital. Perbedaan kedua pengendali ini adalah dalam pemrosesan datanya. Seiring perkembangan teknologi digital, maka saat ini pengendali digital lebih banyak digunakan. Pengendali digital yang saat ini banyak digunakan adalah pengendali berbasis PLC dan Mikrokontroller.

B. Pengaturan Motor InduksiMetode pengontrolan yang banyak digunakan untuk mengendalikan kecepatan Motor Induksi yaitu Metode Pengontrolan PID yang merupakan kombinasi Metode Pengontrolan Proportional (P), Integral (I) dan Derivative (D). Pengontrolan PID merupakan salah satumetode pengontrolan untuk menghasilkan ouput yang konstan Pada awalnya pengontrol ini merupakan pengendali analog yang direalisasikan dalam bentuk rangkaian analog. Namun saat ini algoritma Pengendali PID telah dapat direalisasikan dalam bentuk persamaan digital. Jika diimplementasikan hanya berupa program yang dapat ditanamkan dalam mikrokontroller (embedded system). Kekurangan dari pengendali PID ini adalah masih terdapat proses tuning. Proses tuning dilakukan untuk mendapatkan konstanta proportional (Kp), integral (Ki)dan derivative (Kd) yang sesuai sehingga mendapatkan output kecepatan sesuai yang diinginkan. Proses tuning dilakukan dengan cara manual dengan metode trial anderror yang hasilnya belum tentu tepat. Untuk menggantikan proses tuning di atas, maka diperlukan metode pendekatan . Salah satu metode pendekatan adalah dengan Metode Logika Fuzzy.

C. Artificial Intelligence Logika FuzzyArtificial Intelligence atau kecerdasan buatan adalah kecerdasanentitasilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukanmanusia. Artificial Intelegent yang mengevaluasi kemampuan manusia dalam bentuk algoritma yang kemudian dijalankan oleh mesin. Algoritma ini digunakan dalam berbagai aplikasi pemrosesan data yang tidak dapat dipresentasikan dalam bentuk biner. D. Logika Fuzzy Pengertian Logika FuzzyLogika fuzzy (Logika samar) merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot/derajat keanggotaan yang dimilikinya. Himpunan fuzzy mempunyai derajat keanggotaan bernilai kontinyu yaitu antara 0 sampai dengan 1, sedangkan himpunan crisp hanya mempunyai 2 nilai yaitu 0 dan 1. Satu perbedaan dari himpunan crisp dan fuzzy adalah bahwa himpunan crisp selalu memiliki fungsi keanggotaan yang unik, sedangkan setiap himpunan fuzzy memiliki nilai keanggotaan yang terbatas dari fungsi keanggotaan yang mewakilinya. Hal itu memungkinkan fuzzy dapat diatur secara maksimum dalam situasi yang diberikan. Blok Diagram sistem Logika Fuzzy Secara umum suatu sistem Logika Fuzzy terdiri dari tiga komponen utama yaitu Fuzzification, Inference dan Defuzzification.

Gambar Sistem Logika Fuzzy

Fuzzification merupakan proses pemetaan nilai-nilai input (crisp input) yang berasal dari sistem yang dikontrol kedalam himpunan fuzzy menurut fungsi keanggotaanya (membership function). Untuk mengubah crisp input menjadi fuzzy input, terlebih dahulu harus menentukan fungsi keanggotaan (membership function) untuk crisp input, kemudian proses fuzzification akan mengambil crisp input dan membandingkan dengan fungsi keanggotaan (membership function) yang telah ada untuk menghasilkan harga fuzzy input.Fungsi keanggotaan (membersip function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara nol sampai satu. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Representasi dari fungsi keanggotaan ini dapat digambarkan dengan dua bentuk yaitu linear atau garis lurus dan kurva diantaranya adalah Kurva Linier naik, Kurva Linier Turun, Kurva Segitiga dan Kurva Trapesium.Sistem Inferensi Fuzzy (Fuzzy Inference System) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran(inference) dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya atau akan memperhitungkan semua aturan yang ada di dalam basis pengetahuan fuzzy.Bentuk umum dari aturan fuzzy dapat dituliskanIF x is A THEN y is B yang digunakan untukmenentukan relasi fuzzy antara input dan output kontrol(Suyanto, 2008:28). Relasi fuzzy dinyatakan dengan R yang juga disebut implikasi fuzzy. Dalam penerapannyax sebagai antecedent (kejadian) yaitu input yang telahdifuzzifikasi dan y sebagai consequent (akibat) yaitusebagai aksi kontrol (output) serta A dan B adalahhimpunan fuzzy. Pada tahap inference diproses hubungan antara nilai-nilai input (crisp input) dan nilai-nilai output (crispoutput) yang dikehendaki dengan aturan-aturan (rulers).Aturan ini nantinya yang akan menentukan respon system terhadap berbagai kondisi seting point dan gangguanyang terjadi pada sistem. Terdapat beberapa metode aturan fuzzy yangdapat digunakan antara lain Metode Mamdani danMetode Sugeno. Defuzzification merupakan proses pemetaan himpunan fuzzy kehimpunan tegas (crips) artinya kebalikan dari proses fuzzifikasi. Pada tahap ini dilakukan pemetaan bagi nilai-nilai fuzzy output yang dihasilkan pada tahap inference ke nilai-nilai output kuantitatif yang sesuai dengan sistem yang diharapkan. Proses defuzzifikasi diekspresikan Z* =defuzzifier (Z) dimana Z = Hasil penalaran fuzzy dan Z*= Keluaran kontrol Fuzzy Logic. Ada tiga metode defuzzification pada metod eMamdani, yaitu Mean of Maximum (MOM), Center ofArea (COA) dan bisektor. Pada metode MOM, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.

Alasan Digunakannya Logika Fuzzy Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain: 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.

E. Sistem Kontrol Definisi Sistem menurut Katsuhiko Ogata adalah kombinasi dari beberapa komponen yang bekerja bersama-sama dan melakukan suatu sasaran tertentu. Menurut Anthony I. Karamanlis, kontrol dapat diartikan dengan mengatur, mengarahkan atau memerintah. Fungsi mengatur, mengarahkan dan memerintah tersebutberkaitan masukan (input) dan keluaran (output). Kontrol berfungsi mengatur masukan (input) untuk memperoleh keluaran (output) yang diinginkan. Dari kedua uraian definisi tersebut dapat disimpulkan bahwa sistem control adalah susunan komponen fisik yang dihubungkan sedemikian rupa untuk mengatur suatu kondisi agar mencapai kondisi yangdiharapkan.

F. Contoh Aplikasi Logika Fuzzy AplikasiBerikut ini adalah contoh pengaplikasian Logika Fuzzy pada motor induksi untuk menjalankan konveyor

Gambar Skema ProsesPrinsip kerja Sistem kendali kecepatan motor induksi 3 phase berbasis pengontrol PID di atas dapat dijelaskan sebagai berikut : Untuk mendapatkan kecepatan putaran Motor Induksi sesuai yang diinginkan maka dilakukan input nilai kecepatan motor (setpoint) melalui Pengendali PID yang ditanam (embedded) pada Mikrokontroller. Selanjutnya inputan nilai tersebut akan diproses oleh Mikrokontroller. Hasil proses dari Mikrokontroller berupa sinyal tegangan searah (DC) akan diumpankan ke Inverter. Fungsi dari inverter ini adalah sebagai alat yang dapat mengubah tegangan DC menjadi tegangan bolakbali (AC) sehingga dapat digunakan oleh Motor Induksi. Selanjutnya inverter akan mensuplai tegangan yang sesuai ke Motor Induksi maka Motor Induksi akan berputar dan menggerakkan conveyor. Kecepatan putaran motor dibaca oleh Tachogenerator. Output dari Tachogenerator berupa tegangan analog digunakan sebagai sinyal umpan balik (feedback) ke Mikrokontroller. Selanjutnya dilakukan perbandingan antara kecepatan putaran (kecapatan aktual) motor dengan setpoint. Proses ini akan dilakukan terus menerus sampai didapat kecepatan putaran motor yang sesuai. Proses tuning dapat dilakukan dengan cara memutar secara manual potensiometer yang dipasang pada mikrokontroller. Dengan memutar potensiometer ini akan mengubah nilai Kp, Ki dan K sehingga akan mempengaruhi sinyal keluaran tegangan yang dihasilkan pengendali ini. Proses tuning juga dapat dilakukan untuk mempertahankan kecepatan putaran motor walaupun beban berubah. Proses tuning terus dilakukan sampai didapat kecepatan putaran Motor Induksi yang sesuai. Proses tuning inilah yang menjadi kelemahan Sistem Pengendali Kecepatan Putaran Motor Induksi berbasis Pengontrol PID, karena proses ini dapat menghabiskan waktu yang cukup lama. Langkah PengerjaanUntuk menggantikan proses tuning yang masih dilakukan secara manual maka dilakukan pendekatan Fuzzy Inference System Metode Mamdani. Penerapan Fuzzy Inference System ini disimulasikan menggunakan Fuzzy Logic Toolbox GUI pada Software Mathlab.

Daftar PustakaFirmansyah. PENERAPAN LOGIKA FUZZY PADA PENGENDALI PIDUNTUK PERANCANGAN PENGATURAN KECEPATAN MOTOR INDUKSI SEBAGAI PENGGERAK CONVEYOR. JURNAL SWATEKNOLOGI VOL 2 NO 10

http://id.wikipedia.org/wiki/Logika_fuzzyhttp://sistemkendalifuzzy.blogspot.com/ PENERAPAN ADAPTIF FUZZY PADA PENGATURAN KECEPATAN MOTOR INDUKSI TIGA FASA