Analisis Perbandingan Pengontrol Temperatur Ruangan Menggunakan Fuzzy Logic & PID

Jay Kumar1, Richa Kapoor2, Brijebdra3, Hemant4, Jyoti5

1Elektronik & Komunikasi, Kampus Teknik Elektro RBS Agra, India2HCST Elektro & Elektronik, Farah, Mathura India3, 4, 5Elektronik & Komunikasi, Kampus Teknik Elektro RBS, Agra, India

AbstrakDalam makalah ini skema kontrol untuk ruang statis diusulkan, berdasarkan pemantauan terus menerus dari variabel termal. Tujuannya adalah untuk mempertahankan suhu dan kelembaban ruangan dekat dengan nilai-nilai yang ditargetkan, dan mengurangi suplay energi listrik dari kompresor / Fan ketika memanfaatkan semua sumber daya yang tersedia dengan cara yang paling efisien. Dalam makalah ini, loop kontrol suhu dalam ruangan telah diimplementasikan dengan menggunakan algoritma PID konvensional & logika fuzzy. Karena teknik logika Fuzzy adalah sebuah teknologi inovatif yang digunakan dalam merancang solusi untuk multi-parameter dan model kontrol non-linear untuk definisi strategi pengendalian. Akibatnya, ini memberikan solusi lebih cepat dari teknik desain kontrol konvensional. Sebuah aplikasi praktis dari Sistem kontrol fuzzy & PID untuk ruang statis dilakukan dan hasil simulasi disajikan dengan menggunakan Simulink / MATLAB mencoba untuk berurusan dengan masalah dari menjaga suhu ruangan yang diinginkan terlepas dari perubahan suhu di luar ruangan bersamaan berkurangnya osilasi suhu dan konsumsi energi.

Kata kunci : kontrol temperatur, logika Fuzzy, PID

1. Pendahuluan Sebuah skema kontrol untuk suhu ruangan dalam diusulkan didasarkan pada pemantauan terus menerus dari variabel Thermal dan iklim. Perilaku dinamis dari variabel yang relevan ditentukan dan dinyatakan dalam fungsi sistem transfer. Dalam studi ini, loop kontrol suhu dalam ruangan telah dilaksanakan dengan menggunakan logika fuzzy & dibandingkan dengan algoritma PID. Karena aplikasi kontrol memiliki beberapa input dan membutuhkan pemodelan matematika dan tuning dari sejumlah besar parameter, yang membuat implementasi yang sangat membosankan dan memakan waktu. Dalam kasus logika fuzzy itu memberikan kontrol alternatif karena lebih dekat ke dunia nyata. Logika fuzzy diatur oleh aturan-aturan, fungsi keanggotaan dan proses inferensi, yang menghasilkan peningkatan kinerja, implementasi sederhana dan mengurangi biaya desain [1, 2]. Kebanyakan aturan Fuzzy dapat menyederhanakan pelaksanaan dengan menggabungkan beberapa input menjadi satu pernyataan If-Then ketika masih menangani non linearitas & tidak memerlukan model matematika. Fuzzy logic controller (FLC) menggunakan pengetahuan kualitatif sistem untuk desain kontroler. FLC berkaitan dengan ketidakpastian dalam proses kontrol dengan mengumpulkan baik pengetahuan dan keahlian manusia [4].

Tujuan dari makalah ini adalah untuk mengurangi osilasi suhu dan konsumsi panas dengan menggunakan toolbox logika fuzzy/ Simulink di Matlab. Karya ini diusulkan dari desain sistem suhu ruangan adalah aplikasi sistem kontrol logika fuzzy yang terdiri dari tiga variabel input: perbedaan suhu antara ruangan outdoor & Indoor, jumlah orang di kamar dan Laju perubahan suhu dan output variabel Konsumsi panas yang digunakan dalam pabrik pengolahan untuk menjaga suhu di dalam ruangan.

2. Pengontrol PID Algoritma Pengontrol PID adalah strategi pengendalian hampir secara universal digunakan. Persamaan kontrol PID didefinisikan oleh- (1)

Dimana Kp, Ki dan Kd adalah keuntungan konstan masing-masing dari proporsional, integral, dan turunan, . Sinyal e (t) didefinisikan sebagai e (t) = r (t) - c (t) adalah sinyal error antara referensi r(t) dan proses keluaran c (t).

Gambar 2.1: Model Simulink menggunakan kontroler PID

Dalam model yang dibuat, termostat diatur ke 20 C. Perubahan di temperatur outdoor disimulasikan oleh gelombang sinus dengan amplitudo 3 derajat ke suhu basis 12 derajat. Suhu di luar ruangan bervariasi secara sinusoidal, sedangkan suhu ruangan dipertahankan dalam waktu 3 C dari "Set Titik" 20 C.

Gambar 2.2: suhu ruangan dengan menggunakan PID Controller.

3. Kontroler Fuzzy Logika fuzzy lahir pada tahun 1965 oleh Zadeh. Saat ini, itu secara luas digunakan dalam pengaplikasian industri. Logika fuzzy dapat memodelkan hubungan nonlinear antara input dan output. Hal ini dapat mensimulasikan perilaku operator tanpa menggunakan model matematika. Itu adalah metode yang mentransfer pengetahuan manusia ke matematika, dengan bantuan aturan if-then [3].3.1 Fuzzifikasi Fuzzifikasi bertujuan untuk mengkonversi nilai input menjadi nilai-nilai yang sesuai set fuzzy. FLC melibatkan penerimaan sinyal input dan mengubah sinyal ke dalam variabel fuzzy (Fuzzifier). Aturan kontrol fuzzy menghubungkan variabel input fuzzy untuk output variabel fuzzy yang disebut memori asosiatif fuzzy (FAM), dan defuzzifying untuk mendapatkan nilai crisp untuk mengoperasikan sistem (defuzzifier). Dalam FLC ini, ada tiga masukan variabel fuzzy dan satu output variabel fuzzy. Variabel masukan fuzzy adalah error, e yang merupakan error antara referensi dan suhu diukur dan perbedaan error, kedua adalah Rate of Change dari Suhu & ketiga adalah jumlah orang di dalam kamar. Fungsi keanggotaan untuk fuzzy set dapat memiliki berbagai bentuk, tergantung pada definisi. Kepopuleran digunakannya fungsi keanggotaan fuzzy dalam banyak aplikasi segitiga, trapesium, berbentuk lonceng dan fungsi keanggotaan sigmoid. Fungsi keanggotaan yang digunakan adalah jenis segitiga seperti yang ditunjukkan pada Gambar 3.1.

Gambar 3.1: Fungsi Anggota untuk Kesalahan masukan Suhu.

3,2 Aturan fuzzy Sebuah rule fuzzy logic disebut asosiasi fuzzy. Sebuah memori asosiatif fuzzy (FAM) adalah dibentuk oleh partisi semesta pembicaraan dari masing-masing variabel kondisi sesuai dengan tingkat resolusi fuzzy dipilih untuk faktor ini, sehingga terdapat elemen grid FAM [5]. Masuknya pada setiap elemen grid dalam FAM sesuai dengan tindakan fuzzy. FAM memiliki tiga input dan satu output.

Tabel 3.1 Aturan Untuk Fungsi Keanggotaan.

3.3 Defuzzifikasi Ini adalah kebalikan dari fuzzifikasi. Hal ini bertujuan untuk mengkonversi nilai (sebenarnya beberapa nilai) dari variabel output fuzzy untuk nilai crisp tunggal. Ada banyak cara untuk melakukan defuzzifikasi, sama seperti ada banyak cara untuk melakukan fuzzifikasi. Metode yang paling yang umum disebut "Min-Max" metode, yang memilih hanya maksimum atau nilai minimum dari setiap aturan fuzzy untuk diproses lebih lanjut. Secara prosedur, cara yang paling mudah untuk menerapkan defuzzifikasi menggunakan metode ini adalah dengan menggabungkan dengan aturan pengolahan fuzzy [6].

4. Hasil Simulasi & Kesimpulan Di sepanjang makalah banyak simulasi telah dilakukan untuk mempelajari pelaksanaan pengendalian logika fuzzy di ruang sistem kontrol suhu. Simulasi tersebut juga menyertakan kontroler PID. Kinerja kedua jenis teknik kontrol dengan hati-hati dibandingkan. Hasil untuk kontroler PID berada di bawah. Model ini memberikan output yang sangat tinggi terombang-ambing dalam suhu ruangan dan konsumsi energi yang sangat tinggi, seperti yang ditunjukkan pada gambar 2.2. Sebuah sistem kontrol berbasis suhu kamar fuzzy telah dikembangkan dan berhasil menunjukkan seperti yang ditunjukkan pada gambar 4.2. Sistem telah dirancang untuk mempertahankan temperatur pada setiap nilai yang diinginkan. Fungsi keanggotaan tersebut dapat dimodifikasi untuk mencapai setiap suhu yang diinginkan. Penggunaan logika fuzzy memberikan respon yang sangat cepat dan operasi yang handal. Analisis konsumsi panas menunjukkan bahwa FLC memberikan penghematan energi yang lebih dibandingkan dengan kontroler PID. Penelitian tersebut telah menunjukkan bahwa FLC lebih baik dari PID.

Gambar 4.1: Windows Tampilan Peraturan

Gambar 4.2: Model Simulink menggunakan logika fuzzy dengan tiga input

Referensi[1] Ahmad Parvaresh, Seyed Mohammad Ali Mohammadi, Ali Parvaresh,A new mathematical dynamic model for HVAC system components based on Matlab/Simulink, International Journal of Innovative Technology and Exploring Engineering (IJITEE) ISSN: 2278-3075, Volume-1, Issue-2, July 2012.[2] Alok Singh, Sandeep Kumar,Controlling Thermal Comfort Of Passenger Vehicle Using Fuzzy Controller, International Journal of Engineering Research and Applications (IJERA) ISSN: 2248-9622 www.ijera.com Vol. 2, Issue 4, June-July 2012.[3] Henry Nasution, Hishamuddin Jamaluddin, Jamaluddin Mohd. Syeriff, Energy Analysis for Air Conditioning System Using Fuzzy Logic Controller, TELKOMNIKA, Vol.9, No.1, April 2011, pp. 139~150 ISSN: 1693-6930.[4] M. Abbas, M. Saleem Khan, Fareeha Zafar,Autonomous Room Air Cooler Using Fuzzy Logic Control System, International Journal of Scientific & Engineering Research Volume 2, Issue 5, May-2011,ISSN 2229-5518.[5] Mohd Fauzi Othman and Siti Marhainis Othman Department of Control and Instrumentations, Faculty of Electrical Engineering, Universiti Teknologi Malaysia, Fuzzy Logic Control for Non Linear Car AirConditioning vol 8 no 2, 2006[6] W. Leonard, Introduction to control Engineering and Linear Control System. Springer-Verlag Heidelberg, 1976, pp. 156-178[7] YAO, Jian and Jin XU. Indoor Thermal Environment Simulation by using MATLAB and Simulink.Applied Mechanics and Material 2010, vol. 29-32, pp. 2785-2788.