Analisis Perbandingan Pengontrol Temperatur Ruangan Menggunakan Fuzzy

Logic & PID

Jay Kumar1, Richa Kapoor2, Brijebdra3, Hemant4, Jyoti5
1

Elektronik & Komunikasi, Kampus Teknik Elektro RBS Agra, India

2
HCST Elektro & Elektronik, Farah, Mathura India
3, 4, 5
Elektronik & Komunikasi, Kampus Teknik Elektro RBS, Agra, India
Abstrak
Dalam 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 terombangambing 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.