Академический Документы
Профессиональный Документы
Культура Документы
Abstrak
Logika Fuzzy adalah paradigma untuk metodologi desain alternatif, yang dapat diterapkan dalam
pengembangan kedua linear dan non-linear sistem untuk kontrol tertanam. Dengan
menggunakan fuzzy logic, desainer dapat lebih rendah Sadarilah biaya pengembangan, fitur
unggulan, dan kinerja produk akhir yang lebih baik. Dalam sistem kontrol ada sejumlah sistem
generik dan metode which ditemui di semua bidang industri dan teknologi. Dari puluhan cara
untuk mengendalikan sistem apapun, ternyata kabur adalah Seringkali cara terbaik. Satu-satunya
alasan yang lebih cepat dan lebih murah. Salah satu keberhasilan penerapan kontrol fuzzy
digunakan bahwa tingkat kontrol cair tangki. Tujuan dari proyek ini adalah untuk merancang
suatu sistem simulasi fuzzy logic controller untuk tingkat kontrol tangki cairan dengan paket
simulasi menggunakan yang Fuzzy Logic Toolbox dan Simulink dalam perangkat lunak
MATLAB. Dengan melakukan beberapa modifikasi proyek ini, desain akan sangat berguna
untuk sistem berhubungan dengan kontrol level cairan yang luas digunakan dalam industri saat
ini. Untuk waktu yang lama, pilihan dan definisi parameter PID sangat sulit ,. Harus ada efek
buruk jika Anda tidak memilih baik parameter. Untuk ketat membatasi overshoot, menggunakan
Fuzzy Kontrol dapat Mencapai efek kontrol yang besar. Dalam tulisan ini, kita mengambil
tingkat cairan dari tangki air, dan menggunakan MATLAB untuk merancang Kontrol
Fuzzy. Kemudian kita menganalisis pengaruh kontrol dan membandingkannya dengan efek PID
kontroler. Sebagai hasil dari Membandingkan Fuzzy Control adalah unggul kontrol
PID. Terutama dapat memberikan perhatian lebih pada berbagai parameter, seperti waktu respon,
kesalahan memantapkan dan overshoot. Perbandingan hasil kontrol dari Ulasan ini dua sistem
menunjukkan sumber daya yang fuzzy logic controller signifikan mengurangi overshoot dan
error steady state.Kontroler logika fuzzy yang digunakan dalam penelitian ini dirancang dengan
Lab VIEW (R) produk dari National Instruments Corporation. Lab VIEW (R) adalah alat
pemrograman grafis berbasis ikon dengan antarmuka panel pengguna depan untuk kontrol dan
visualisasi data dan diagram blok untuk pemrograman.
1.1 Pendahuluan
Sementara teori kontrol modern telah membuat penjebolan sederhana dalam praktek,
kontrol logika fuzzy telah Cepat mendapatkan popularitas antara berlatih
insinyur. Peningkatan popularitas ini dapat dikaitkan dengan fakta bahwa logika fuzzy
Menyediakan kendaraan yang kuat yang Memungkinkan insinyur untuk menggabungkan
penalaran manusia dalam algoritma kontrol. Yang bertentangan dengan teori kontrol
modern, desain logika fuzzy tidak didasarkan pada model matematika dari
proses. Kontroler ini dirancang menggunakan logika fuzzy mengimplementasikan nalar
manusia yang telah diprogram ke dalam bahasa logika fuzzy (fungsi keanggotaan,
peraturan dan interpretasi aturan) Sangat menarik untuk dicatat bahwa keberhasilan
kontrol fuzzy logic adalah sebagian besar disebabkan oleh kesadaran untuk banyak
industrinya aplikasi. Kepentingan industri di kontrol logika fuzzy terbukti dengan banyak
publikasi pada subjek dalam literatur kontrol telah menciptakan kesadaran yang menarik
dari pentingnya oleh masyarakat akademik [1]. Dimulai pada awal 90-an, Riset Terapan
Pengendalian Lab di Cleveland State University didukung oleh mitra industri, memulai
program penelitian Investigasi peran logika fuzzy dalam kontrol industri. Pertanyaan
utama pada saat itu adalah: "Apa kontrol logika fuzzy tidak bahwa konvensional tidak
dapat lakukan?" Di sini kita berkonsentrasi pada kontrol logika fuzzy (salah satu Cerdas
Kontrol Teknik) sebagai strategi pengendalian alternatif proporsional saat - terpisahkan -
metode derivatif (PID) Banyak digunakan dalam industri [2]. Mempertimbangkan
aplikasi kontrol level cairan generik yang ditunjukkan pada gambar:
Air Memasuki tangki dari atas dan daun melalui lubang di dasarnya. Memasuki Tingkat
bahwa air sebanding dengan tegangan, V, diterapkan untuk pompa. Tingkat yang
meninggalkan air sebanding dengan akar kuadrat dari tinggi air di dalam tangki.
Sebuah persamaan diferensial untuk ketinggian cairan di dalam tangki, H, diberikan oleh
mana Vol adalah volume cairan di dalam tangki, A adalah luas penampang
tangki, b adalah terkait konstan untuk laju aliran ke dalam tangki, dan merupakan yang
terkait konstan untuk laju aliran dari tangki. Persamaan menggambarkan ketinggian
cairan, H, sebagai fungsi waktu, karena perbedaan antara kecepatan aliran masuk dan
keluar dari tangki. Persamaan berisi satu negara, H, satu input, V, dan satu output, H. Hal
ini nonlinier karena ketergantungannya pada akar kuadrat dari H. linearizing model,
menggunakan Simulink Desain Control, menyederhanakan analisis model ini [3]. Tingkat
dirasakan oleh sensor yang sesuai dan dikonversi menjadi sinyal diterima ke
controller. Controller Membandingkan tingkat sinyal untuk suhu set-point yang
diinginkan dan actuates elemen kontrol. Elemen kontrol mengubah variabel dimanipulasi
untuk mengubah posisi katup sehingga jumlah cairan yang ditambahkan dapat
dikendalikan dalam proses. Tujuan dari controller adalah untuk Mengatur tingkat sebagai
dekat dengan set point mungkin.
Ada banyak jenis sensor level cairan yang tersedia di pasar. Beberapa ini adalah:
C) Cara kerjanya: Setiap kali cairan Capai tingkat kritis, sensor menyala pompa atau
membuka katup untuk Mencegah tangki dari meluap / berjalan kering.
B) Kompatibel jenis sensor: Sama seperti untuk kontrol satu titik (di atas).
C) Cara kerjanya: Instal sensor di dua titik kritis. Jika cairan yang jatuh di bawah
sensor lebih rendah, detektor mengaktifkan pompa sampai cairan Capai sensor atas.
B) Kompatibel jenis sensor: Sama seperti untuk kontrol satu titik (di atas).
C) Cara kerjanya: Instal sensor di dua titik kritis. Jika cairan yang jatuh di bawah
sensor lebih rendah, detektor mengaktifkan pompa sampai cairan Capai sensor atas.
A) aplikasi umum: tingkat kontrol pada semua titik dan waktu, mungkin mengaktifkan
pompa, valve, atau alarm.
C) Cara kerjanya: sensor berkelanjutan tingkat memiliki output analog kontinyu yang
sebanding dengan tingkat setiap saat. Tingkat dapat direkam dengan perangkat eksternal.
1.4.5 Animtank
Blok ini menunjukkan animasi dari tangki di instants berbeda. Program untuk ini ditulis
dalam file which animtank.m sedang digunakan dalam subsistem sebagai s-fungsi.
1.5 Kerja:
1.6 Aplikasi
C) Controller Pompa: pengendali Pump mengelola aliran pompa dan output tekanan.
D) controller Arus: pengendali Arus memungkinkan aliran meteran cairan dalam satu
atau kedua Ulasan arah. Banyak dari Mereka memungkinkan untuk aliran bebas dalam
satu arah dan dikurangi atau aliran meteran di arah sebaliknya.
1.6.2 Penggunaan Industri: Kami Pertimbangkan teknik kontrol kontrol tingkat dasar
[5]. tingkat kontrol yang digunakan dalam semua jenis aplikasi:
peternakan Tank
Boiler
Reaktor
Kami telah menetapkan dua Masukan untuk Controller Fuzzy. Salah satunya adalah
Tingkat cairan dalam tangki dilambangkan sebagai "level" dan yang lain adalah laju
perubahan cairan dalam tangki dilambangkan sebagai "tingkat". Kedua Ulasan Input ini
diterapkan pada Peraturan Editor [6]. Menurut Aturan tertulis dalam Peraturan Editor
controller mengambil tindakan dan mengatur pembukaan katup yang merupakan output
controller dan
Keanggotaan Fungsi Editor saham beberapa fitur dengan Editor FIS. Bahkan, semua dari
lima alat serupa memiliki pilihan dasar menu GUI, baris status,
dan Bantuan dan Tutup tombol. Keanggotaan Fungsi Editor adalah alat yang
memungkinkan Anda menampilkan dan mengedit semua fungsi keanggotaan yang
berhubungan dengan semua input dan output variabel untuk seluruh sistem inferensi
fuzzy [7-8]. Ketika Anda membuka Fungsi Keanggotaan Editor untuk bekerja pada
sistem inferensi fuzzy yang tidak sudah ada di ruang kerja, ada belum setiap fungsi
keanggotaan yang terkait dengan variabel yang Anda baru saja ditetapkan dengan Editor
FIS.
Gunakan jenis fungsi keanggotaan segitiga untuk output. Pertama, mengatur Range (dan
Range Display) ke (-1 1), untuk mencakup rentang output. Awalnya, fungsi
keanggotaan cepat dekat akan memiliki parameter (-1,0 -0,9 -0,8), fungsi
keanggotaan dekat rendah akan (-0,6 -0,5 -0,4), untuk perubahan tidak MF akan (-0.1 0
0.1), buka fungsi keanggotaan akan lambat (0,2 0,3 0,4), fungsi keanggotaan terbuka
cepat akan (0,8 0,9 1,0). Sistem Anda akan terlihat seperti ini.
Dari ara. 15 terlihat bahwa kontroler PID mendorong sistem tidak stabil karena kesalahan
ketidakcocokan yang dihasilkan oleh tidak akurat parameter time delay yang digunakan
dalam model tanaman. Transien dan overshoots hadir ketika PID kontroler digunakan
untuk mengontrol tingkat cairan.
Aturan Viewer Memungkinkan Anda untuk menafsirkan seluruh proses inferensi fuzzy
sekaligus. Aturan Viewer Juga menunjukkan bagaimana bentuk fungsi keanggotaan
tertentu mempengaruhi hasil keseluruhan. Karena plot setiap bagian dari setiap aturan, itu
bisa Menjadi par- khusus- berat untuk sistem yang besar, tetapi, untuk yang relatif kecil
jumlah input dan output, ia melakukan dengan baik (Tergantung pada seberapa banyak
ruang layar Anda curahkan untuk itu) dengan up 30 aturan dan sebanyak 6 atau 7 variabel
[14]. Aturan Viewer menunjukkan satu
perhitungan pada satu waktu dan sangat rinci. Dalam hal ini, menyajikan semacam mikro
pandang sistem inferensi fuzzy. Jika Anda ingin melihat seluruh permukaan output dari
sistem Anda, yaitu, seluruh rentang output diatur berdasarkan seluruh rentang input set,
Anda perlu membuka Viewer Surface.
Dari ara. 19 FLC memberikan kinerja yang baik dalam hal osilasi dan overshoot dalam
ketiadaan mekanisme prediksi. Algoritma FLC adaptasi cepat intervensi untuk
penundaan waktu yang lebih lama dan Menyediakan Response stabil.
IV. DISKUSI
The FLC diterapkan untuk tanaman Dijelaskan di atas pada gambar 16 Memperoleh FLC
hasil simulasi diplot terhadap bahwa dari kontroler konvensional dengan PID controller
untuk tujuan perbandingan. Hasil simulasi yang diperoleh menggunakan FLC 9
aturan. Aturan ditampilkan dalam Peraturan Editor menyediakan strategi
pengendalian. Berikut Ulasan Aturan-aturan ini diterapkan untuk sistem kontrol di
atas. Untuk tujuan perbandingan, simulasi plot mencakup PID konvensional, dan
algoritma fuzzy. Seperti yang diharapkan, FLC memberikan kinerja yang baik dalam hal
osilasi dan overshoot dalam ketiadaan mekanisme prediksi. Algoritma FLC adaptasi
cepat intervensi untuk penundaan waktu yang lebih lama dan Menyediakan respon yang
stabil sementara kontroler PID drive sistem tidak stabil karena kesalahan ketidakcocokan
yang dihasilkan oleh tidak akurat parameter time delay yang digunakan dalam model
tanaman. Dari simulasi, di hadapan diketahui atau mungkin memvariasikan waktu tunda,
yang diusulkan FLC menunjukkan peningkatan yang signifikan dalam menjaga dan
melestarikan kinerja stabilitas lebih metode PID standar. Untuk ketat membatasi
overshoot, menggunakan Fuzzy Kontrol dapat Mencapai efek kontrol yang besar. Dalam
tulisan ini, kita mengambil tingkat cairan dari tangki air, dan menggunakan MATLAB
untuk merancang Kontrol Fuzzy. Kemudian kita menganalisis pengaruh kontrol dan
membandingkannya dengan efek PID kontroler. Sebagai hasil dari Membandingkan
Fuzzy Control adalah unggul kontrol PID. Terutama dapat memberikan perhatian lebih
pada berbagai parameter, seperti waktu respon, kesalahan memantapkan dan
overshoot. Perbandingan hasil kontrol dari Ulasan ini dua sistem menunjukkan sumber
daya yang fuzzy logic controller signifikan mengurangi overshoot dan error steady state.
V. C ONCLUSION
Tidak seperti beberapa pengendali kabur dengan Ratusan, atau bahkan Ribuan, aturan
yang berjalan pada sistem komputer khusus, sebuah FLC unik menggunakan sejumlah
kecil aturan dan implementasi langsung diusulkan untuk memecahkan kelas masalah
dengan dinamika kontrol level diketahui atau penundaan waktu variabel umum
ditemukan dalam industri. Selain itu, FLC dapat diprogram ke dalam kontroler banyak
proses industri saat ini Mudah tersedia. The FLC disimulasikan pada masalah tingkat
kontrol dengan hasil yang menjanjikan dapat diterapkan pada tingkat yang sama sekali
berbeda dari aparat pengendali industri. Hasil penelitian menunjukkan mempertahankan
peningkatan yang signifikan dalam kinerja selama Banyak digunakan dalam PID metode
desain hal osilasi yang dihasilkan dan overshoot. Seperti yang terlihat dari grafik ditarik
di angka 48 dan 49, saat kenaikan kasus PID kontroler kurang tapi osilasi diproduksi dan
overshoot dan settling time lebih. Tapi dalam kasus kontroler fuzzy logic, osilasi dan
overshoot dan settling time yang rendah, sehingga FLC dapat diterapkan di mana osilasi
tidak dapat ditoleransi dalam proses. The FLC Juga menunjukkan kinerja yang kuat
untuk tanaman dengan variasi yang signifikan dalam dinamika. Berikut FLC dan PID
keduanya diterapkan pada tingkat yang sama persis model hasil sistem kontrol dan
simulasi diperoleh adalah. Ulasan teknik ini telah diterapkan pada sistem siapa
sebenarnya sistem dinamika yang tidak diketahui, PID tidak akan diurus dinamika
diketahui atau penundaan waktu variabel dalam sistem.
Fuzzy Logic Menyediakan, cara ortodoks yang sama sekali berbeda untuk mendekati
masalah kontrol. Metode ini berfokus pada apa yang sistem harus melakukan daripada
mencoba untuk memahami cara kerjanya. Satu dapat berkonsentrasi pada pemecahan
masalah, bukan mencoba model matematis dari sistem, jika yang bahkan mungkin. Ini
hampir selalu menyebabkan lebih cepat, solusi yang lebih murah.
Ruang lingkup dari proyek ini adalah untuk menyandikan fuzzy set, aturan dan prosedur
kabur. Kemudian melakukan inferensi fuzzy ke dalam sistem pakar (Fuzzy Logic
Toolbox). Tugas kita adalah untuk merancang dan menampilkan simulasi fuzzy logic
controller untuk tingkat kontrol tangki air dan hasil simulasi akan menampilkan dengan
menggunakan Peraturan Viewer yang yang merupakan bagian dari antarmuka pengguna
grafis (GUI) alat-alat dalam Fuzzy Logic Toolbox di MATLAB diprogram. Proyek ini
dirancang untuk penggunaan make keuntungan besar dari Fuzzy Logic Toolbox dan
mengintegrasikannya dengan which JUGA SIMULINK MATLAB Programmed. Fuzzy
Logic Toolbox memiliki kemampuan untuk mengambil sistem fuzzy Langsung ke
Simulink dan menguji mereka dalam lingkungan simulasi. Simulasi akan menampilkan
animasi dari tingkat tangki air yang dikontrol berdasarkan aturan fuzzy set. Proyek ini
meliputi proses pengembangan aplikasi sistem pakar fuzzy dalam kontrol level tangki
air. Dimulai dari teori sampai diimplementasikan ke dalam lingkungan simulasi. Selain
itu, proyek ini membuat analisis Juga dari berbagai yang hasil yang diperoleh dari
sistem. Nomor yang berbeda dari aturan yang digunakan dalam sistem akan memberikan
hasil yang berbeda, sehingga analisis untuk hasil akan dilakukan. Selain itu, sistem ini
juga akan diuji dengan menggunakan berbagai jenis metode dan fungsi
keanggotaan. Tujuannya adalah untuk menemukan cara terbaik untuk mendapatkan hasil
yang sedekat persyaratan untuk stabilitas kontrol level untuk tangki air. Fuzzy Logic
Controller Menyediakan kontrol akurat dari tingkat cairan dalam aplikasi industri.