Parameter Tuning for a Fuzzy Logic Controller using the Ant Colony Optimization Algorithm
| Main Author: | Fanggidae, Adriana |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Program Studi Teknik Elektro, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia
, 2020
|
| Online Access: |
https://search.unikom.ac.id/index.php/telekontran/article/view/2661 https://search.unikom.ac.id/index.php/telekontran/article/view/2661/1830 |
Daftar Isi:
- The Ant Colony Optimization (ACO) algorithm can be applied in tuning parameters in a Fuzzy Logic Controller (FLC) to control the water level of the process tank. Fuzzy input and output consists of seven membership functions, namely large positive (PB), medium positive (PM) and small positive (PS), zero (Z), small negative (NS), medium negative (NM) and large negative (NB) ). First, the initial FLC parameter is searched, then a graph is generated where the values of the FLC parameter are determined in the range of values between 0 and 1.5 times the initial parameter value. ACO algorithm is used to improve the value of the FLC parameter in order to obtain better performance. The expected controller performance is to minimize the maximum surge (overshoot) and rise time. This system is implemented using the LabVIEW program. Water level data is obtained using a potentiometer sensor. The output from the FLC is connected to the stepper motor to regulate the discharge of water input to the process tank. The test results obtained overshoot and a small rise time, for example, for setpoint 8, the system output performance has an overshoot of 2.5% and a rise time of 8909 ms. ACO algorithm succeeded in increasing system performance compared to system performance if using initial parameters. This increase in performance is due to the ACO algorithm acting as a local search algorithm which will look for better system performance around its initial parameter values. This research successfully demonstrated that the ACO algorithm can be used to do tuning from FLC parameters.
- Algoritma Ant Colony Optimization (ACO) dapat diterapkan dalam tuning parameter pada pengendali logika fuzzy atau Fuzzy Logic Controller (FLC) untuk mengendalikan ketinggian air dari tangki proses. Masukan dan keluaran fuzzy terdiri dari tujuh fungsi keanggotaan, yaitu positif besar (PB), positif menengah (PM) dan positif kecil (PS), zero (Z), negatif kecil (NS), negatif menengah (NM) dan negatif besar (NB). Pertama-tama, dicari parameter FLC awal, lalu dibangkitkan suatu graph dimana nilai-nilai parameter FLC ditentukan dalam rentang nilai antara 0 hingga 1,5 kali dari nilai parameter awal. Algoritma ACO digunakan untuk memperbaiki nilai parameter FLC tersebut agar diperoleh performansi yang lebih baik. Performansi pengendali yang diharapkan adalah meminimalkan lonjakan maksimum (overshoot) dan waktu naik (rise time). Sistem ini diimplementasikan menggunakan program labVIEW. Data ketinggian air diperoleh menggunakan sensor potensiometer. Keluaran dari FLC terhubung dengan motor stepper untuk mengatur debit masukan air ke tangki proses. Hasil pengujian diperoleh overshoot dan rise time yang kecil, sebagai contoh, untuk setpoint 8, performansi keluaran sistem memiliki overshoot 2.5% dan rise time 8909 ms. Algoritma ACO berhasil meningkatkan performansi sistem dibandingkan performansi sistem jika menggunakan parameter awal. Peningkatan performansi ini dikarenakan algoritma ACO bertindak sebagai algoritma pencarian lokal (local search) yang akan mencari performansi sistem yang lebih baik disekitar nilai parameter awalnya. Penelitian ini berhasil menunjukkan bahwa algoritma ACO dapat digunakan untuk melakukan tuning dari parameter FLC.