Algoritma genetik untuk optimasi fungsi keanggotaan dan aturan sistem kendali fuzi

WAHYUNGGORO, Oyas, Ir. Bambang Sutopo, MPhil

2001 | Tesis | S2 Teknik Elektro

Dewasa ini pengendali logika fuzi sedang dalam taraf pengembangan. Dibandingkan dengan pengendali PID, pengendali fuzi lebih adaptif dan lebih mudah optimasinya. Namun, pengendali logika fuzi masih memerlukan keahlian dan pengalaman seseorang untuk mengoptimasikan fungsi keanggotaan dan aturannya. Penelitian ini bertujuan untuk mengkaji pemakaian algoritma genetik dalam mengoptimasikan fungsi keanggotaan dan aturan pengendali logika fuzi. Penelitian ini dilakukan dengan metode eksplorasi. Susunan algoritma genetik untuk optimasi pengendali logika fuzi terdiri atas string kendali yang berisi angka-angka biner yang mengaktivasikan fungsi keanggotaan logika fuzi. Operasi genetik berupa seleksi, persilangan, dan mutasi dilakukan terhadap string kendali yang hasilnya menentukan susunan bentuk dan cacah fungsi keanggotaan pengendali logika fuzi. Berdasar susunan fungsi keanggotaan logika fuzi, kemudian ditetapkan aturan logika fuzi yang sesuai. Operasi untuk aturan hanya berupa mutasi. Pengendali logika fuzi yang telah dioptimasikan kemudian diaplikasikan untuk mengendalikan kecepatan motor dc. Proses optimasi dilakukan secara manual berdasar nilai ketangguhan dan banyaknya generasi yang telah ditetapkan sebelumnya. Setelah selesai proses optimasinya, kemudian diuji karakteristiknya dengan variasi set point dan beban, kinerja dibandingkan dengan pengendali PID dan fuzi murni. HasiI penelitian menunjukkan bahwa algoritma genetik dapat dipakai untuk mengoptimasikan fungsi keanggotaan dan aturan logika fuzi Namun proses optimasinya memerlukan waktu yang sangat lama dan kadang-kadang perlu diulang dari awal lagi kalau sampai akhir generasi masih belum dapat optimal. Hal ini disebabkan karena proses algoritma genetik menggunakan evolusi alami yang bekerja secara acak. Pengalaman seseorang hanya diperlukan sedikit, yaitu dalam menentukan cacah fimgsi keanggotaan inisial karena dari hasil penelitian didapatkan bahwa untuk cacah fungsi keanggotaan inisial yang berbeda menghasilkan kinerja optimal yang berbeda pula.

Recently, fuzzy logic controllers are in the state of development. Fuzzy logic controllers are easier to optimize and more adaptive than PID controllers. Actually, fuzzy logic controllers need human skill and experience to set the membership functions and rules. This research was aimed at exploring the use of genetic algorithm to optimize the membership functions and rules of fuzzy logic controller. The research was carried out with exploration. A genetic algorithm for optimizing a fuzzy logic controller consists of control string that contains biner values which control the parameter string. There are three genetic operations, ie. selection, crossover, and mutation. In this research, the genetic operations happened on the control string. The result of the genetic operation for the control string was used for setting the membership functions of the fuzzy logic controller. The rules were set according to the membership functions. The only operation to optimize the rules was mutation. The optimization process was done manually based on the fitness value and the maximum number of generations. The result of the optimization was then applied for the speed control of dc motor. This research examined the speed characeristic of fuzzy logic controlled dc motor that has been optimized by genetic algorithm in the variation of set points and loads. The results of this research prove that genetic algorithms can be used for optimizing the membership functions and rules of fuzzy logic controllers. Actually, the optimization process needs a very long time and sometimes it needs to be restarted in the optimization process, because genetic algorithms work based on the random processes. The need of human experience in optimizing it is only in setting the initial number of membership functions. The results of this research indicate that the initial number of membership function can affect the final performance of the optimized fuzzy logic controller

Kata Kunci : Perangkat Lunak Komputer,Sistem Kendali Logika Fusi