pengertian mobile robot

7/26/2019 Pengertian Mobile Robot

1/14

PENGEMBANGAN ROBOT MOBIL OTONOM MENGGUNAKAN

SISTEM KENDALl FUZZY DAN JARINGAN SYARAF TIRUAN

M. SyamsaArdisasmita'

ABSTRAK

PENGEMBANGAN ROBOT MOBIL OTONOM MENGGUNAKAN SISTEM KENDALl

FUZZY DAN JARINGAN SYARAF TIRUAN. Telah direalisasikansistem navigasi robot mobil

otonomberbasispengendalimikro PIC 16C57menggunakan istemkendali fuzzy dan aringan syaraf

tiruan. Realisasi perilaku otonom pada robot mobil membutuhkanperumusanaturan-aturanyang

bertindak secarakolektif untuk menghasilkan ingkat-tingkatkecerdasan. ami menggunakanmetoda

perbedaan elatihanbersaingdan teknik pengelompokanuang-hasil ntukmembangkitkan turan-aturan

juzzy-associative-memoryF AM) yang sesuai engandatapelatihanyang diambil daTisimulasi uzzy dan

simulasiaringan. Sebagai ariabelmasukan dalahsudutarab robotdan koordinatposisinyadan sebagai

variabelkeluaranadalahsinyal sudut-pengarah.ujuan daTipengendalianni adalahmenggerakkanobot

mobil mencapai erminal pengangkut ada sudutdan posisi robot tepatpada terminal pengangkut ang

diinginkan. Sistem kendali aringan terdiri daTidua jaringan syaraf: aringan pengendalidan aringan

emulator.Jaringanpengendalimenghasilkan eluaranberupa sinyal sudut-pengarahedangkanaringan

emulatorakan menghitung posisi berikutnya daTi obot. Pada setiap ingkat, sistem kendali fuzzy dan

jaringan syarafakan menghasilkansudut pengarah ang akan menuntun obot mobil daTi posisi awal

menujuposisi terminaldaTiberbagaisudutarabpengangkutan. ipelajari uga kepekaan an kehandalan

pengendali enganmengevaluasiingkatkegagalan.

Kata Kunci: Robotmobil, ogika fuzzy, aringan syaraf

ABSTRACT

THE DEVELOPMENT OF AUTONOMOUS MOBILE ROBOT USING FUZZY

CONTROL SYSTEM AND ARTIFICIAL NEURAL NETWORK. Autonomous mobile robot

navigationbasedon PIC 16C57 nicrocontrollerhas been ealizedusing fuzzy logic control and neural

network systems.Realization of autonomousbehavior n mobile robot requires formulation of rules

which are collectively responsible or necessaryevels of intelligence.We use differential competitive

learning and the product-space lustering technique o adaptivelygenerate uzzy-associative-memory

(F AM) rules from training data aken rom the fuzzy and neuralsimulations.The input variableswere he

robot angle and the position coordinateand the output variablewas the steering-angle ignal. The goal

was o makemobile robot arrive at the loading dock at a right angleand o align the position of the robot

with the desired oadingdock. The neural control system onsistedof two neuralnetworks: he controller

networkand he emulatornetwork. The controller networkproducedan appropriate teering-angle ignal

outputand he emulatornetwork computed he next position of the robot. At every stage, he fuzzy and

neuralcontrollersshould produce he steeringangle that move up the mobile robot to the loading dock

from initial positionand from any angle n the oading zone.We studied he sensitivityand he robustness

of the controllerby examining ailure rates.

Key words: Mobile robot, uzzy ogic, neuralnetwork.

Pusat Pengembangan Teknologi Informasi clan Komputasi -BAT AN

157


2/14

RisalahLokakaryaKomputasidalamSainsdan TeknologiNuklir XIV, Juli 2003 (157-170)

PENDAHULUAN

Robot berasal dari bahasaCekoslowakia robota" yang berarti pelayan atau

tenagakasar, adalah mesin yang dapat bekerja sendiri tanpa kendali atau campur

tanganmanusiadan biasanyapergerakannyameniru pergerakan endi-sendimanusia.

Robot dibuat untuk melakukan pekerjaan yang bersifat berulang (repetitif),

membosankan, otor, berbahayadan memerlukanketekunanyang tinggi. Dalam

perkembangannya,obot dewasa ni bukan hanya mesin yang melakukangerakan-

gerakanberulang tetapi telah melibatkankecerdasan an keluwesan.Perkembangan

teknik kendali dan otomatisasi ang didukung oleh teknologi nformatika dan mikro-

elektronika telah melahirkan robot sebagai suatu perangkat ndustri yang dapat

meningkatkan produktivitas, standar mutu, efisiensi dan dapat menyelesaikan

pekerjaan ang tidak dapat dilakukan sebelumnya leh manusia,seperti obot untuk

dekontaminasiadiasiatau obot untuk menjelajah ermukaan lanetMars (Rover).

Gambar1. Rosie,robot mobil untuk decommissioningLTN.

Robot mobil otonom adalah suatu jenis robot cerdas yang mempunyai

kemampuan untuk membuat keputusan sendiri, memiliki sistem kendali dan catu daya

yang terintegrasi dan mempunyai kemampuan navigasi yaitu sejumlah operasi yang

memungkinkan robot mencapai tujuan yang diharapkan. Ada dua jenis robot mobil

yaitu robot yang berjalan dengan menggunakan kaki-kaki mekanik dan robot yang

berjalan dengan roda. Robot mobil otonom dewasa ini dikembangkan untuk

melakukan pekerjaan yang berbahaya bagi manusia, misalnya untuk bekerja di medan

radiasi tinggi seperti Rosie, robot mobil untuk "decommissioning" pembangkit listrik

tenaga nuklir yang dibuat untuk Departemen Energi Amerika Serikat. Rosie

menggunakan platform beroda dilengkapi tangan mekanik robotik heavy duty, dengan

ukuran 2m x 4,3m x 2,4m dan berat 6350 kg, dan dapat dioperasikan daTi arak jauh

daTipusat kendali. Aplikasi daTiRosie adalah untuk proses pemidahan peralatan (pipa,

158


3/14

Pengembangan Robot Mobil Otonom Menggunakan Sistern Kendali Fuzzy clan Jaringan

(M. SyamsaArdisasmita)

bejana, dll.), pembongkaran reaktor nuklir, dekontaminasi dan pembongkaran hot

cell/glove box, penanganandan pengangkutan sampah, dan dekontaminasi dinding dan

lantai ruang reaktor.

Navigasi robot otonom berarti kemampuan suatu robot untuk bergerak menuju

tujuan tanpa campur tangan manusia dalam suatu lingkungan yang tidak khusus

direkayasa untuk lintasan langkahnya. Dalam mencapai tingkat otonomi dibutuhkan

sistem kendali jenis pintar. Beberapa arsitektur telah dikembangkan untuk navigasi

robot otonom yaitu : (1) Arsitektur terhirarki yaitu membagi fungsi robot ke dalam

lapisan tingkat-tinggi (model dan perencanaan)dan lapisan tingkat rendah (pengindera

dan pengeksekusi); (2) Arsitektur berbasis perilaku yaitu merealisasikan perilaku

kompleks dengan mengkombinasikan unit-unit yang dihasilkan daTibeberapa perilaku

sederhana; dan (3) Arsitektur campuran (hybrid) yaitu dengan mengkombinasikan

kedua perilaku di atas. Kami mengembangkan arsitektur navigasi robot mobil berbasis

perilaku yaitu menggunakan sistem kendali fuzzy dan sistem kendali jaringan syaraf.

Kedua sistem kendali tersebut menggunakan pendekatan stokastik yang tidak

membutuhkan komputasi kompleks seperti pada kendali Pill (Proportional Integral &

Derivative) yang umum digunakan pada saat ini. Untuk objek penelitian digunakan

robot edukatif yaitu robot mobil yang dilengkapi dengan tangan kinematik yang

memiliki empat poros gerakan dengan tiga derajat kebebasan. Sebagai otak robot

digunakan Basic Stamp II denganpengendali mikro PIC 16C57.

PRINSIP KERJA

Pada robot sering digunakan istilah-istilah untuk menunjukkan geometri dan

spesifikasi robot seperti "poros gerakan" dan "derajat kebebasan". Setiap benda

bergerak berarti menempuh jarak dari satu titik ke titik lain yang berada pada satu

bidang. Pergerakan ini mempunyai garis sumbu atau titik yang tidak berubah yang

disebut poros. Jadi poros gerakan merupakan titik atau pusat terjadinya gerakan.

Derajat kebebasan adalah jumlah arab bebas (independent) dari suatu robot (end

effector) yang menentukan arab dari pergerakannya. Parameter-parameter yang

bertindak sebagai variabel masukan dari robot mobil adalah koordinat posisi (x, y)

yaitu titik pusat robot dan sudut arab ~ yaitu sudut antara sumbu x denganporos robot.

Sebagai variabel keluarannya adalah sinyal sudut-pengarahe yaitu sudut antara poros

dengan arab roda. Tujuan daTi sistem pengendali navigasi ini adalah bagaimana

menggerakkan robot agar mencapai terminal pengangkut (loading dock) pada posisi

dan sudut yang tepat (~r = 90). Hal ini dilakukan dengan meluruskan posisi dari robot

(x, y) denganposisi terminal pengangkut yang diinginkan (xr, Yr).

159


4/14

RisalahLokakaryaKornputasidalamgains dan TeknologiNuklir XIV, Juli 2003

(x,

Wht,-el

Back Whee]

"

if ,.

,-,"

L.x

Gambar . Diagramsimulasidari posisidan sudutarab obot

Setiap langkah daTi sistem kendali memberikansinyal berupa besar sudut

pengarah yang menuntun obot menuju erminal pengangkut aTisuatuposisi awal.

Keberhasilan daTi pengendalian adalah: pertama dapat mencapai tujuan yang

diinginkan dan kedua memberikan alur lintasan yang optimal, yaitu tidak adanya

langkah-langkahang idak perlu dan idak berputar-putar ecara idak beraturan.

160


5/14

PengernbanganobotMobil OtonomMenggunakan istemKendali FuzzydanJaringan

(M. SyamsaArdisasmita)

Sistem kendali akan menghitung kesalahan sikap tubuh (posture) untuk setiap

langkah. Kesalahan sikap tubuh adalah selisih antara sikap yang diinginkan (x d, y d,

8d) dengan sikap aktual (x r, Y r, 8J. Kemudian dapat kita hitung kesalahan pada

orientasi (8e = 8d -8J clan kesalahan arak (de = ~d~-~). Tujuan pengendalian

adalah melakukan koreksi arab robot clan mengatur kecepatan oda kiri clan oda kanan

sedemikian sehingga kesalahan sikap tubuh dapat dihilangkan. Jika kesalahannya

besar maka sinyal sudut pengarah uga hams besar clan ika kesalahannya kecil maka

sinyal sudut pengarah uga kecil.

SistemKendall Fuzzy

Sistem kendali fuzzy adalah sistem berbasispengetahuan ang dirumuskan

dalam bentuk aturan-aturan rules base)sebagaiakumulasidaTi suatupengalaman.

Logika fuzzy dikembangkan ertama kali oleh Dr. Lotti A. Zadeh (1965) untuk

merumuskan ecaramatematikkonsepketidak pastianataukesamaran ehinggadapat

diprosesoleh komputer.Dengan menerapkanogika fuzzy pada program komputer,

sistemkendali dapat memutuskan eperti caramanusiaberpikir. Kemampuan nilah

yang disebutsebagai ecerdasanuatanpadasistem epakaranuzzy.

Pa~~~k2ll : .O ;:.t~ --

I

I

I

I

I

I

Defuzzification .Inference Mecllauism Fuzzificatioll I

I

~r '

Control

actions

.

I

I

.

I

'"'

Gambar . Bagansistem endali fuzzy untuk navigasi obot mobil.

PadaGambar4 diperlihatkanbagandasardaTisuatusistem endali fuzzy yang

terdiri daTi iga lapis dasaryaitu: fuzzifikasi, mekanismemenarik kesimpulan dan

defuzzifikasi. Fuzzifikasi adalah mengubahatribut-atributbasil pengukuran isik ke

dalamkonsep uzzy. Konsep uzzy tidak bekerjasecarabiner (himpunancrips) tetapi

berupa himpunan fuzzy di mana elemen-elemennya inyatakan dengan pasangan

161


6/14

RisalahLokakaryaKomputasidalamgains dan TeknologiNuklir XIV, Juli 2003

elemen anggotahimpunan x dan fungsi keanggotaannya (x). Derajat atau fungsi

keanggotaan dalah bilangan riel dalam interval [0,1] yang menyatakanmutu dari

keanggotaan terhadap uatuhimpunan.

m(x)

C1-:

/:"

-~

LC

/"

RC

A

RI

/ i

/

50

0

-

20

x

10

40

m1J

VE LV

l A

'"

R8

,,'-',

R\'

,;\\

RU

l('y~ Y ~

0 90 180

m(e)

NS Z1': PS I'M

/""-"

-10 (I 10

LV

j\

LB

~


7/14

PengembanganobotMobil OtonomMenggunakan istemKendali Fuzzydan Jaringan

(M. Syarnsa rdisasmita)

PM (Positive Medium), dan PB (Positive Big). Fungsi keanggotaan fuzzy pada

aplikasi ini diambil linier berbentuk segitiga untuk menyederhanakan perhitungan.

Gambar 5 adalah grafik fungsi keanggotaan untuk setiap himpunan fuzzy di atas.

Sebagai contoh, untuk e = 20, diperoleh kualitas keanggotaannya adalah 0,5 (50%)

untuk sub-himpunan PM dan 0,3 (30%) untuk sub-himpunan PH. Sub-himpunan fuzzy

CE, VE dan ZE dibuat lebih sempit daripada sub-himpunan yang lain agar

memungkinkan pengendalian langkah dapat lebih halus di dekat terminal pengangkut.

X

CEE LC RC {I

"

5

PM PM

PM

RB

PS

PO PB

NS PS

PH

l

NS PS

C'"C", cc

,lq,' ci'c

NM , ~E',

~~.d = -

RV

NM

PM

cI>

NM

E

PM

NO

NM

NB

PS

V

NB

NM

NS

LB

NB

NM

B

NM

Gambar6. Aturan-atur~n uzzy(FAM).

Mekanisme menarik kesimpulan (inference) adalah untuk menentukan derajat

kebenaran berdasarkanpada aturan-aturan yang diterapkan kepada fungsi keanggotaan

daTi nilai-nilai fuzzy. Aturan-aturan yang diterapkan dirumuskan dalam bentuk tabel

fuzzy associative memory (FAM) pada Gambar 6. Dalam hal ini ada 35 (5 x 7) aturan-

aturan F AM pada tabel yang dinyatakan dengan perintah IF-THEN. Misalnya Aturan

FAM nomor 1 pada Gambar 5, berhubungan dengan auran fuzzy berikut:

IF x=LE AND =RB,THEN e =PS

Artinya jika x ada di kiri (LE) clan i kanan bawah (RB) maka sinyal sudut

pengarahnya haruspositif kecil (PS). Aturan FAM nomor 18 menunjukkan ahwa

jika robot berada dekat pada posisi kesetimbangan,maka sistem kendali tidak

menghasilkan inyal sudutpengarah ositif ataupun egatif Zero).

163


8/14

Risalah Lokakarya Komputasi dalam gains clan Teknologi Nuklir XIV, Juli 2003

FAM Rule 13 (RV,CE;PS)

~ I':~RV AND x:CE.,

THEN 6=PS.

~~~

mtx)

f

c..: 4\

m(cII)

m(9) PS

1A

V/,\

.

(~)13

"

\.

\

L..$

""CO;, .II

FAM Rule 18 (VE,CE;ZE)

IF IjJ=VE AND x=CE,

THEN 6:ZE.

18

m I>

VE

tI>

input < J

input x

m(9)

t I)

centroid output

Gambar7. Pengambilan esimpulan orelasiminimum dan defusifikasicentroid.

Sebagai basil kesimpulan daTi aturan-aturan fuzzy adalah sub-sub himpunan

fuzzy juga. Oleh sebab itu perlu dilakukan penerjemahan untuk mengubah nilai-nilai

fuzzy menjadi bentuk crisp yang disebut dengan defuzzifikasi, misalnya dengan

perhitungan titik berat. Untuk menghubungkan aksi keluaran dengan kondisi-kondisi

masukan maka digunakan metoda menarik kesimpulan dengankorelasi minimum dan

defuzzifikasi centroid. Keluaran centroid fuzzy dinyatakan dengan:

N

2:8jmoC8j)

-

j-l

= -

N

Lmo(8j)

j;J

di mana 0 mendetinisikan sub-himpunan fuzzy daTi sudut-pengarahuniversal e = {e\,

e2, ..., eN}, Gambar 7 memperlihatkan pengambilan kesimpulan korelasi minimum

dan defuzzitikasi centroid yang diterapkan pada aturan FAM nomor 13 dan 18. Sub-

himpunan dan x dikombinasikan menggunakan logika AND (mencari nilai

kepatutan minimum) untuk mengaktifkan konsekuensi. Aturan F AM nomor 13 dan 18

dikombinasikan dengan logika OR (mencari nilai kepatutan maksimum) untuk

menentukan daerahcentroid sebagaikeluaran.

164


9/14

Topologi sistem kendali jaringan syaraf untuk navigasi robot mobil otonom

adalah jenis jaringan syaraf multilayer feedforward yang dilatih dengan algoritma

gradian turun backpropagation. Sistem kendali syaraf terdiri dari dua jaringan:

jaringan pengendali clan jaringan emulator. Jaringan pengendali menghasilkan

keluaran berupa sinyal sudut pengarah sebagai basil dari dua masukan yaitu koordinat

posisi tempat pemberhentian (Xk, yJ clan sudut arab robot


10/14

RisalahLokakaryaKomputasidalam Sainsdan TeknologiNuklir XN, Juli 2003

pengendali. aringanpengendalimemiliki 24 aringan tersembunyi hidden networks)

dengan ungsi logistik berbentuksigmoid. Pelatihanhanya dilakukanpada aringan

pengendali aitu denganmetoda backpropagation.Kami melakukanestimasi sinyal

sudut pengarah deal yang dihasilkan oleh suatu pengendali uzzy. Lintasan robot

berbentukbusur dari suatu pengendali uzzy digunakansebagai intasan ideal clan

kemudiandigunakan ebagai atapelatihandari aringanpengendali.,

Kami tidak melakukanpelatihan pada jaringan emulator karena sulit untuk

memperoleh koneksi pemboboton sinapsis universal. Algoritma pelatihan

backpropagation emyata tidak dapat konvergenuntuk beberapacontoh himpunan

data pelatihan. Sebab itu maka digunakan persamaankinetika sederhanauntuk

menggatikan eran aringan emulator. Jika robot bergerakdari posisi (x, y) menuju

posisi x', y') dalamsuatu terasi, makadiperoleh:

Xk+l = Xk + r COSci>k

Yk+l = Yk + r sin


11/14

Pengembangan Robot Mobil Otonom Menggunakan Sistem Kendali Fuzzy daD Jaringan


Gambar . Robotmobil dengan angankinematikdanBasic Stamp I.

SistemKendall Fuzzy

J

""

"1 :t7

.'~~jY'

r~' ,.'"

~~;

..;,...,,'

~

~1

~ ,~7

}. ' .:;;:;K

,,~

(20,20,30) (30, 10,230)

SistemKendali Jaringan Syaraf

"--- -~ --"

(30,40, -10)

J l

,)

:~f"

~.~~ J

(20,20,30) (30, 10,230) (30,40, -10)

Gambar 10. Lintasan dan robot mobil untuk tiga buah posisi awal (x, y,


12/14

RisalahLokakaryaKomputasidalamgains dan TeknologiNuklir XIV, Juli 2003

Jika kita membandingkanintasan robot mobil dengan sistem fuzzy clan sistem

jaringan, sistem pengendali fuzzy selalu memberikan intasan robot yang halus

sedangkan ada sistempengendali aringan syaraf memberikan intasan yang tidak

optimalclankadang-kadangiikuti denganjejak angkahyang idak beraturan.

KESIMPULAN

Pengendali uzzy selalu menggerakkanobot mobil denganhalus, sedangkan

pengendalineural tidak. Gerak dengankendali neural kadang-kadangmemberikan

jejak langkahyang tidak teratur. Melatih sistemkendali neural membutuhkan ukup

banyakwaktu, karena algoritrnabackpropagationmemerlukan ibuan langkah untuk

pelatihanpada aringan pengendali.Kadang-kadang, lgoritma pembelajaran idak

mencapai onvergensi.

Pengendali uzzy tidak membutuhkanemulator robot clan tidak memerlukan

model matematika yang menghubungkankeluaran sebagai fungsi masukan.

Pengendali uzzy lebih sedikit membutuhkan perasikomputasidibandingkan engan

pengendali neural. Sebagian besar operasi komputasi pada pengendali neural

melibatkanoperasiperkalian, penambahan tau fungsi logaritmik daTidua bilangan

nyata. Sedangkan ada pengendali fuzzy, sebagian esar operasikomputasi adalah

operasipembandinganlan enambahan ua bilangannyata.

DAFTARPUSTAKA

3,

4

5

FU, K.S., GONZALEZ, R.C., LEE, C.S.G.,Robotics: Control, Sensing,Vision,

and ntelligence,McGraw-Hill Book Co., Singapore,1987

ZADEH, L.A., FuzzyLogic, Computer,21 (1988)

NGUYEN, D., WillROW, B., "The Truck Backer-Upper:An Example of Self-

Learning n Neural Networks", Proceedingsof nternationalJoint Conference n

Neural NetworkS'UCNN-89), Vol. II, (1989)357-363

KOSKO, B., Neural NetworkS'and Fuzzy Systems: A Dynamical Systems

Approach to Machine Intelligence, Prentice Hall Inc., Engelwood Cliffs. New

Jersey,1992

POMERLEAU, D.A., Neural Network Perception or Mobile Robot Guidance,

Kluwer AcademicPublishers,Boston, 1993

PIN, F.G., WATANABE, Y., "Navigation of Mobile Robots Using a Fuzzy

Behaviorist Approach and Custom-DesignedFuzzy Inferencing Boards",

Robotica,12 (6) (1994)491-504

168


13/14

Pengernbanganobot Mobil OtonomMenggunakan isternKendali Fuzzydan Jaringan


7

8

TUNSTEL, E., "Co-ordinationof Distributed FuzzyBehaviors n Mobile Robot

Control", IEEE nt. Con on Systems, an and Cybernetics,1995)4009-4014

SAFFIOTTI, A., "Fuzzy Logic in AutonomousRobotics:behaviorcoordination",

Sixth IEEE IntI. Conference on Fuzzy Systems (FuzzIEEE'97), Barcelona,

(1997)573-578

DISKUSI

SUDARNO

Apakah sistemkontrol fuzzy clanJSTbekerja secarandependent tau diintegrasikan

menjadineurofuzzy?

M. SYAMSA ARDISASMITA

Kami di sini bermaksud membandingkan keandalan daTi sistem kendali fuzzy dan

sistem kendali jaringan syaraf pada navigasi robot mobil yang otonom, artinya

masing-masing sistem bekerja secara independent. Tetapi karena sistem jaringan

syaraf membutuhkan data-data untuk pelatihan maka kami gunakan data-data lintasan

ideal yang dihasilkan oleh suatu pengendali fuzzy untuk pelatihan.

EDYSAPTONO

Dalam perjalanan dari Start menuju sasaran, di tengah jalan ada perintang/wall,

bagaimana kontrol robot tersebut agar sampai sasaran?

Bagaimana nternal input dari robot tersebut?

M. SYAMSA ARDISASMITA

Kita dapat menggunakan peta lingkungan yang diintegrasikan pada program

pengendalian sehingga robot dapat melakukan koreksi arab clan lintasan

penjejakan. Bisa juga robot dilengkapi dengan sistem penginderaan jarak

inframerah untuk menentukan posisi clan arab intasan penjejakan.

Sebagai masukan bagi robot mobil menggunakan sistem kendali fuzzy clan

jaringan syaraf adalah titik awal, titik akhir (terminal) clan sudut arab badan robot.

169


14/14

Risalahwkakarya KomputasidalamSainsclanTeknologi Nuklir XN, Juli 2003

ADE JAMAL

Berapabesarukuranrobot yang bisa dibuat denganmetodaFuzzy, Neural ataupm?

Sebagaimasukan,ika ukuran ni bisa menjadi kecil karenapilihan metodenyamaka

bisa digunakan ntuk pengecekanipa bocor.

M. SYAMSA ARDISASMU A

Metoda Logika Fuzzy, Neural Network dan pm dapat digunakan untuk berbagai

ukuran robot karena metoda-metoda tersebut merupakan program komputer yang

ditanamkan pada sistem pengolah robot untuk mengatur gerakan motor sesuai dengan

algoritma yang dibuat sebelumnya.

B AKRI ARB IE

Tampaknya Fuzzy Control cukup menarik. Apakah acta usaha untuk pengendalian

PLTN. Kalau actastatusnya sudah sampai di mana?

M. SY AMSA ARDISASMIT A

Sudah banyak penelitian yang dilakukan untuk rnenerapkan sistern pakar urnumnya

atau logika fuzzy khususnya dalarn pengendalian PLTN. Ternan-ternan di Reaktor

Kartini Yogtakarta sudah rnencoba rnenerapkan pengaturan batang kendali reaktor

dengan logika fuzzy.

UTAJA

2

Bagaimana hila perubahan kondisi terlalu besar?

Bagaimana hila masuk dalam kondisi vibrasi (arah selalu bolak-balik)?

M. SYAMSAARDISASMITA

2

Kondisi pada sistem kendali fuzzy dan jaringan syaraf adalah posisi dan sudut

arah. Kondisi perubahan posisi maupun sudut yang besar tidak ada masalah

selama masih dalam daerah variabel perhitungan.

Dalam sistem kendali, vibrasi merupakan suatu gangguan akibat daTi ketidak

stabilan disebabkan damping ratio pada response ransien suatu penggerak. Dalam

kasus kita, hal ini tidak akan terjadi karena posisi akhir dan arahnya adalah etap.

70

Home
http://../Frame_Lok_14.htm

pengertian mobile robot

Documents