Design of fuzzy inference system for estimating the flight control dynamics

2011 ◽  
Author(s):  
K M Deepika ◽  
S Roopashree ◽  
Shubha Bhat
Keyword(s):  
Flight Control ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System

Application of Fuzzy Logic for Developing Sense and Avoid Techniques for UAV Flight Operations in National Airspace

2020 ◽  
Author(s):  
Zoe Lee ◽  
Rumit Kumar ◽  
Reza Radmanesh ◽  
Manish Kumar ◽  
Kelly Cohen
Keyword(s):  
Flight Control ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Fuzzy Controller ◽  
Inference System ◽  
Sense And Avoid ◽  
Flight Operations ◽  
Event Trigger ◽  
Position Data ◽  
Aerial Vehicle

Abstract In this work, a Fuzzy Inference System (FIS) is proposed to develop a sense and avoid technique for conflict-free Unmanned Aerial Vehicle (UAV) flight operations in the national airspace. The proposed method is implemented alongside the flight control software guiding the UAV towards a predefined goal. The fuzzy system makes decisions for sense and avoid with respect to the state of other intruder aircraft in the airspace. The fuzzy rules are selected under consideration of the heading and position data of the intruder aircraft obtained using ADS-B sensor relative to the controlled UAV. The avoidance controller is implemented alongside a traditional PID-based flight controller to test the effectiveness of the sense-and-avoid technique. The PID controller drives the controlled UAV towards the goal and the fuzzy controller is for conflict avoidance based on an event trigger logic if the controlled UAV is in the intrusion zone of another aircraft. The integration of the dynamic model of the controlled UAV and fuzzy inference system is described. The numerical simulations are shown to evaluate the performance of the proposed method in the presence of moving as well as stationary intruder aircraft.

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

2017 ◽  
Vol 3 (1) ◽  
pp. 36-48
Author(s):  
Erwan Ahmad Ardiansyah ◽  
Rina Mardiati ◽  
Afaf Fadhil
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan  agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan  sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode  Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Sign in / Sign up

Export Citation Format

Share Document