scholarly journals RANCANG BANGUN SISTEM KENDALI SUHU PADA PENETAS TELUR AYAM BERBASIS JAVA MENGGUNAKAN FUZZY LOGIC CONTROL

2019 ◽  
Vol 10 (1) ◽  
pp. 127-134
Author(s):  
Ika Larasati ◽  
Noor Yulita Dwi Setyaningsih ◽  
Mohammad Iqbal
Keyword(s):  
Fuzzy Logic ◽  
Steady State ◽  
Research And Development ◽  
Fuzzy Logic Control ◽  
Logic Control

Dalam proses penetasan telur, suhu merupakan salah satu faktor yang penting untuk dilakukan pengendalian. Pada penelitian ini elemen pemanas dimanfaatkan sebagai heater. Suhu yang stabil akan mempengaruhi dari kualitas dan kuantitas dari tetas telur ayam. Setting Point suhu yang digunakan pada penelitian ini dikisaran 38°C. Metode yang digunakan pada penelitian ini berbasis research and development, dengan memanfaatkan sistem kendali logika fuzzy tipe sugeno orde nol sebagai pengendalinya dan pemrograman java untuk aplikasi software yang digunakan. Dari penelitian dihasilkan sistem kendali suhu dengan respon sistem yang dibutuhkan sistem untuk mencapai kondisi steady state selama 1.084,9 detik tanpa adanya gangguan, sedangkan untuk kondisi sistem dengan adanya gangguan membutuhkan waktu untuk mencapai kondisi steady state selama 126.9 detik.

Implementasi Kontroller Adaptive Fuzzy Pada Pengaturan Level Coupled Tank

2017 ◽  
Vol 2 (1) ◽  
pp. 101-107
Author(s):  
Mohammad Erik Echsony ◽  
Dirvi Eko Juliando Sudirman
Keyword(s):  
Artificial Intelligence ◽  
Fuzzy Logic ◽  
Steady State ◽  
Fuzzy Logic Control ◽  
Settling Time ◽  
Adaptive Fuzzy ◽  
Logic Control ◽  
Auto Tuning

Permasalahan pada Coupled Tank adalah   munculnya ganguan pada flow yang menyuplai tangki akan membuat respon tidak stabil, sehingga interaksi silang antar masing-masing input dan outputnya.   Fuzzy   Logic   Control   (FLC) memiliki   keunggulan   tersendiri   yaitu   efektif   dalam menghadapi sistem non-linier yang kompleks. Kontrol Artificial Intelligence (AI) berbasis dirancang untuk kombinasi dari PI dan FL. Kontrol Fuzzy PI Auto tuning memiliki kemampuan untuk mempertahankan   nilai respon steady state dari ganguan.Metodologi Fuzzy PI adalah pilihan yang menarik ketika formulasi dalam metode yang diusulkan untuk proses Coupled tank. kontrol Fuzzy PI  memiliki kemampuan untuk mempertahankan nilai respon steady state dari  ganguan.  Pada penelitian  ini  menggunakan  decoupling  pada  proses  interaksi  silang  pada  masing-masing  tanki. Coupled   Tank  pada  sistem  TITO  dapat  mengubah  fungsi  transfer  menjadi  SISO,  sehingga  dapat meminimalkan  pengaruh  berinteraksi.  Cara  merancang    pemodelan  yang  tepat  ialah  dengan memperhatikan  state    yang  ada  pada  plant  tersebut,  sehingga  model  kontrol  yang  diingkinkan  dapat  mengatasi non linearity dari sistem TITO. Metode Fuzzy PI dengan Decoupling di harapkan memiliki  nilai percent overshoot dan settling time lebih baik.

scholarly journals Penerapan Fuzzy Logic Control Untuk Sistem Pengaturan Kelembaban Udara Pada Greenhouse

2020 ◽  
Vol 2 (2) ◽  
pp. 71-76
Author(s):  
Kharis Sugiarto ◽  
Supriatna Adhisuwignjo ◽  
Denda Dewatama
Keyword(s):  
Fuzzy Logic ◽  
Steady State ◽  
Fuzzy Logic Control ◽  
Fuzzy Logic Controller ◽  
Set Point ◽  
Logic Control

Kelembaban udara pada greenhouse khususnya selada keriting merupakan hal yang penting. Hal ini penting karena menanam selada keriting dengan kelembaban kurang dapat menyebabkan kematian. Dengan adanya masalah ini diperlukan sistem kontrol kelembaban udara. Aplikasi dari fuzzy logic controller diharapkan untuk memecahkan masalah regulasi kelembaban udara pada greenhouse. Sensor yang digunakan adalah sensor DHT11. Fuzzy logic yang diterapkan memiliki 25 aturan, yang diperoleh dari 5 fungsi keanggotaan error dan 5 fungsi keanggotaan deltaerror. Penelitian ini menggunakan sistem inferensi fuzzy dengan metode mamdani untuk kontrol kelembaban udara dalam greenhouse. Pada aplikasi kontrol fuzzy untuk mencapai set-point kelembaban dari 60% ke kondisi 79%, diperoleh nilai parameter transient yaitu waktu tunak (ts) 570 detik, waktu naik (tr) 485 detik, waktu tunda (td) 60 detik, error steady state yaitu 0,7% dan tanpa overshoot. Pada aplikasi kontrol fuzzy untuk mencapai setpoint dari kelembaban udara 60% RH menjadi 79% RH membutuhkan 600 detik

scholarly journals Sistem Pengendalian Komposter Limbah Padat Tempe Menggunakan Fuzzy Logic Control

2021 ◽  
Vol 7 (2) ◽  
pp. 35
Author(s):  
Nur Wahyu Aprilia Aditisar ◽  
Tundung Subali Patma ◽  
Bambang Priyadi
Keyword(s):  
Fuzzy Logic ◽  
Steady State ◽  
Fuzzy Logic Control ◽  
Logic Control ◽  
Arduino Uno

Kulit kedelai merupakan limbah padat tempe yangdigunakan sebagai pakan ternak namun sisanya banyak yangterbuang, hal ini dapat menimbulkan bau yang tidak sedap dilingkungan sekitar. Salah satu solusi yang perlu dilakukanuntuk mengurangi limbah kulit keledai adalah denganmenjadikannya kompos.Saat ini banyak terdapat teknologipengomposan untuk mempercepat terbentuknya kompos. Padapenelitian ini menggunakan limbah padat tempe dan Biotama-3 sebanyak 6% dengan kondisi termofilik yaitu 65°C. Metodekontrol yang digunakan untuk pengendalian ini ialah kontrolFuzzy menggunakan Arduino Uno.Salah satu keuntungankontrol Fuzzy adalah sebuah sistem yang sederhana sehinggalebih cepat dalam mengambil keputusan.Dalam penelitian inimenggunakan sensor suhu PT100, Arduino Uno, Motor DCServo.Hasil pengujian kontroler Fuzzy dengan sistempengendalian suhu komposter ini berhasil.Kontroler Fuzzydapat menjaga kestabilan suhu dan error steady state jugasangat kecil.

scholarly journals Fuzzy Logic Controller Application for an Active Two-Axis Solar Tracking System

2020 ◽  
Vol 190 ◽  
pp. 00004
Author(s):  
Chairul Imron ◽  
Imam Abadi ◽  
Nurika Brillianti ◽  
Muhammad Khamim Asy’ari ◽  
Yusilawati Ahmad Nor ◽  
...  
Keyword(s):  
Fuzzy Logic ◽  
Control System ◽  
Steady State ◽  
Solar Radiation ◽  
Pitch Angle ◽  
Fuzzy Logic Control ◽  
Tracking System ◽  
Logic Control ◽  
Solar Tracking ◽  
Yaw Angle

The changes in the intensity of solar radiation cause the electrical power produced by solar panels to be not optimal. The solar panel position control system to the position of the solar is an effort to overcome this problem. There are four Light Dependent Resistor (LDR) sensors placed on the sides of the four cardinal directions. The difference in the intensity of solar radiation received by each sensor causes the position of the solar panel to turn perpendicular to the position of the solar. The control method used is fuzzy logic control with three membership functions. The controlled variables are pitch angle and yaw angle in an active two-axis solar tracking system. Input fuzzy logic control is an error, and output is PWM. The results of the performance of the pitch angle control system produce settling time for 10 s and error steady-state obtained by 0.080 %, while for the yaw angle control system produces settling time for 13 s and steady-state error is obtained at 0.038 %. The existence of a control system resulted in an increase in the percentage of power above 30 % with a power difference of 7.49 W to a fixed panel.

Sistem Kontrol Optimal Fuzzy-Particle Swarm Optimization

2018 ◽  
Vol 9 (1) ◽  
pp. 1-5
Author(s):  
Fachrudin Hunaini ◽  
Imam Robandi ◽  
Nyoman Sutantra
Keyword(s):  
Fuzzy Logic ◽  
Particle Swarm Optimization ◽  
Control System ◽  
Membership Function ◽  
Fuzzy Logic Control ◽  
Particle Swarm ◽  
Optimization Method ◽  
Swarm Optimization ◽  
Motion Error ◽  
Logic Control

Fuzzy Logic Control (FLC) is a reliable control system for controlling nonlinear systems, but to obtain optimal fuzzy logic control results, optimal Membership Function parameters are needed. Therefore in this paper Particle Swarm Optimization (PSO) is used as a fast and accurate optimization method to determine Membership Function parameters. The optimal control system simulation is carried out on the automatic steering system of the vehicle model and the results obtained are the vehicle's lateral motion error can be minimized so that the movement of the vehicle can always be maintained on the expected trajectory

Implementation of Fuzzy Logic Control on Battery Charging System

2019 ◽  
Vol 3 (1) ◽  
pp. 118-126 ◽  
Author(s):  
Prihangkasa Yudhiyantoro
Keyword(s):  
Complex System ◽  
Fuzzy Logic ◽  
Fuzzy Logic Control ◽  
Expert Knowledge ◽  
Experimental Result ◽  
Rule Base ◽  
Battery Charging ◽  
Charging System ◽  
Logic Control ◽  
Charging Control

This paper presents the implementation fuzzy logic control on the battery charging system. To control the charging process is a complex system due to the exponential relationship between the charging voltage, charging current and the charging time. The effective of charging process controller is needed to maintain the charging process. Because if the charging process cannot under control, it can reduce the cycle life of the battery and it can damage the battery as well. In order to get charging control effectively, the Fuzzy Logic Control (FLC) for a Valve Regulated Lead-Acid Battery (VRLA) Charger is being embedded in the charging system unit. One of the advantages of using FLC beside the PID controller is the fact that, we don’t need a mathematical model and several parameters of coefficient charge and discharge to software implementation in this complex system. The research is started by the hardware development where the charging method and the combination of the battery charging system itself to prepare, then the study of the fuzzy logic controller in the relation of the charging control, and the determination of the parameter for the charging unit will be carefully investigated. Through the experimental result and from the expert knowledge, that is very helpful for tuning of the  embership function and the rule base of the fuzzy controller.

Sign in / Sign up

Export Citation Format

Share Document