Speed control of DC motor using Fuzzy Logic Controller

Almatheel, Yasser Ali; Abdelrahman, Ahmed

doi:10.1109/iccccee.2017.7867673

Cited by 57 publications

(23 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sejauh ini, metode kontrol konvensional yang digunakan pada konsep ini yaitu Kontrol Proportional-Integral-Derivative (PID) dan Fuzzy Logic Controller (FLC). Kontrol PID membutuhkan model matematika, sedangkan FLC berbasis pada pengalaman menggunakan rules (Almatheel & Abdelrahman, 2017). (Putra, dkk, 2013) menerapkan metode PID kontroler pada sistem parkir rotasi pada tahun 2013.…”

Section: Pendahuluanunclassified

Sistem Kontrol Troli Rotari sebagai Tempat Penitipan Barang Otomatis menggunakan Fuzzy Logic

2020

View full text Add to dashboard Cite

ABSTRAKTroli rotari memerlukan sistem kontrol untuk mengatur rak ke posisi yang diinginkan. Penelitian ini berfokus pada sistem kontrol posisi rak menggunakan metode Fuzzy Logic Controller (FLC) dengan beban berbeda dari setiap pengguna. Masukan pada sistem kontrol FLC adalah error dan delta error dari sensor rotary encoder. Keluaran dari FLC adalah Pulse Width Modulation yang digunakan untuk mengontrol kecepatan motor DC. Hasil penelitian dari tiga variasi fungsi keanggotaan keluaran dengan beban pada satu rak, pengujian tanpa beban memiliki settling time antara 3,11 s hingga 3,24 s dan error steady state antara 3 hingga 8 counter. Pengujian dengan beban 250 g memiliki settling time antara 3,92 s hingga 8,80 s dan error steady state antara –5 counter hingga 4 counter. Sedangkan pengujian dengan beban 500 g memiliki settling time antara 4,66 s hingga 7,39 s dan error steady state antara 8 counter hingga 12 counter.Kata kunci: tempat penitipan barang, troli rotari, Fuzzy Logic Controller. ABSTRACTRotary trolley needs control system that used for rack control to the position. The research focused on rack position control system using the Fuzzy Logic Controller (FLC) method with different loads from each user. Inputs to the FLC control system are error and delta error from the rotary encoder sensor. The output of the FLC is Pulse Width Modulation which is used to control the speed of the DC motor. The results from 3 variations of the meeting results, the no-load test had a completion time of between 3.11 s to 3.24 s and steady-state conditions between 3 counters to 8 counters. Testing with a load of 250 g has a completion time of 3.92 s to 8.80 s and steady-state conditions between -5 counters to 4 counters. While testing with a load of 500 g has a settling time of 4.66 s to 7.39 s and steady-state conditions between 8 to 12 counters.Keywords: deposit box, rotary trolley, Fuzzy Logic Controller.

show abstract

Section: Pendahuluanunclassified

Sistem Kontrol Troli Rotari sebagai Tempat Penitipan Barang Otomatis menggunakan Fuzzy Logic

2020

View full text Add to dashboard Cite

show abstract

“…Kontrol logika fuzzy memiliki kelebihan yang sesuai dengan sistem yang digunakan di mana flexibilitas pada parameter desainnya membuat jangkauan output dapat lebih luas diakibatkan pemodelan logikanya menggunakan variabel linguistic [3]. Logika fuzzy telah banyak digunakan pada banyak aplikasi karena dapat mengontrol sebuah object tanpa harus mengetahui data pastinya sehingga logika fuzzy dijuliki sebagai kontroller nonlinear [4] [5].…”

Section: Pendahuluanunclassified

Evaluasi Performa Fuzzy Logic Controller untuk mengatur kecepatan Motor DC Penguatan Terpisah

Ardiansyah

Rakhmawati²,

Suharyanto³

et al. 2020

energi

View full text Add to dashboard Cite

Beragamnya metode yang ditawarkan oleh fuzzy logic kontroller membuat sebagaian orang meneliti mengenai perbedaan metode inferensi yang digunakan oleh fuzzy logic controller. Sejauh ini terdapat tiga metode fuzzy logic kontroller yang telah dikembangkan yaitu Mamdani, Sugono dan Sukamoto. Pada jurnal ini penggunaan fuzzy logic kontroller akan dievaluasi dengan menggunakan motor dc penguat terpisah sebagai beban untuk melakukan pengaturan kecepatan motor dc. Pada paper ini tujuan utamanya adalah dapat mengendalikan kecepatan dari motor DC Penguatan Terpisah dengan mengatur tegangan jangkar dari motor tersebut. DC motor merupakan salah satu jenis motor memiliki banyak aplikasi dan memiliki kemudahan untuk mengatur kecepatan pada motor tersebut. Logika fuzzy yang digunakan pada studi ini adalah inferensi sugeno dimana dengan konfigurasi Multiple Input Single Output (MiSo). Dimana input berupa error dan perubahan error dan output berupa duty cycle dikarenakan yang dikendalikan oleh logika fuzzy adalah Boost Converter selaku controlled voltage source. Target pada jurnal ini adalah dari kecilnya nilai steady – state error dan minimnya osilasi sehingga mampu membuat sistem lebih stabil. Pada studi ini, Hasil pengujian dilakukan dengan menggunakan Simulink by Matlab dengan Hasil pengujian berupa error rata rata sebesar 5.36%.

show abstract

“…At work [4], the authors develop a two-degree PID to control the motor speed in an automatic lawnmower that uses solar energy as the primary source. Papers [5], [6] focus on motor speed control, demonstrating the usefulness of adaptive PIDs, in addition to comparing them with traditional PIDs; works like [7], [8] perform the same task but with a fuzzy PID presenting satisfactory results in regulating motor speed. These studies demonstrate the wide range of uses and the importance of using these types of controllers.…”

Section: Introductionmentioning

confidence: 99%

Self-Tuning Neural Network PID With Dynamic Response Control

et al. 2021

View full text Add to dashboard Cite

PID controllers are widely used and adaptable to various types of systems. However, for the response to be adequate under different conditions, the PID gains must be adjusted. The tuning is made according to the difference between the reference value and the real value (error). This work presents a selfadjusting PID controller based on a backpropagation artificial neural network. The network calculates the appropriate gains according to the desired output, that is, the dynamic response desired which is composed of the transient part and the stationary part of the step response of a system. The contribution of the work is that in addition to using the error for network training, the maximum desired values of overshoots, settling times, and stationary errors were used as input data for the network. An offline training database was created using genetic algorithms to obtain the dynamic response data associated with PID gains. The genetic algorithm allows getting data in different operating ranges and allows using only stable gains combinations. The database was used for training. Subsequently, the neural network estimates an appropriate gain combination, adapting to the error and the desired response. The method performance is evaluated by controlling the speed of a direct current motor. The results indicate an average error of 4% for the database between the requested and system response. On the other hand, the gains estimated by the network in the test dataset (1544 combinations) did not cause instability and complying with the expected dynamic response in 86% of the dataset.

show abstract

Speed control of DC motor using Fuzzy Logic Controller

Cited by 57 publications

References 1 publication

Sistem Kontrol Troli Rotari sebagai Tempat Penitipan Barang Otomatis menggunakan Fuzzy Logic

Sistem Kontrol Troli Rotari sebagai Tempat Penitipan Barang Otomatis menggunakan Fuzzy Logic

Evaluasi Performa Fuzzy Logic Controller untuk mengatur kecepatan Motor DC Penguatan Terpisah

Self-Tuning Neural Network PID With Dynamic Response Control

Contact Info

Product

Resources

About