Referensi :
Wiryadinata, Romi dan Dwi Ana Ratnawati (2005). Simulasi Jaringan Syaraf Tiruan Berbasis Metode
Backpropagation Sebagai Pengendali Kecepatan Motor DC. Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005).
SIMULASI JARINGAN SYARAF TIRUAN BERBASIS METODE
BACKPROPAGATION SEBAGAI PENGENDALI KECEPATAN MOTOR DC
Abstrak
Motor DC dan komputer banyak digunakan dalam kehidupan sehari-sehari, baik di rumah tangga,
industri maupun lingkungan pendidikan yang sangat membutuhkan ketelitian dan penggunan yang serba
otomatis. Jaringan Syaraf Tiruan merupakan salah satu kendali motor DC yang dapat disimulasikan
menggunakan neural network toolbox pada software Matlab 6.5. Dengan menggunakan metode Backpropagation
dan fungsi Gradient Descent Momentum diperoleh struktur jaringan yang terbaik, terdiri dari 5 sel neuron
lapisan input, 3 sel neuron lapisan tersembunyi dan 1 sel neuron lapisan output.
Pendahuluan
Motor DC banyak digunakan dalam kehidupan
sehari-hari. Baik dalam dunia industri maupun rumah
tangga. Motor DC yang beredar sebenarnya sudah
menggunakan bahasa logika sederhana ada yang
dikendalikan manual oleh manusia, sebagian sudah ada
yang menggunakan mikrokontroller, algoritma fuzzy
maupun algortima dan kendali lainya yang
menggunakan bahasa pemrograman yang berbeda.
Motor yang beredar di masyarakat akan lebih
menghasilkan produk yang bagus dan memiliki tingkat
presisi tinggi apabila kesalahan dari faktor manusia
dapat diperkecil.
Dasar Teori
a. Jaringan Syaraf Manusia sebagai Dasar JST
Beberapa hal yang mendasari kerja
Jaringan Syaraf Manusia (JSM), diantaranya
mengenai penyimpanan informasi dan daya ingat,
dimana bila suatu sinyal tertentu melalui sinapsis
secara berulang-ulang, maka sinapsis tersebut
menjadi lebih mampu menghantarkan sinyal pada kesempatan berikutnya. JST merupakan bagian dari Artificial
Intelligence (AI) yang berbasis hubungan, karena cara
kerjanya melihat pada JSM.
JST backpropagataion atau rambat balik (JSTBP) adalah metode yang paling sederhana dan mudah
dipahami dari metode-metode yang lain. JST-BP akan
merubah bobot biasnya untuk mengurangi perbedaan
antara output jaringan dan target output.
c. Motor DC
Motor DC adalah sistem mesin yang berfungsi
mengubah tenaga listrik arus searah menjadi tenaga
gerak atau mekanis.
- Karakteristik Motor DC
- Pengaturan Kecepatan Motor
Tiga parameter yang biasa diatur adalah :
1. Medan shunt, dengan menyisipkan tahanan variabel yang dipasang seri terhadap kumparan medan (motor shunt), maka dapat diatur arus medan dan fluksnya.
2. Tegangan (Vt ), dikenal dengan metode Ward Leonard. Menghasilkan suatu pengaturan kecepatan yang sangat halus dan banyak dipakai untuk lift, mesin bubut dan lain-lain.
3. Tahanan (Ra), dengan menyisipkan tahanan variabel terhadap tahanan jangkar. Cara ini jarang dipakai, karena penambahan tahanan seri terhadap tahanan jangkar menimbulkan rugi panas yang cukup besar.
Perancangan Sistem
Dalam
perancangan sistem, masukan JST adalah berupa set
point kecepatan, sedangkan keluarannya yang juga
berfungsi sebagai masukan motor adalah tegangan DC.
Sebagai keluaran motor dan sebagai hasil akhir dari
sistem adalah kecepatan model motor.
Pelatihan dari sistem pengendalian dirancang
dengan menggunakan metode inverse, dimana
masukan dari plant adalah sebagai target atau keluaran
dari JST, sehingga skenario keluarannya akan
digunakan kembali sebagai masukan. Pada saat
pelatihan masukan dari JST adalah keluaran dari
motor, yaitu kecepatan atau putaran dari motor,
sedangkan keluaran atau target dari JST adalah
merupakan masukan motor, yaitu tegangan.
Analisis dan Pembahasan
Dengan mengunakan data yang sama pada
motor sebenarnya, data input dan output dari hasil
simulasi disimpan kedalam workspace Matlab
untuk dijadikan sebagai masukan dan target pada
pelatihan JST sebagai pengendali motor DC.
Pelatihan dengan menggunakan for-while loops
kurang mendapatkan hasil yang lebih maksimum,
disebabkan karena data input dan target JST
terlalu banyak, kurang lebih sebanyak 150676
data input dan 150676 data output. Sebagai
perbandingan, untuk melakukan 1000 iterasi
dengan 1 HL dan 7 sel neuron menggunakan forwhile loops,
Hasil pelatihan terbaik adalah adalah pada
tabel nomor 10. Pelatihan berhenti ketika iterasi
yang ditentukan sudah tecapai dengan Mean
Square Error (MSE) 0.0070382. MSE pada tabel nomor 15 lebih kecil 2e-7 dari MSE pada tabel nomor
10. Tetapi jumlah iterasi 2 kali lebih besar dari iterasi
pada tabel nomor 10, sehingga untuk pengujian
jaringan akan digunakan struktur pada tabel nomor 10. Nilai gradient yang dihasilkan dan
ditampilkan akan selalu dipengaruhi oleh
perubahan nilai MSE.
Struktur terbaik jaringan kemudian di uji dengan menggunakan masukan step. Perlu diketahui waktu (t) adalah dalam satuan detik Matlab, bukan dalam real time. Berikut ini adalah grafik hasil pengujiannya:
Berikut ini adalah grafik hasil dari
pengujian offline :
Hasil pengujian tersebut membuktikan
bahwa, pelatihan jaringan sudah cukup baik dan
akan digunakan lebih lanjut dalam pengujian online
menggunakan toolbox simulink pada Matlab dan
pengujian menggunakan GUI (Graphical User
Interface).
Diperoleh rata-rata selisih kecepatan sebesar
4.14 rad/s. Hasil penelitian ini membuktikan bahwa
simulasi JST sebagai kendali kecepatan motor DC
sudah cukup baik, dengan persentase MSE
kecepatan pengujian sebesar 1.645% atau tingkat
keberhasilan mencapai 98.355.
Persentase ini belum mencapai nilai
minimum karena struktur yang digunakan saat
pengujian adalah hasil pelatihan yang berhenti
disebabkan Karena MSE minimum pelatihan belum
mencapai target MSE.
Kesimpulan dan saran
Banyaknya data yang dijadikan sebagai data
pelatihan, berpengaruh terhadap lamanya waktu
iterasi untuk mencapai taget error minimum,
jumlah iterasi akan semakin banyak dan nilai
MSE yang dihasilkan. Struktur terbaik JST untuk sistem kendali
kecepatan motor DC terdiri dari 5 sel neuron
lapisan input. Membuktikan bahwa dasar teori tentang
pengaturan kecepatan motor DC metode Ward
Leonard tentang penggunaan 2 motor dapat
lebih efisien dengan Artificial Intellegence
menggunakan Neural Network.
Saran yang bisa diterapkan untuk penelitian kedepannya antara lain:
- Jaringan dilakukan dengan metode yang berbeda, agar menghasilkan nilai Mean Square Error yang lebih kecil lagi.
- Mengganti dengan model motor yang lain, tetapi dengan struktur jaringan syaraf yang sama untuk membuktikan apakah jaringan mampu beradaptasi dengan data motor yang berbeda.
7. Daftar pustaka
- Brooks/Cole, Simulations of Machines.
- Fausett, Laurance, Fundamental Of Neural Network, 1994, Prentice Hall International Edition
- Floyd, Thomas L., Electronics Fundamentals, 1995, Prentice Hall International Edition
- Harvey, Robert L., Neural Network Principles, 1993, Prentice Hall International Edition
- Kung, S.Y., Digital Neural Networks, 1993, Prentice Hall International Edition.
- Kuo, Benjamin C., Automatic Control System, edisi bahasa indonesia jilid 1, 1995, Prentice Hall International Edition
- Kusumadewi, Sri, Artificial Intelligence, 2003, Graha Ilmu..
Video
Video dari penjelasan adalah sebagai berikut:
Link Download
Link Download jurnal
Link Download HTML
Link Download codingan
Link Download video
Tidak ada komentar:
Posting Komentar