Menu

Sistem Kontrol Robot Berbasis SCFNN (Self Contruction Fuzzy Neural Network)


Sistem Kontrol Robot 
Berbasis SCFNN (Self Contruction Fuzzy Neural Network)
(Purnomo Wahyudi,ST)
Algoritma control pergerakan berdasarkan proses identitifikasi obyek menggunakan metode self contructing fuzzy neural network. Dalam proses identifikasi, robot harus dapat mencapai target yang diinginkan, untuk penentuan target dapat direalisasikan berdasarkan informasi citra, dimana seting target yang diinginkan adalah obyek berada pada titik tengah kamera.  Sehingga pergerakan yang dilakukan robot harus sesuai dengan arah dan posisi target. Struktur self constructing fuzzy neural network sebagai kontrol posisi pada robot 2 derajat kebebasan ditunjukkan pada gambar berikut :

Struktur SCFNN pada posisi error x
Posisi obyek yang merupakan input dari struktur SCFNN adalah sebuah error posisi yang dihitung berdasarkan posisi obyek terhadap titik tengah kamera. Besar error adalah, 
E = y - yd 

(dimana yd adalah keluaran yang diinginkan yaitu posisi titik tengah kamera, sedangkan y adalah keluaran system yaitu posisi obyek). 

Self constructing fuzzy neural network terdapat dua buah algoritma pembelajaran, yaitu pembelajaran struktur dan pembelajaran parameter. Pada system ini, algoritma pertama yang dilakukan adalah learning struktur. Pembelajaran struktur digunakan untuk menemukan pemisahan ruang masukan fuzzy yang sesuai dan rule fuzzy logic yang meliputi dua obyek yaitu:
  1. Untuk meminimalisasi jumlah rule yang dibangkitkan 
  2. Untuk meminimalisasi jumlah fuzzy set pada universe of discourse untuk masing-masing masukan. 
Dalam system ini keseluruhan algoritma untuk generasi rule fuzzy yang baru adalah sebagai berikut :

Setelah struktur jaringan terbentuk berdasarkan pola pelatihan, jaringan kemudian memasuki fase pembelajaran kedua, yaitu fase pembelajaran parameter yang berfungsi untuk meng-adjust parameter jaringan secara optimum berdasarkan pola data yang sama. Tujuan dari proses pembelajaran ini adalah untuk mereduksi fungsi kesalahan dimana derajat kesalahan di adjust dengan menggunakan derajat negatif. Ide backpropagasi digunakan untuk pembelajaran supervised dengan menggunakan metode gradient descent.