Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   13 ,  No.   1 ,  Jan uar y   201 9 ,   pp.  2 9 3 ~ 2 9 9   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 3 .i 1 .pp 2 9 3 - 2 9 9       293       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Colored  object d etection  usin g 5 dof robot arm  based ad apt ive  neuro - fuzzy m eth od       Muji arto 1 ,  A s ari Dj ohar 2 , Mumu  K om ar o 3 , M ohamad A fend ee   Mohamed 4 , Dar mawan  Se tia Raha yu 5 ,  W. S.  Mada   S an j aya 6 , Mus t afa M amat 7 , Acen g  S amba s 8 , S u biy an t o 9   1 ,8 Depa rtment   of   Mec han ical Eng ine er ing, Unive r sita s Muham m adiy ah Ta sikm ala y a ,   Indon esia   1, 2 ,3 Depa rtment   o f  Mec han ical En gine er ing, Univers it as  Pendid ikan Indone sia   4,7 Facul t y   of  Inf orm at ic s a nd   Co m puti n g,   Univer siti   Sult an Za in a l  Abidin ,   Ma lay s ia   5 Depa rtment of  Ph y sics,   Instit u t Te knologi Ba nd ung,   Indone si a   6 Depa rtment of  Ph y sics,   UIN   Sunan  Gunung Dj a ti   B andung, I ndo nesia   9 Depa rtment of  Ma rine   Sc ie n ce ,   Univer sita s Pad j ada ran       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   A ug   1,   2018   Re vised  N ov   2 , 2018   Accepte d  Nov   19 , 201 8       In  thi s  pape r,   an   Adapti ve  Neuro   Fuzz y   Inf ere n ce  Sy st em  (AN FIS)  base d  on  Arduino  m ic roc ontrol ler  is  appl ie d  to  the   d y na m ic   m odel   of  5   DoF   Robot   Arm   pre sente d.   MA TL AB  is  us ed  to  de te c t  co l ore d  objects  bas ed  on  image   proc essing.   Ada pti ve  Neuro  Fuzz y   Infe ren c e  S y stem  (AN FIS )   m et hod  is  a  m et hod  for  cont r oll ing  robo ti c   ar m   base d  on  col o r  det e ction  of  cam era   objec t   and  inve rse  kinem at ic   m odel   of  tra ine d  da ta .   Fina lly ,   the   AN FIS   al gorit hm   is  implemente d  in  the   robot  arm  to   sele ct   obj ects  a nd  pic k  up  red   obje c ts  with  good  accurac y .   Ke yw or d s :   Ad a ptiv e  Ne uro  F uzzy  C olo r   Detect ion   Infer e nce  Syst e m   Inverse  Kinem at ic  Mod el   Robot  Ar m   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed .   Corres pond in g  Aut h or :   W.   S.  Ma da Sa nj ay a ,   Dep a rtm ent o f Physi cs ,   UIN Su nan Gu nung  Dj at i B a ndun g,   I ndonesi a .   Em a il :  m adasw s@ gm ai l.com       1.   INTROD U CTION   Ov e r  the  la st  decad e,  resea rc her s  hav e  at te m pted  to  so lve  pr oble m s  in  e ng i neer i ng   with  the  help  of   ANFIS   s uch   a s:  AN FIS  f or   tract or   sta rte r  m oto r  [1 ] ,  rail way  wh eel s  [ 2] ,  extern al   gea r   pu m ps   [3 ] ,  m otor  DC  [4 ] ,  rob otic  [5] ,  nonlinea r  th ree - ta nk  syst e m   [6 ] ,  em issi o ns   of   a  diesel   eng i ne  [ 7],  a uto m at ic   par ki ng   [ 8],  autom at ic   vo lt age  regulat or   [9 ] ,  m agn et orhe ologica l  dam per   [ 10 ] ,  ai rcr aft  a uto - l and i ng   [11],  su r face  rou ghness  in  gr i nd i ng   proc ess  [12]  an d  welde d  al um i niu m   pip es  [ 13 ] ,  power   sy stem   sta bili zer   [14],   photov oltai c syst e m  [ 15 ] ,  turb o - ge ner at ors  [ 16]  and  dynam i c volt age  resto rer   [ 17 ] .   The  r obot  m anip ulator  c ontr ol  presents  a  m ajo r  c oncer n  in  r obotics  r esearch  at   pr e sent.  I n  t he   li te ratur e,  Me hm et   con structe d  a  co ntr ol  of   2 - DOF  di rect - dri ve  rob ot  ar m   based   f racti on al   fu zzy   a da ptive   sli din g - m od e  m et ho d  [ 18 ] ,  Am er  et   al   create d  3  D OF  pl anar  r obot  m anipu la to rs  base d  ada ptive  fu zz y  sli ding   m od e con tr ol [19 ] , P ie r r ot et  al  inv est igate d a new  d e sig n  of a 4 - DOF p a ra ll el   m anipu la to r  for  hi gh - s pee d  an d  high - acce le ra ti on   pick  an d  pl ace  op e rati on s  [20],  Lotfaza r  et   al   exp la ined  a  dynam ic  equat ion s  of  m otio n  of   a   5  D oF   r obot  m anip ulator  base d  integ rato r  ba ckstep ping   m eth od  [ 21] ,  Alav and a r  an d  Niga m   descr ibe d  co ntr ol   of   6 - DOF  robo t  m anipu la tor  usi ng  A da ptive  Ne uro - F uzzy  Infer e nc e  Syst e m   [2 2]  and   Klan ke   et   al  const ru ct e d  a  dynam ic   path  plan ning  f or   a  7 - DOF  r obot  Ar m   [2 3].  In   t he  la st  few   ye a rs,   se ver al   new  desi gn   of roboti c m anipu la to r has  be en pr opos e d [ 24 - 26] .   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   1 ,  Ja nu a ry 20 19   :   2 9 3   –   2 9 9   294   Moti vated  by  the  ab ove,  w rite rs  f oc us ed   on  c on t ro l  of  the  new  desi gn   5 - D OF   r obot   arm   based  Ad a ptive  Neur o  F uzzy  Infere nce  Syst em   ( ANFIS).  In   t hi s  stud y  prese nted  c olor  ob je ct   detect ion ,  inv e rse  kin em at ic   m o del  an d  A dap t ive  Ne uro - F uz zy   (ANF IS )   m et ho d  a s  m a chine  le a rn i ng  base d  on  MATL AB.   Finall y, A NFI S m et ho d w il l be im ple m ente d  to  5 D oF r ob ot ar m  to  pic k up an d place  c olored  ob j ect .   The  rem ai nd er   of   this  pa per   i s  organ iz e d  as  fo ll ows:  Sect io n  2  prese nts  th e  gen e ral  syst em   ov er view   of   c olored  obje ct   detect ion .  Sect ion   3  pres ents  the  c olo r  detect ion   of   t he   obj ect   ba sed   MATLAB .  Se ct ion   4  descr i bes  s che m at ic   and   hardw a re  of  Ro bot  A rm .  The  arch it ect ure  of  A NFIS  is   pr esented   on   se ct ion   5.   Im ple m ented  ANFIS   m et ho d  to  Robot  Arm   to  ta ke  and   place  the  colo r ed  obj ect   prese nted  on  sect io n  6  an d  sect ion   7 discu sses the  b e nef it s of the  stu died  ad a ptive  ne uro fu zzy  m et hod  a nd conclu sion s  are  prese nted.       2.   SY STE M  O V ERVIEW   Figure  1  desc ribes  t hat  the  w ebcam   detect s  a  colo re d  obj e ct .  Ne xt,  it   is  di vid ed   into   tw o  processes:   the  first  proce ss  is  to  create  trai nin g  data,   con sist in g  of   the  coo r din at es  of   centr oid  color e d  obj ec ts  a nd   colle ct ing   data  of   se rvo  an gle.   The  seco nd  pr ocess  is  te sti ng  the  syst e m ,  aft er  obta inin g  th e  coord i nates  of  the   centr oid   c olor ed  obj ect s,  t he n  the   te st  data   of  col or e d  ob j ect s  in  a cco rdance  with  the   trai ned   data.   Data  is   processe d  t o  obta in  a   ser vo  a ng le   base d  on  Ad a ptive   Ne uro - F uzzy  (ANF IS )   m et ho d,  w hich  is   use d  to   dri ve   servo  m oto r  of   Ro bot  Arm .   All  pr oce sses  wor k  in   real - tim e  ba sed  on  MAT LAB  an d  Ardu i no   m ic ro co ntro ll e r.           Figure  1.   Ge ne ral Syst em  Sch e m e o f  C olore d Object  Detec ti on   Start   Co n f i g u re  Serial  p o rt   Ob ject colo r  d etect io n   Red   Tr ain in g  Data   Tested  Data   Get Cen troid  Of  i m a g e ob ject   Get Cen troid  Of  i m a g e ob ject   Get servo  deg ree   Tr ain ed  Dat a   Matchin g   Sen d  to Ardu in o   Co n trol Servo   Take and  place ob j ect   Fin ish   Ca m er a detect  colo r   o b ject   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Colore d ob je ct  d et ect io n usin g 5 dof  rob ot arm base d a dapt iv e n eur o - f uz z y  meth od   ( Muji ar to )   295   3.   COLO R DET ECTION   Web cam   is  a  dev ic e  that  ca n  be  us e d  as  a  sensor  in  de te ct ing   a  colored  obj ect   th rough  im age   processi ng.  T he  al go rithm   and  inter - face s  buil d  base d  on  MA TLA B.  Colo r  dete ct ion   ca n  be  done  by   trans form ing  the im age co lo r  sp ace . T he  ste ps   of r e d  c olor  detect ion usi ng MATL AB a re  as foll ows:     1.   Ena ble origi nal v ide o.   2.   Extract eac h fram e o n  t he ori gin al   vid e o.   3.   Transf or m  the  colo r  s pace th a t or i gin al ly  r esi des  i n  the  RGB  co lo r  s pace i nt o  the  HSV  co l or sp ace .    4.   Re d  se gm entation   of  HS V  c olo r  sp ace  b a sed   on H ( 0.8 t o 1), S (0 .5 to  1) a nd V ( 0.1 t o 1).   5.   Runnin g  al l f ra m es o f  t he pr oc essing se qu e nt ia lly i n  vi deo f or m .   6.   The  sel ect e d  c olor  obj ect   will  b e m ark e d wit h  a  rectan gle.    The det e ct ion r esult o f  the  c olo re d o bj ect   has  the ce ntr oid  c oor din at e  po sit ion   ( x; y) as  shown i n  Fi gure  2.             Figure  2.   I nterfac e of Col or De te ct ion  w it h  C oor din at e       4.   HARD WA RE  OF ROBOT   ARM   The  m ai n  co m pone nt  of   the  5  D OF   r obot  arm   are:  Ar duino   bo a rd,  we bc a m ,  m oto r  servo,   batte ry,   cables  a nd  Ro bo t  A rm   har dware   co ns tr uct ion ,   as  s how n  in  Fig ure  3.   T he  sc hem at ic   of   5  DOF  r obot   arm   is   sh ow n  in   Fig ure  4.  Ro bot  ar m   has  5  ser vos   co nn ect e d  to  each  ar duin o  pi n.   Se rvo 1  c onnect  to  pin   9,  Ser vo   2  connect t o   pi n 10, Se r vo 3 co nn ect  t o pin  11 , S e rvo 4 c onne ct  to  pi n 1 2  a nd Se rvo 5 c on nect to  pin  13.           Figure  3.   Ha rdwar e  of R obot  Ar m  5  DOF   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   1 ,  Ja nu a ry 20 19   :   2 9 3   –   2 9 9   296       Figure  4.   Sc he m at ic  o f  Ro bot Ar m       5.   INV E RS E  KI NEM ATIC M ODEL  AND AD APTI VE  NEU RO - FUZ Z Y   This  work  de s cribes  t he  basics  of  A NFIS  ne twork  struct ure  an d  it s  hybr id  le ar ning  r ul e.  Moti vate d  by  the  m ajo r  idea  of   f uzzy   log ic   inferen ce  procedure  on   a  fee d  f orward  net work  structu re,  Jan g  [ 27]   const ru ct e d  a  f uzzy  neural  ne twork  m od el .  The  ada ptive  ne u r o  f uzzy  inf eren ce  syst em   (ANF IS )  str uct ur e  is  dep ic te d i n Fi gure  5.             Figure  5.   A NFIS S t ru ct ur e       K inem at ic s  s tud ie s  are   co nv e rsion  from   Ca r te sia n  coord i na te s  ( x ,  y ,  z )  to  the  m ov ing   ang le   of  the   j oi nt  (  1 ,  2 ,   3 )  of  the  m echan ic al   Ro bot  Ar m .  Kinem atic  cl assifi ed  to   two  par t  a re  Fo r wa rd   Kine m at ic  (fro m  j oi nt ang le  to  co ordi nate) a nd Inv e rse Kinem at ic  ( fr om  co or di nate to  j oi nt angle)  [28 ] .   In   this  w ork,   the  data  nee ded  fo r  trai ni ng   of  AN F IS   is  ob t ai ned   f ro m   the  inv erse  ki nem at ic s  m od el s  of   t he  r obot  a r m   to  ta ke  an d  place  a  c olo re d  obj ect   on  cert ai n  co ordin at e.   The  data  c on s ist   by  input  data  as  x   and   y   c oor din a te ,  and   th e  outpu t  data  of   se r vo ' s  an gle  as  S ervo 1 - Se r vo   5  sh ow n  at   Tabl e  1.   W e bcam   i s  us e d  to  ob ta i n  the  coor din at e  data  values  f r om   the  e valuati on  colo r  obj ect   det ect ion .   T he  vi deo   ca pture  co nf i gur e   as  640  x  480  pi xel.  Wh en  ob je ct s  are  in  cert ai n  co ordinates ,  we  will   get  a  servo  a ng le   ca pab le   of   m ov i ng   t o  reach  t he  obj e ct .  Furthe r m or e,   data  will   be   us e d  as  trai nin g  data  in   a da ptive  neuro  f u zzy   infer e nce  syst e m   (ANF IS ) .   Inverse  ki nem at ic   m od el   data   co ns ist ing  of  c oor din at e d at a ( x   an d  y )  of  col or e d  obj ect s,   a nd  5  ser vos  ang le s   with   tr ai ned  data  (Ca l  =  Ca li br at io n)  an d  te ste d  data  ( A NFIS  =  A da ptive  N euro  Fu zzy   I nfere nce   Syst e m   trai nin g)   are  pr ese nte d  in  Table  1 .   Ex per im ent  resu lt   us in g  A dapt ive  Neuro   F uz zy   In fe ren ce  S yst e m   sh ows  the e ff e ct iveness o f  th e ap proac h  in  c on t ro l R obot  A rm  to  pick  a nd  place t he  co l ored  obj ect .     Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Colore d ob je ct  d et ect io n usin g 5 dof  rob ot arm base d a dapt iv e n eur o - f uz z y  meth od   ( Muji ar to )   297   Table  1.   T he  dat abase  of   I nv e rse Kinem at ic   Mod el  t o  Co nt ro l R obot  Ar m   Co o r d in ate   Servo 1   Servo 2   Servo 3   Servo 4   Servo 5   x   y   Cal   ANFIS   Cal   ANFIS   Cal   ANFIS   Cal   ANFIS   Cal   ANFIS   107   205   113   110 . 998   174   16 8 . 34 1   50   60 . 45 21   38   44 . 30 76   105   105   105   205   113   111 . 646   174   16 8 . 48   50   60 . 18 76   38   44 . 31 37   105   105   103   207   113   112 . 239   174   16 9 . 50 7   50   58 . 43 71   38   44 . 82 38   105   105   107   210   113   110 . 602   174   17 0 . 34 7   50   57 . 04 96   38   45 . 24 88   105   105   102   210   113   112 . 193   174   17 0 . 74 6   50   56 . 37 49   38   45 . 56 33   105   105       6.   IMPLEME N TATION  OF   COLO R DET ECTION   As  sho wn   i n  F igure  6,   t he  r obot  arm   detect s  a  red   ob j ect   with  the  hel p  of  a  web c am .  Nex t,  the  r obot  picks  up   t he  obj ect   a nd   m oves  it   in  the  sp ace  prov i ded.  Ex per im ental   resu lt s  show  th at   the  robo t  ar m   is   capab le   of  pe rfor m ing   it s  ta sk s  to  detect   color e d  obj e ct s,  r et rieve  an d  m ov e  obj ect s  by  con t ro l  syst em   us ing   ANFIS .  Wh e n  com par ed   wit h  s om e  li te rat ur e   [ 18 - 23 ] ,  t he  resu lt s  of  this  stu dy  in di cat e  a  bette r  l evel  of   accuracy.           (a)   Fin d  c olore d object   (b)  Pic k  c olore d object         (c)   Plac e col ored  obj ect     Figure  6.   Ex pe rim ental  r esult of the a rm  r obot       7.   CONCL US I O N   In   this  w ork,   A NF I S  ha s  bee n  util iz ed  to  obta in  the  so l utio n  of  in ver se  ki nem atic  pr oble m   of   5  DOF  rob ot  arm .  In   t his  ap proac h,  inv e rs  kin em at i cs  relat ions  of  rob ot  are   us e d  to   obta in  t he   data  f or  trai nin g  of   ANFIS.  Im age  proces sin g  be en  processe d  by   al go rithm   based   on  MA TL AB  to   detect io n  of  col or e d  obj ect .   Finall y,  the  im plem entat ion   of  re d  c olor  detect ion   a nd  co ordi nate  to  c on t ro l  5  DoF  of  Robot  A rm   based   on   Ardu i no m ic ro con t ro ll er  w orks  e ff ect ive  to t ake and pla ce  the co l or e d o bject .   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   1 ,  Ja nu a ry 20 19   :   2 9 3   –   2 9 9   298   ACKN OWLE DGE MENT   Thi s  pr oj ect   is   par ti al ly   funded  by  t he  Re s earch  Ma na ge m ent,  Inn ov at i on   &  Com m e rcial iz at ion   Ce nter,   U niv e r sit i Sulta n  Zai na l Ab i din .       REFERE NCE S   [1]   E.   Ebr ahi m i  and   K.  Molla z ade.  “ Inte ll ig ent   fau lt  cl assifi ca t ion  of   a  tracto r  st art er  m otor  using  vibra ti on  m onit orin g   and  ad apt iv e  n e uro - fuz z y   infe r e nce   s y stem” .   Ins ight - Non - Destructive   Test ing  an d  Condit ion   Mo nit oring ,   Vol.   5 2,   No.  10,   (2010),  pp.   561 - 566 .   [2]   D.  Skarla tos,  K.   Kara kasis  and  A.  Troc hidi s .   “ Rai lwa y   whee l  fa ult   dia gnosis  usi ng  a  fuz z y - log ic  m et hod”.   Appli ed  Ac ousti cs ,   Vol .   65,   No.   10,   (200 4),   pp .   951 - 966 .   [3]   K.  Molla z ade,  H.  Ahm adi ,   M.  Om id  and  R.   Alimarda ni .   “ An  int ellige nt  m odel   b ase d  on  d at a  m ini n g  and  fuz z y   log i c   for  fau lt   di agnos is  of  ext ern al   ge ar  h y dr aulic  pu m ps”.   Insight - Non - Destructi v e  Testing  and  Condit ion  Moni torin g ,  51(11),   (2009) ,   pp.   594 - 600 .   [4]   L.   J.   De  Migue l  and  L.   F .   Bl á zque z .   “ Fuzz y   l ogic - base d   de - c i sion - m aki ng  for  fau lt  d ia gnosis   in  a   DC  m otor” .   Engi ne er - ing  Ap pli cations of   Artific ia l  In te l li gen c e ,   Vol .   18 ,   No .   4 ,   (2005) ,   pp .   423 - 450.   [5]   S.  Bhat t ac h ar yya,   D.   Basu,   A.   Konar  and   D.  N .   Ti b are wa la.  In te rva l  t y p e - 2  fu zzy   log ic   b ase d  m ult ic la ss   AN FIS  al gorit hm   for  re al - ti m e  E EG   base d  m ovement  cont rol  of  a  robot  arm.   Robo ti cs  a nd  Aut onomous   Syste ms ,   Vol .   68 ,  (2015),   pp .   104 - 115.   [6]   K.  Uca k,   F.  Ca l iskan  and  G.   Oke.   Faul t  di agnosis  in  a  non - li ne a r  thre e - ta nk  s y st em  via   AN FIS .   In  El e ct rica l  an d  El e c - tronic s  Eng ine ering   ( ELECO) ,   20 13  8th  Int ernati onal   Con - f ere nce on  I EEE .   (2013), pp. 566 - 570.   [7]   M.  Hos oz,   H.  M.  Ert un c,   M.  Kar abe kt as  and  G.  Erge n.   “ AN FIS   m odel li ng  of  th e   per form anc e  an d  emiss ions  of  a  die sel  eng ine   usi ng  die sel  fue l  an d  biodi ese l  b le n ds”.   Applied  The rm al  Engi nee rin g ,   Vol.   60,   No.  1,   (2013),   pp.   24 - 32.   [8]   S.  H.  Aza di,   H.  R.   Neda m ani   an d  R.   Kaz emi.   “ Autom at ic   Parkin g  of  an  Artic ul ated  Vehic l e  Us ing  AN FI S”.   Globa l   Journal  of   Scien ce ,   Eng ine ering   and  Technol og y ,   Vol.   14,   (2013), pp. 93 - 104.   [9]   P.  Mitra ,   S.  Ma uli k,   S.  P .   Cho wdhur y   and  S.  Chowdhur y .   “ AN FIS   base d  aut om at ic   voltage  r egul a tor  with  h ybri d   le arn ing  a lgori th m ”.   In  Univ ersiti es  Powe r  Enginee ring  Conf ere nce ,   2007.   UP E C  2007.   42nd  I nte rna ti ona l  IE E E,  (2007),   pp .   397 - 401.   [10]   K.  C.   Schurte r  and  P.  N.  Rosc hke.   “ Fuz z y   m odel ing  of  a  m agne torhe o logi c al   damper  using  AN FIS ”.   In  Fuz z y   S y stems ,   2000.   FU ZZ   IEEE  200 0.   The   Nint h   IEEE  Int ernati onal   Confe renc e  on   I EE E ,   Vol .   1 ,   (20 00),   pp .   122 - 127 .   [11]   L.   Ying ji e   and   W .   Baoshu.   “ Stu d y   on   th e  con tro l  cour se   of  AN FIS   base d  a irc r a ft   aut o - la nding ”.  J ournal  of  Syst ems   Engi ne ering  and   Elec troni cs ,   Vol .   16 ,   No.   3,   (200 5),   pp .   583 - 587 .   [12]   H.  Baser i  and  G.  Aline j ad.  “ AN FIS   m odel ing  of  the   surfa ce   r oughness  in  gri nding  proc ess” .   World  Ac adem y   of   Sci en ce,  Eng ineering  and  Tech nology ,   Inte rnat ional   Journal   of   Me - chan ic al ,   A erospace ,   Indust rial,   M ec hatron i c   and  Manufacturi ng  Engi n ee ring ,   Vol.   5 ,   No.   1,   (2 011),   pp .   75 - 79 .   [13]   J.  Singh  and  S.  S.  Gill.  “ Modell in g  for  te nsil e  stre ngth  of  friction  welde d  a luminiu m   pipe s  b y   AN FIS ”.   Inte rnat ion al   Journal  of   Int el l i gent   Engi ne erin g  Informatic s ,   V ol.   1 ,   No .   1 ,   (20 10),   pp .   3 - 20 .   [14]   A.  B.   Muljono ,   I.   M.  Gin arsa ,   I .   M.  A.  Nr art ha ,   A.  Dharm a.  “ Coordina ti on   of   Adapti ve   Neur o  Fuzz y   Infe r en ce  S y stem  (AN FIS )   and  T y p e - 2  Fuz z y   Logi c  S y s te m - Pow er  Sy st em  Stabi lizer   (T2FL S - PSS)  to  Im pro ve  a  La rg e - sca le  Pow er  Sy st em  Stabi lit y ” .   Inte r nati onal  Journa l  of  Elec tri cal   a nd  Computer  Engi nee ring ( IJE C E) .   Vol.   8,   No.  1,   (2018),   pp .   76 - 8 6.   [15]   D.  Mlaki ć,   L .   Majda ndž ić ,   S.  Nikolovski.   “ A NF IS   used  as  a   Maximum  Po w er  Point  Tr ac ki ng  Algorit hm   f or  a   Photovolt aic  S y s te m ”.   In te rnatio nal  Journal  o f  E le c tric al  and   Co mputer  Engi ne er ing ( IJE CE) .   Vol.   8,   No.  2 ,   (2018 ),  pp.   867 - 879 .   [16]   M.  S.  A.   Azi z,  M.  El sam ah y ,   M .   A.   M.  Hass an  a nd  F.  Bend ar y .   A  Secur e  AN FIS   base d  Re lay   fo r  Turbo - Gen e rators   Phase  Bac kup  Protection.   Indon esian  Journal  of   El ectric al  Eng i nee ring  and  Computer  Sci ence ( IJE CE) .   Vol.   3,   No.  2,   (2016) ,   pp .   24 9 - 263.   [17]   B.   Ferdi ,   S.  Dib ,   B.   B erb aou i,   R.   Dehini.  Desi gn  and  Sim ula t i on  of  D y n amic  Volta ge  R estorer  Based  on  Fu z z y   Co ntrol le r   Opti m iz ed  b y   AN FIS .   Inte rnat ional   Journal  of   Power   El e ct ronics  an d  Dr iv e  S yste m I JE P EDS) .   Vol.   4 ,   No.  2,   (2014), p p.   212 - 222 .   [18]   M.  Ö.  Efe .   “ Frac ti on al   fuz z y   ad apt iv e  slidi ng - m ode  cont rol  of  a  2 - DO F  dire ct - drive   robot  arm”.   I EE E  Tr ansacti o ns  on  S yste ms ,   Man ,   and   Cybe rne ti c s,  Part B  ( Cybe r net i cs) ,   Vol.   38 ,   No.  6,   (2008), p p.   1561 - 1570 .   [19]   A.  F.  Am er.,   E.  A.  Sa ll am  and   W .   M.   Elawad y .   “ Adapti v e  fu zzy   sl idi ng  m od e  con trol  using  supervisor y   fuz z y   cont rol   for  3   DO F pla nar   robot   m ani pul at ors”.  Ap pli ed   Soft Compu - ti ng ,   Vol.   11,   No.  8,   (2011), p p.   4943 - 4953 .   [20]   F.  Pierrot.,   V.  N aba t . ,   O .   Com pan y . ,   S.  Krut   and  P.  Poignet .   “ Optimal  design  of  a  4 - DO F  par al le l   m ani pula tor :  From   ac - ad emia to  in d ustr y ” .   I EEE  Tr ansacti ons on Ro boti cs ,   Vol.   25,   No.  2,   (2009), p p.   213 - 224 .   [21]   A.  Lot f azar.,  M.   Eght es ad  and   M.  Mohs eni .   “ In te gra tor  ba ckstepping  cont ro l  of   a  5  DoF   robot  m ani pul at or  inc or po - rat ing  ac tu at or  d y nami cs” .   In  Co ntrol  Appl i cat io ns ,   2003.   CCA  2003.   Proceedi n gs  of  2003  IEE E   Confe renc e .   Vo l .   2,   (2003) ,   pp .   10 07 - 1012.   [22]   S.  Alava ndar   a nd  M.  J.  Niga m .   “ Adapti ve  Neuro - Fuzz y   In - fer ence  S y st em  base d  cont ro l  of  six  DO F  ro bot  m ani pula tor ”.  Jo urnal  of Engi ne e ring S cienc e   &   T ec hnolog y  R evie w ,   Vol.   1,   No.   1,   (2008), pp. 106 - 111.   [23]   S.  Klanke . ,   D.  Le bed ev.,  R.   Ha schk e. ,   J.  Ste il   a nd  H.  Rit te r.   “ Dy nami c  pat h  planning  for  a  7 - dof  robot  arm”.   In  Inte lligen t  Robo t s and  Syste ms ,   2 006  IEEE/RSJ I nte rna ti ona l  Con fer ence. (2006),  pp.   3879 - 3884 .   [24]   V.  S.  Kum ar,   S.  As wath. ,   T .   S.  Shashidhar  and  R.   K.  Choudhar y .   “ A  Novel  De sign  of  a  Full  L engt h  Pros the tic   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Colore d ob je ct  d et ect io n usin g 5 dof  rob ot arm base d a dapt iv e n eur o - f uz z y  meth od   ( Muji ar to )   299   Roboti c  Arm   for  the   Disabl ed”.   In  Robot   Int el ligence   Te ch - nolo gy  and  Appl i cati ons   4.   Vol.   447,   (2017),   pp.   271 - 287.   [25]   N.  Kapoor  and   J.  Ohri.   “ Slidi ng  Mode  Control   ( SM C)  of  Robot  Manipul at o r  vi a  Inte lligen t  Contr oll ers” .   Journal   of   The  Instit u ti on  o f  Eng ine ers :  Se ri es  B,   Vol.   98,   No.  1 ,   (2017) ,   pp .   83 - 98.   [26]   A.  Sam bas,   S.  Vaid y an at han ,   M.   Mam at ,   W .   S.  M.  Sanjay a   and  D.  S .   Rahay u .   “ A  3 - D  Novel  Jerk  Chaot i c  S y st e m   and  Its  Applicat ion  in  Secur e  C om m unic at ion  Sy stem  and  Mobi le   Robot  Nav ig at ion ”.   Studi es  i n  Com puta ti ona l   Inte lligen ce.  Vol .   636 ,   (2016) ,   pp .   283 - 310 .   [27]   J.  S.  Jang.   “ AN FIS :  ada pti v e - ne twork - base d  fuz z y   infe r enc e  s y s te m ”.   I EE E   tran sacti ons  on  syst ems,  man,  and  c y - berne tics ,   Vol .   2 3,   No.   3,   (1993), pp. 665 - 685.   [28]   J.  G.  Juang. ,   Y.  J.  Tsai   and  Y.  W .   Fan.   “ Visu al   rec ogn it ion  a nd  it s  appl ic a ti o n  to  robot  arm  cont rol ” .  Applie d  Sci en ce s ,   Vol.   5,   No.  4 ,   (2015) ,   p p.   85 1 - 880 .   Evaluation Warning : The document was created with Spire.PDF for Python.