PENGENDALIAN TEKANAN PADA PRESSURE PROCESS RIG MELALUI MODBUS MENGGUNAKAN KONTROLER FUZZY-PID. Tedy Ade Wijaya

Transkripsi

1 PENGENDALIAN TEKANAN PADA PRESSURE PROCESS RIG MELALUI MODBUS MENGGUNAKAN KONTROLER FUZZY-PID Tedy Ade Wijaya Simulai Sidang Tuga Akhir januari 011

2 Pembahaan Materi Pendahuluan Perancangan Sitem Perancangan Kontroler Implementai Kontroler Pengujian Kontroler Analia Keimpulan

3 Pendahuluan Latar Belakang Perumuan Maalah Bataan Maalah Tujuan

4 Latar Belakang Pengendalian plant preure riil berhubungan dengan perubahan beban tertentu, noie dan repon yang lambat. MODBUS tandar protokol komunikai di dunia indutri. Pengendali PID memiliki tingkat kerja yang tinggi apabila gain diatur oleh eeorang yang memiliki pengalaman pada plant yang akan dikontrol.

5 Perumuan Maalah Plant Preure Proce Rig memiliki perubahan variable beban dan juga noie yang berifat acak. Pengendali PID hanya mampu mengendalikan plant apabila perubahan parameter yang terjadi tidak terlalu bear. Logika Fuzzy yang digunakan haru memiliki nilai pada Fuzzy rule yang tepat agar parameter yang dihailkan untuk tiap perubahan beban dapat menghailkan pengendali PID yang dapat mengontrol plant dengan tabil.

6 Bataan Maalah Logika Fuzzy digunakan untuk menentukan nilai gain parameter PID apabila terjadi perubahan beban pada plant. Pendekatan item pada plant adalah item orde. Perancangan dan implementai pengendali menggunakan oftware LabVIEW.

7 Tujuan 1. Mendapatkan data melalui komunikai MODBUS untuk keperluan identifkai dan pengendalian.. Mendapatkan model matemati Preure Conrol Trainer Feedback Merancang pengendali tekanan dengan pengendali Fuzzy-PID. 4. Mengimplementaikan hail deain pengendali pada Preure Proce Rig Menganalia ketabilan repon item cloed-loop terhadap perubahan parameter plant.

8 Perancangan Sitem Pengenalan Plant Identifikai Plant Deain Program Simulai Deain Program Implementai

9 Pengenalan Plant

10 Mode Komunikai Modbu Unicat Broadcat

11 Mode Komunikai Modbu

12 Konfigurai Identifikai Preure Proce RIG Proce Controller MODBUS PC OPC Senor Tekanan 4 0 ma 4 0 ma OLE Pneumatik Kontrol Valve 4 0 ma Proce Interface LabVIEW

13 Identifikai Model Plant Menggunakan Metode Strejc

14 K n Parameter yang dicari : Y = X Tu = Ta = Ta = = 191 = = 0, = = 34,1633,718 T,718 Tu Tu' = Ta = 0, = 9,67 Ta table = Tu Tu' = 13 9,67 = 3,38 n Ta/ T Tu/T Tu/Ta Berdaarkan parameter yang didapat 1Maka 1Peramaan 0 model 0plant untuk kondii nominal,718 0,8 0, ,695 0,805 0,18 4 4,463 1,45 S 0,319 G( ) = G( ) = G( ) = Ke 5 5,119,100 0,410 ( T 1) n 0,955e 3.38S ( 34,1633 1) , ,4367 1

15 Validai Model n 1 ( x x') MSE = n i= 1 x RMSE = MSE MSE = 9,561% RMSE = 3,09%

16 Peramaan Model Plant Kondii Beban Peramaan Model Plant RMSE Nominal ,09% Makimal ,19% Minimal, , ,19%

17 Identifikai Loop Tertutup R() Set point Kp G() U() - K(A 1) G() = ( α β 1) R() U() R() U() KpK(A 1)/( α β 1) = 1 KpK(A 1)/( α β 1) = KpK (A 1) KpK 1 α β KpK KpK 1 KpK 1 1

18 = 1) ' ' ( 1) K'(A' β α 1 1 KpK KpK 1 KpK (A 1) 1 KpK KpK β α Bila: Maka : 1 KpK KpK ' = K 1 KpK ' = α α 1 KpK KpK ' = β β ' A A =

19 Peramaan Model Plant loop terbuka Kondii Beban K A α β Nominal 0,8488 3, , ,4888 Makimal 0,43 1, ,335 76,8351 Minimal 0,085, , ,0886 0,84888(3,38 1) G( ) nom = 6016, , ,434(1,6 1) G( ) mak = 13536,335 76, ,0853(,99 1) G( )min = 7643, ,

20 Deain Program Simulai

21 Deain Program Implementai

22 Perancangan Kontroler Deain Kontroler PID Deain Kontroler Fuzzy PID

23 Deain Kontroler PID E() U() Kp d d i 1 1 1) ( K n ω n ζ ω - R() C() [ ] [ ] 1 ) ( ) ( 1 1 1) ( 1 ) ( ) ( ) ( ) ( 1 1 = KKp KKp R C d i d d i n n d i d i d d i ω ξ ω = d n d i ω ξ = Jika : 1 1 ) ( n i d d i ω = K Kp i * =

24 KKp KKp R C = i ) ( ) ( = d n d i ω ξ = Maka: 1 1 ) ( n i d d i ω = K Kp i * = Repon menyerupai plant orde 1 maka: 1 1 ) ( ) ( = KKp R C i 1 * ) ( ) ( = K R C

25 Kriteria repon yang diinginkan: Kondii Nominal : t(±5%) ekitar 30, zero overhoot Kondii Makimal : t(±5%) ekitar 35, zero overhoot Kondii Minimal : t(±5%) ekitar 60, zero overhoot

26 Deain Kontroler PID Kondii Kp i d1 d Nominal , ,0804 3,3 Makimal , , ,6 Minimal , ,48178,99

27 Deain Kontroler Fuzzy PID

28 3 Memberhip Function Flow DFlow N Z P Kp S M B

29 3 Memberhip Function Flow DFlow N Z P i S M B

30 3 Memberhip Function Flow DFlow N Z P d1 S M B

31 3 Memberhip Function Flow DFlow N Z P d S M B

32 Rule Bae 3 memberhip function Error/D Error N Z P N S S S Z M M M P B B B Error/D Error KP d1 N Z P N S S S Z M M M P B B B Error/D Error N Z P N B B B Error/D Error i Z M M M P S S S d N Z P N S S S Z M M M P B B B

33 Rule Bae 5 memberhip function KP F/DF N Nz Z Pz P N S S SM M M Nz S SM M M M Z SM M M M BM Pz M M M BM B P M M BM B B i F/DF N Nz Z Pz P N B B BM M M Nz B BM M M M Z BM M M M SM Pz M M M SM S P M M SM S S

34 Rule Bae 5 memberhip function d1 F/DF N Nz Z Pz P N S S SM M M Nz S SM M M M Z SM M M M BM Pz M M M BM B P M M BM B B d F/DF N Nz Z Pz P N B B BM M M Nz B BM M M M Z BM M M M SM Pz M M M SM S P M M SM S S

35 5 Memberhip Function Flow DFlow Kp

36 5 Memberhip Function Flow DFlow i

37 5 Memberhip Function Flow DFlow d1

38 5 Memberhip Function Flow DFlow d

39 Pengujian Kontroler Pengujian Kontroler PID Pengujian Kontroler Fuzzy PID

40 Implementai Kontroler PID Repon Kondii Beban Nominal

41 Implementai Kontroler PID Repon Kondii Beban Makimal

42 Implementai Kontroler PID Repon Kondii Beban Minimal

43 Pengujian Kontroler Fuzzy PID Repon Kontroler Fuzzy PID 3 Memberhip Function

44 Pengujian Kontroler Fuzzy PID Repon Kontroler Fuzzy PID 5 Memberhip Function

45 Analia Analia Kontroler PID Analii Analia Kontroler Fuzzy PID

46 Performani Kontroler PID Analii Kondii Mp(%) T(5%)(detik) E(%) Nominal 0 46,1 3,6 Makimal 0 0,6 0,05 Minimal 7 30,

47 Analii Kontroler Fuzzy PID 3 memberhip Function Kondii awal Kondii perubahan MP(%) T(5%) (detik) E(%) 0 Nominal 0 14, 0,01% Nominal Makimal 0 1,1 0,4 Nominal Minimal 6,5 7,3,4 Makimal Nominal 0 0 0,85 Makimal Minimal 6,7 15,4 3,5 Minimal Nominal 0 0 0,4 Minimal Makimal 0 9,4 0,6

48 Analii Kontroler Fuzzy PID 5 memberhip Function Kondii awal Kondii perubahan MP(%) T(5%)( detik) E(%) 0 Nominal 0,04 14,5 0,0 Nominal Makimal 0 13,4 0,5 Nominal Minimal 6,05 7.7,8 Makimal Nominal 0 0 0,75 Makimal Minimal Minimal Nominal 0 0 0,45 Minimal Makimal 0 3,3 0,5

49 Keimpulan Pengendali fuzzy PID memiliki repon yang lebih cepat dari pengendali PID konvenional. Hal ini dapat dilihat dari repon plant pada kondii nominal aat t(5%) ebear 14, detik untuk pengendali fuzzy PID dan 46,1 untuk pengendali PID. Jumlah memberhip function berpengaruh dalam pemilihan rule bae. Semakin banyak jumlah rule bae maka akan emakin ulit menempatkan rule bae pada kondii yang tepat. Efek yang paling terlihat adalah pada aat kondi perubahan beban menuju kondii beban minimal. pengendali fuzzy PID menggunakan 3 memberhip function dapat tercapai dengan waktu 7,3 detik dan pengendali fuzzy PID menggunakan 5 memberhip function dengan waktu 7,7 detik.