Presentasi Tugas Akhir

Transkripsi

1 Presentasi Tugas Akhir OPTIMASI KONTROLER PID BERBASIS ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK PENGENDALIAN KECEPATAN MOTOR INDUKSI TIGA FASE Oleh: Suhartono ( ) Pembimbing: Ir. Ali Fatoni, MT

2 Agenda Presentasi

3 Latar Belakang Kontroler PID merupakan kontroler yang paling banyak digunakan di industri hal ini dikarenakan kontroller PID memiliki keunggulan berupa keefektifannya luar biasa, mudah diimplementasikan serta aplikasinya yang sangat luar biasa Masalah utama dalam perancangan kontroller PID adalah proses tuningnya (penentuan nilai Kp, Ki, dan Kd) yang kebanyakan dilakukan secara coba-coba dan membutuhkan waktu yang lama Penggunaan metode komputasi cerdas seperti PSO-PID, GA-PID, ACO-PID, BFO-PID membuka jalan baru bagi metode tuning modern untuk menetukan parameter PID yang optimal, dan metode metode ini dirancang untuk mengatasi sistem yang kompleks

4 Permasalahan Permasalahan pada tugas akhir ini adalah bagaimana membuat inverter tiga fase dengan teknik sinusoidal Pulse Width Modulation untuk memvariasikan putaran motor induksi dengan menggunakan mikrokontroler atmega 32, melakukan identifikasi terhadap plant serta mendapatkan parameter kp,ki dan kd dari metode PSO yang telah dibuat di Matlab, menerapkan hasil parameter yang didapat pada pada plant yang telah dibuat.

5 Pada tugas akhir ini bertujuan untuk mendapatkan hasil yang paling bagus dalam penetuan kriteria yang meliputi setling time, rise time, maximum overshoot, error steady state dari hasil penerapan dua metode dalam menentukan tuning PID dengan menggunakan PSO. Tujuan

6 Pada tugas akhir ini memiliki batasan batasan pengerjaannya di antaranya penghitungan parameter kp, ki dan kd dilakukan secara offline Batasan Masalah

7 PSO didasarkan pada perilaku sebuah kawasan burung atau ikan. Algoritma PSO meniru perilaku sosial organisme ini.. perilaku sosial terdiri dari tindakan individu dan pengaruh dari individu-individu lain dalam sesuatu kelompok kata partikel menunjukkan, misalnya, seekor burung dalam kawanan burung. setiap individu atau partikel berperilaku dengan cara menggunakan kecerdasannya (intelegence) sendiri dan juga dipengaruhi perilaku kelompok kolektifnya. Dengan demikian, jika satu partikel atau seekor burung menemukan jalan yang tepat atau pendek menuju ke sumber makanan, sisa kelompok yang lain juga akan dapat segera mengikuti jalan tersebut meskipun lokasi mereka jauh dari kelompok tersebut. PARTICLE SWARM OPTIMIZATION

8

9 Berikut ini merupakan model matematika yang menggambarkan mekanisme updating status partikel Kennedy dan Eberhert

10

11 1. Pembangkitan populasi awal secara acak. 2. Evaluasi fungsi fitnes. 3. Membandingkan nilai evaluasi fitness dengan pbest. Jika nilai sekarang lebih baik dari pbest, maka set nilai pbest sama dengan nilai sekarang. Dan pbestij(t) sama dengan nilai posisi sekarang pada dimensi j. 4. Identifikasi partikel partikel lain yang mempunyai pbest, jika nilai pbest lebih besar dari gbest, maka set gbest sama dengan pbest. 5. Update nilai kecepatan dan posisi suatu partikel. 6. Mengulangi langkah 2 sampai kriteria telah cocok (mempunyai nilai fitness yang optimum atau jumlah iterasi telah tercapai). Mekanisme PSO

12 Algoritma PSO

13 Ilustrasi konsep PSO

14 Motor induksi 3 fasa banyak digunakan dalam industri dan dalam penerapan komersial yang membutuhkan kesetimbangan beban dalam sesuatu sistem. Keuntungan motor induksi ini adalah kecepatannya yang konstan pada saat tidak berbeban, turun sedikit (beberapa persen) dari beban nol pada saat dioperasikan dalam keadaan beban nominal dan dapat melakukan start secara mandiri atau self-starting tanpa menggunakan kapasitor, belitan start, sakelar sentrifugal atau peralatan untuk starting lainnya. Motor induksi tiga fase

15 Prinsip kerja Motor Induksi tiga fase

16 Rangkaian yang berfungsi untuk merubah tegangan DC (searah) menjadi tegangan AC (bolak-balik) inverter

17 Vektor tegangan digunakan untuk menetukan penyulutan pada inverter agar mendapatkan tegangan AC 3 fasa. Vektor tegangan

18 Blok diagram

19 Jenis motor ( m ) : 3 fasa Putaran nominal ( n ) : 1500 Rpm Frekwensi ( f ) : 50 Hz Jumlah alur ( G ) : 24 lobang ( alur ) Diameter dalam stator (D1) : 48 mm = 4,8 cm Diameter luar stator (D2) : 90 mm = 9 cm Panjang stator (L) : 51 mm = 5,1 cm Tebal gandar stator (Dy) : 21 mm = 2,1 cm Lebar gigi terkecil (Wts1) : 4 mm = 0,4 cm Jenis gulungan : spiral / rata Sedangkan setelah diukur dan dihitung, motor induksi yang dipakai memiliki data sebagai berikut : Putaran nominal (n) : 1490 rpm Arus / sanggul : A Resistansi / sanggul : 28 Ω Induktansi / sanggul : H Parameter Motor Induksi 3 Fase

20 Dalam perancangan hardware ini akan dibuat sesuatu inverter tiga fase beserta rangkaian pendukung lainnya yang mampu mencatu tegangan tiga fase untuk menggerakkan motor induksi mini. Gambar 3.2 menunjukkan rangkaian secara keseluruhan Inverter 3 Fase. Perancangan hardware inverter

21 Dalam perancangan hardware ini akan dibuat sesuatu inverter tiga fase beserta rangkaian pendukung lainnya yang mampu mencatu tegangan tiga fase untuk menggerakkan motor induksi mini. Gambar 3.2 menunjukkan rangkaian secara keseluruhan Inverter 3 Fase. Perancangan hardware inverter

22 Pengujian untuk penyulut mosfet

23 Pengujian untuk gelombang keluaran inverter

24 0.2173s PID(s) Step s s Add PID Controller Transfer Fcn keluaran1 To Workspace1 1 Out1 u 1 s ea Abs Integrator To Workspace Display s s s Transfer Fcn1 ise ISE 2 Constant uv 1 s Integrator1 Math Function simulasi untuk perhitungan PSO Scope Display1

25 ଶ Model yang didapat

26 200 fu n g s i f itn e s s iterasi Nilai setpoint 1000 RPM 50 populasi 1200 kecepatan referensi kecepatan dengan PSO - PID kecepatan tanpa kontroler iterasi 70 Kp Ki Kd %Mp tr det ts det IAE ESS 0 RPM Final value 1000 RPM k e c e p a ta n (d e t ) Item waktu(det) Iterasi ke 70

27 1200 kecepatan (RPM) ,05 x waktu (detik) Hasil Implementasi

28 1. Dengan menggunakan algoritma particle swarm optimization untuk tunning PID pada kecepatan motor induksi tiga fase dengan wmax = 0,75, wmin = 0,25, iterasi sebanyak 20 dan populasi sebanyak 50 didapatkan Didapatkan Kp=11,2215, ki=2,0873 dan Kd=5, Dari hasil implementasi yang dilakukan bahwa pada saat Kp=11,2215, ki=2,0873 dan Kd=5,4503 didapati rise time sebesar 8,4 detik, overshoot sebesar 2%, setling time sebesar 10,72 detik dan error steady state sebesar 20 RPM. Kesimpulan

29 Dalam pengerjakan dan penyelesaian Proyek Akhir ini tentu tidak lepas dari berbagai macam kekurangan dan kelemahan, baik itu pada sistem maupun pada peralatan yang telah dibuat. Untuk kelanjutan Tugas Akhir yang akan datang agar mempermudah proses pembuatan harap memilih komponen-komponen yang terbaik karena pengaruh komponen sangat besar untuk kelancaran Saran