TUGAS AKHIR TE 091399 PERANCANGAN KONTROLER KASKADE FUZZY UNTUK PENGATURAN TEKANAN PADA PRESSURE CONTROL TRAINER 38-714 Nur Muhlis NRP 2208 100 662 JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2011
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Latar Belakang Permasalahan Tujuan Sistem kontrol pneumatik tekanan rendah secara luas telah diterapkan pada teknologi sistem kontrol industri Perubahan variasi beban dan gangguan pada teknologi elektro-pneumatik dapat menyebabkan respon sistem tidak sesuai dengan kriteria yang diharapkan Salah satu dari teknologi elektro-pneumatik adalah sistem pressure control trainer 38-714.
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Latar Belakang Permasalahan Tujuan Mempertahankan respon sistem agar tetap mengikuti nilai setpoint meskipun terjadi perubahan parameter dari plant
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Latar Belakang Permasalahan Tujuan Sistem pressure control trainer 38-714 tetap mengikuti nilai setpoint dan memiliki respon yang cepat terhadap perubahan beban Memiliki error steady state yang kecil bila menggunakan kontroler kaskade fuzzy
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Plant 38-714 Logika Fuzzy Kaskade 4-20 ma Sinyal Pengatur Katup 4-20 ma Sinyal Aliran 4-20 ma Sinyal Tekanan Katup 6 Katup 5 Katup 4 Pengatur Tekanan 1 I/P Pengubah Arus ke Pneumatik Sensor Aliran Sensor Tekanan Katup 3 Katup 2 Penampung Udara Kompresor Pengatur Tekanan 2 Kontrol Katup Pneumatik Orifice Katup 1
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Plant 38-714 Logika Fuzzy Kaskade Rule Base Masukan Fuzzifikasi Inference Engine Defuzzifikasi Keluaran Fuzzy metode Takagi-Sugeno adalah metode fuzzy yang keluaran sistem nya tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Plant 38-714 Logika Fuzzy Kaskade Tujuan Mengurangi pengaruh gangguan Meningkatkan atau memperbaiki kedinamisan performasi sistem kendali
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Sinyal Statis Sinyal Dinamis Hasil Antarmuka untuk proses identifikasi
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Sinyal Statis Sinyal Dinamis Hasil Respon Plant Tekanan Respon Plant Aliran N.ts > tr (2N-1).ts < L Nilai Minimal ts dan L dari PRBS
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Sinyal Statis Sinyal Dinamis Hasil Bentuk Sinyal PRBS Respon Plant Tekanan Respon Plant Aliran
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN Sinyal Statis Sinyal Dinamis Hasil (a) (b) Perbandingan Bentuk Respon Plant dan model (a) Tekanan (b) Aliran
Fungsi Alih Model PENDAHULUAN IMPLEMENTASI IDENTIFIKASI KESIMPULAN PERANCANGAN DASAR TEORI Hasil Sinyal Dinamis Sinyal Statis 0.4651 1,439 0,01687 0,02552 2 z z z 0,00009378 0,9821 0,4779 0,4814 2 z z z 0.5494 1,533 0.01778 0.0249 2 z z z 0,0002526 0,9558 0,4187 0,4338 2 z z z 0,2837 0,6912 0.002424 0,02151 2 z z z 0,00002575 0,9571 0,4433 0,46 2 z z z Maksimal Nominal Minimal Aliran Tekanan Fungsi Alih Model Plant Beban
Pendahuluan Menentukan susunan kaskade yang dipergunakan Menyusun kontroler pada masing-masing loop secara terpisah Menyusun kontroler yang telah dibuat dalam susunan kaskade
Pendahuluan Fuzzy PI dipilih karena memiliki performansi yang baik untuk mengurangi steady state error
Pendahuluan Penulisan Algoritma Program
Pendahuluan Fuzzifikasi Bentuk Membership Function e(k) = SP(k) Y(k) de(k) = e(k) e(k-1)
Pendahuluan NB NM NS Z PS PM PB 1 Pemilihan Bentuk Membership Function 0 1-1 -2/3-1/3 0 1/3 2/3 1 NB NM NS Z PS PM PB 0 1-1 -0.5-0.1 0 0.1 0.5 1 NB NM NS Z PS PM PB 0-1 -0.6-0.2 0 0.2 0.6 1
Pendahuluan Rule Base e de NB NM NS Z PS PM PB NB NB NB NB NM NS NS Z NM NB NM NM NM NS Z PS NS NB NM NS NS Z PS PM Z NB NM NS Z PS PM PB PS NM NS Z PS PS PM PB PM NS Z PS PM PM PM PB PB Z PS PS PM PB PB PB Rule Base
Pendahuluan Inference Engine u ( 1) * w(1) (2) * w(2) (3) * w(3) (4) * (1) (2) (3) (4) w (4) Weighing Average
Diagram Alir START e s = 0; de s = 0; SP2 = 0; Y s = 0 memasukkan SP2 Baca Data nilai Y s e s = SP2 Y s de s = e s -ê s Fuzzifikasi e s Domain : NB,NM,NS,Z,PS,PM,PB μ error domain 1 [e s ] μ error domain 2 [e s ] Fuzzifikasi de s Domain : NB,NM,NS,Z,PS,PM,PB μ rate error domain 1 [de s ] μ rate error domain 2 [de s ] Pendahuluan A u = B Rule Base Menggunakan Logika AND w (1), w (2), w (3), w (4) Inference Engine μ (1) * w (1) + μ (2) *w (2) + μ (3) * w (3) + μ (4) * w (4) μ (1) + μ (2) + μ (3) + μ (4) Fuzzy PI u PI (k) = u PI (k-1)+ki * u(k) Plant Aliran Di dapat nilai Y s A B END
Pendahuluan Fuzzifikasi Bentuk Membership Function e(k) = SP(k) Y(k) de(k) = e(k) e(k-1)
Pendahuluan NB NM NS Z PS PM PB 1 Pemilihan Bentuk Membership Function 0 1-1 -2/3-1/3 0 1/3 2/3 1 NB NM NS Z PS PM PB 0 1-1 -0.5-0.1 0 0.1 0.5 1 NB NM NS Z PS PM PB 0-1 -0.6-0.2 0 0.2 0.6 1
Pendahuluan Rule Base e de NB NM NS Z PS PM PB NB NB NB NB NM NS NS Z NM NB NM NM NM NS Z PS NS NB NM NS NS Z PS PM Z NB NM NS Z PS PM PB PS NM NS Z PS PS PM PB PM NS Z PS PM PM PM PB PB Z PS PS PM PB PB PB Rule Base
Pendahuluan Inference Engine u ( 1) * w(1) (2) * w(2) (3) * w(3) (4) * (1) (2) (3) (4) w (4) Weighing Average
Diagram Alir START e p = 0; de p = 0; SP1 = 0; Y p = 0 memasukkan SP1 Baca Data nilai Y p Pendahuluan C D Rule Base Menggunakan Logika AND w (1), w (2), w (3), w (4) e p = SP1 Y p de p = e p -ê p Fuzzifikasi e p Domain : NB,NM,NS,Z,PS,PM,PB μ error domain 1 [e p ] μ error domain 2 [e p ] Fuzzifikasi de p Domain : NB,NM,NS,Z,PS,PM,PB μ rate error domain 1 [de p ] μ rate error domain 2 [de p ] u = Inference Engine μ (1) * w (1) + μ (2) *w (2) + μ (3) * w (3) + μ (4) * w (4) μ (1) + μ (2) + μ (3) + μ (4) Fuzzy PI u PI (k) = u PI (k-1)+ki * u(k) Plant Tekanan Di dapat nilai Y p C D END
Pendahuluan Blok Diagram
Diagram Alir Pendahuluan
Pendahuluan Tampilan
Simulasi Implementasi
Simulasi Implementasi Respon Aliran dengan kontroler Sekunder kes 2 kdes 2 ki s 5
Simulasi Implementasi Respon Tekanan dengan kontroler Primer ke p 0,17 kde 6 ki p 20 p
Simulasi Implementasi Performansi pada Simulasi
Simulasi Implementasi (a) (b) Respon Plant dengan Menggunakan Fuzzy (a) Tekanan (b) Aliran
Simulasi Implementasi Performansi Fuzzy pada Simulasi
Simulasi Implementasi Antarmuka untuk proses Implementasi
Simulasi Implementasi Agar dapat diimplementasikan pada plant maka diperlukan penyesuaian gain dari kontroler kes 2 kdes 2 ki s 1 ke p 0,08 kde p 3 ki p 3, 5
Simulasi Implementasi Respon Plant dengan Menggunakan
Simulasi Implementasi Respon Plant dengan Menggunakan
Simulasi Implementasi (a) (b) Respon Plant dengan Menggunakan Fuzzy (a) Tekanan (b) Aliran
Simulasi Implementasi Perbandingan Kontroler Tunggal dengan Kaskade Perbandingan Performansi Kontroler Fuzzy Tunggal dan Fuzzy
PENDAHULUAN DASAR TEORI IDENTIFIKASI PERANCANGAN IMPLEMENTASI KESIMPULAN fuzzy dalam penelitian ini mampu mengurangi nilai overshoot dan waktu steady state. hal ini bila dibandingkan dengan kontroler fuzzy tunggal Perubahan bentuk membership function pada kontroler primer tidak terlalu signifikan terhadap hasil respon, sedangkan pada perubahan bentuk membership function pada kontroler sekunder berpengaruh terhadap hasil respon Meskipun hasil perancangan pada kontroler sekunder pada saat keadaan steady state memiliki nilai osilasi yang besar, kontroler sekunder tersebut tetap bisa diterapkan pada susunan kontroler kaskade fuzzy Kontroler kaskade fuzzy mampu mengendalikan tekanan pada plant pressure control trainer 38-714
Terima Kasih