JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7
1
Kontrol Fuzzy Adaptif Gain Scheduling Untuk Pengaturan Kecepatan Motor Induksi 3 Fasa Ovi Candra Wardianto, Rusdhianto Effendie AK, dan Josaphat Pramudijanto
Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected],
[email protected],
[email protected] Abstrak—Motor induksi tiga fasa merupakan motor elektrik yang banyak digunakan dalam dunia industri. Perubahan beban pada motor dapat mempengaruhi kecepatannya. Adanya perubahan beban pada motor induksi tiga fasa mengakibatkan sistem menjadi tidak linier. Penerapan kontroler yang sudah ada dan sering digunakan untuk kendali kecepatan motor adalah kontroler PID. Kelemahan kontroler PID terletak pada penentuan dari konstanta proporsional (Kp) dan konstanta integral (Ki), dan konstanta derivatif (Kd) yang nilainya tetap sehingga motor tidak dapat mempertahankan kecepaannya secara konstan bila terjadi pertambahan beban. Adanya perubahan parameter dapat mengakibatkan perubahan respon yang cukup signifikan. Metode Fuzzy Gain Scheduling digunakan untuk mengatasi permasalahan ini. Metode ini dapat mengubah dan menyesaikan parameter kendali secara otomatis sehingga motor induksi tiga fasa dapat mempertahankan kecepatannya seiring terjadi pertambahan beban. Penerapan metode Fuzzy Gain Scheduling menggunakan PLC Mitsubishi Q-Series. Hasil pengujian metode Fuzzy Gain scheduling mampu memperbaiki performasi sistem pada tiap kondisi pembebanan. Hasil respon mendekati respon beban nominal dengan spesifikasi rata-rata sebesar 1,9 detik, ts(5%) sebesar 5,9 detik, tr(5%95%) sebesar 5,8 detik, dan ess sebesar 0,06%. Kata Kunci— Motor Induksi Tiga Fasa, Fuzzy Gain Scheduling, PLC Mitsubishi Q-Series.
I. PENDAHULUAN
M
otor induksi tiga fasa merupakan motor elektrik yang banyak digunakan dan sangat berperan penting dalam dunia industri. Motor induksi tiga fasa banyak digunakan karena mempunyai beberapa keunggulan yaitu kontruksi dari motor induksi yang sederhana, kokoh, harganya relatif murah dan perawatannya yang mudah. Pada penerapannya, motor induksi memiliki kelemahan yaitu tidak mampu mempertahankan kecepatannya dengan konstan bila terjadi perubahan beban. Apabila terjadi perubahan beban maka kecepatan motor induksi akan menurun. Hal tersebut terjadi karena sifat yang dimiliki dari motor induksi yaitu tidak adanya hubungan yang linear antara arus motor dengan torsi yang dihasilkan. Dalam mengatasi hal tersebut, dibutuhkan suatu kontroler yang dapat mengatur dan mempertahankan kecepatan motor induksi agar tetap konstan serta memperbaiki kinerja dari motor induksi tersebut.
Kontroler PID merupakan salah satu kontroler yang umum digunakan dalam pengaturan kecepatan motor induksi. Penggunaan kontrol PID untuk mengatur kecepatan motor induksi masih memiliki kelemahan. Kelemahan kontroler ini terletak pada penentuan dari konstanta proporsional (K p), konstanta integral (Ki), dan konstanta derivatif (Kd) yang nilainya tetap sehingga motor tidak dapat mempertahankan kecepaannya secara konstan bila terjadi pertambahan beban. Berdasarkan permasalahan tersebut, dibutuhkan suatu kontroler yang dapat mengatur dan mempertahankan kecepatan motor induksi tetap konstan seiring dengan adanya pertambahan beban. Salah satu metode yang dapat digunakan adalah metode Fuzzy Gain Scheduling. Metode Fuzzy Gain Scheduling merupakan metode yang dapat mengubah dan menyesaikan parameter kendali secara otomatis sehingga motor induksi dapat beradaptasi dan mempertahankan kecepatannya bila terjadi pertambahan beban. Oleh karena itu, metode Fuzzy Gain Scheduling sangat cocok diterapkan pada kasus yang ada pada Tugas Akhir. II. TEORI PENUNJANG A. Motor Induksi Tiga Fasa[1] Motor induksi merupakan motor arus bolak-balik yang banyak digunakan dan sangat berperan penting dalam berbagai aplikasi di Industri. Motor ini banyak digunakan karena memiliki kontruksi yang sederhana, kokoh, harga yang relatif murah dan perawatannya yang mudah. Pada penerapannya, motor induksi masih memiliki kelemahan dibandingkan dengan motor DC yaitu dalam hal pengaturan kecepatan. Pengaturan kecepatan dari motor induksi sangat sulit untuk dilakukan. Prinsip kerja dari motor induksi tiga fasa yaitu ketika sumber tegangan tiga fasa dipasang pada kumparan stator, maka akan timbul kecepatan medan putar yang dirumuskan (ns = kecepatan medan putar stator, f = frekuensi sumber, P = jumlah kutub). Medan putar stator akan memotong konduktor yang terdapat pada sisi rotor, sehingga akan timbul tegangan induksi (ggl) sebesar E = 44,4fnØ (E= tegangan induksi (ggl), f= frekuensi, n= jumlah lilitan, Q= fluks). Selajutnya tegangan induksi menghasilkan arus (I). Adanya arus dalam medan magnet akan menimbulkan gaya (F) pada rotor. Apabila torsi awal yang dihasilkan oleh gaya F pada rotor cukup besar untuk memikul torsi beban, maka rotor akan berputar searah dengan arah medan putar stator. Untuk
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7
2
membangkitkan tegangan induksi E agar tetap ada, maka diperlukan adanya perbedaan relatif antara kecepatan medan putar stator (ns) dengan kecepatan putar rotor (nr). Perbedaan antara kecepatan nr dengan ns disebut dengan slip (S) yang dinyatakan dengan S = ((ns - nr) / ns) (100%). Hubungan antara torsi - kecepatan dengan arus yang sudah ditetapkan pada motor induksi tiga fasa ditunjukkan pada Gambar 1.
Gambar 1. Hubungan Arus, Kecepatan dan Torsi Motor Induksi Tiga Fasa
B. Rem Elektromagnetik [2] Sistem pengereman elektromagnetik menggunakan gaya elektromagnetik untuk memperlambat suatu gerakan, yang umumnya adalah gerakan poros. Sebuah piringan dengan bahan logam non-feromagnetik terpasang dengan poros yang berputar. Piringan tersebut diapit oleh sisi stator berupa sistem lilitan elektromagnetik yang dapat membangkitkan medan magnet dari aliran listrik. Arus listrik menimbulkan medan magnet pada lilitan dan logam piringan yang memotong medan magnet tersebut akan menimbulkan arus eddy pada piringan itu sendiri. Arus eddy ini akan menimbulkan medan magnet yang arahnya berlawanan dengan medan magnet sebelumnya, sehingga menghambat gerakan putar dari poros tersebut. Rem elektromagnetik akan optimal untuk memberikan penurunan kecepatan, bukan untuk menghentikan gerak suatu objek. Sehingga Rem ini sering diaplikasikan untuk sistem pengereman pada roller coaster, kereta api dan juga digunakan pada alat dinamometer untuk pengukuran torsi suatu mesin. C. Metode Indentifikasi Vitečková Orde 2[3] Metode ini dilakukan dengan melakukan pendekatan orde dua dengan kemungkinan adanya waktu tunda (delay time). Fungsi alih untuk metode Vitečková Orde 2 ditunjukkan pada Persamaan 1. GV 2 ( s )
K ( V 2 s 1) 2
e TdV 2 s
V2 0,794 * (t
70 t33)
t33 dan t70 merupakan waktu saat respon berada pada kodisi 33% dan 70% dari keluaran steady state. Apabila bernilai negatif, maka sistem dianggap tidak memiliki waktu tunda. D. PID - Fuzzy Gain Scheduling[4] PID – Fuzzy Gain Scheduling terdiri dari dua bagian yaitu PID yang digunakan sebagai kontroler pada plant, sedangkan Fuzzy Gain Scheduling (FGS) digunakan untuk mengubah parameter kontroler PID sehingga dapat memperbaiki kerja dari kontroler tersebut apabila terjadi perubahan dinamik pada plant. Pada metode Fuzzy Gain Scheduling (FGS) digunakan inferensi fuzzy untuk menutupi kekurangan yang terjadi pada metode gain scheduling biasa yaitu penentuan nilai parameter di daerah transisi. Kelebihan dari metode Fuzzy Gain Scheduling (FGS) adalah dapat menentukan nilai parameter disetiap daerah operasi, sehingga perubahan parameter pada metode Fuzzy Gain Scheduling (FGS) menjadi lebih halus. Diagram blok dari kontroler PID – Fuzzy Gain Scheduling (PID - FGS) ditunjukkan pada Gambar 2.
Gambar 2. Diagram Blok Sistem Kontrol PID – Fuzzy Gain Scheduling
III. PERANCANGAN SISTEM A. Arsitektur Sistem Sistem yang dirancang adalah sistem pengendalian kecepatan motor induksi tiga fasa. Sistem ini mempunyai tujuan agar dapat menghasilkan kecepatan motor yang konstan dengan rise time tertentu pada kondisi beban yang berubah. Prinsip kerja dari sistem yaitu motor induksi dioperasikan pada kecepatan tertentu sesuai dengan setpiont yang telah ditentukan, kemudian motor tersebut diberi beban berupa rem elektromagnetik dengan kondisi yang berubah. Kondisi perubahan beban dapat diketahui dari perubahan arus yang diberikan. Semakin besar perubahan beban yang diberikan, semakin besar pula perubahan arus yang terjadi sehingga kecepatan dari motor cenderung semakin menurun. Arsitektur sistem secara keseluruan ditunjukkan pada Gambar 3.
(1)
adalah waktu tunda (delay time) TdV 2
1,397t33 0,937t70
adalah konstanta waktu
(3)
(2) (2.15) Gambar 3. Arsitektur Sistem
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7 Komponen yang digunakan pada sistem ini, diantaranya komputer, PLC (Programmable Logic Control), inverter, motor induksi, sensor arus, dan rotary encoder. Pada sistem ini, komputer sebagai HMI (Human Machine Interface) yang digunakan untuk mengetahui respon keluaran dari sistem dan juga digunakan untuk pemberian nilai kecepatan referensi yang diinginkan. PLC sebagai kontroler yang digunakan untuk memberikan mekanisme kontrol pada motor induksi sesuai dengan program yang diberikan. Inverter sebagai aktuator yang digunakan untuk pemberian aksi dalam pengaturan kecepatan motor induksi. Rotary encoder sebagai sensor yang memberikan sinyal umpan balik pada sistem sehingga dapat mengetahui nilai error yang terjadi dalam sistem kontrol. Sensor arus digunakan untuk mengetahui adanya indikasi perubahan pada beban. Indikasi perubahan arus pada beban digunakan untuk mengatur nilai parameter dari kontroler sehingga kontroler dapat memperbaiki kerja sistem. Bentuk fisik sistem secara keseluruan ditunjukkan pada Gambar 4.
3 GV 2 ( s )
1,087
(4)
(2,726 s 2 3,302 s 1) 2
Selanjutnya dilakukan identifikasi sistem pada beberapa kodisi pembebanan yaitu beban 1 untuk tegangan masukan sebeasar 0 Volt, beban 2 untuk tegangan masukan sebesar 40 Volt, beban 3 untuk tegangan masukan sebesar 80 Volt, beban 4 untuk tegangan masukan sebesar 120 Volt, beban 5 untuk tegangan masukan sebesar 160 Volt, beban 6 untuk tegangan masukan sebesar 200 Volt, dan beban 7 untuk tegangan masukan sebesar 240 Volt. Hasil identifikasi dari tiap kondisi pembebanan ditunjukkan pada Tabel 2. Tabel 2 Hasil Identifikasi pada Tiap Kondisi Pembebaban
No
Kondisi Pembebanan
Model Matematika
1.
Beban 1
1,1 2 1,567s 2,502s 1
2.
Beban 2
3.
Beban 3
4.
Beban 4
5.
Beban 5
Gambar 4. Bentuk Fisik Plant
6.
Beban 6
B. Identifikasi Sistem Identifikasi yang dilakukan untuk beban nominal menggunakan metode Viteckova 2nd Order . Identifikasi ini dilakukan pada kondisi ketika motor induksi tiga fasa berputar dengan setpoint berupa kecepatan sebesar 1000 rpm dan diberi beban rem elektromagnetik dengan tegangan masukan pada beban sebesar 120 Volt. Identifikasi yang dilakukan untuk mendapatkan model matematika beban nominal dilakukan sebanyak lima kali. Hasil setiap pengujian ditunjukkan pada Tabel 1.
7.
Beban 7
Tabel 1 Hasil Identifikasi pada Beban Nominal N Model Matematika o 1. 2. 3. 4. 5.
GV 2 ( s)
1,077
2,712s 2 3,29s 1 1,080 GV 2 ( s) 2,713s2 3,294s 1 1,084 e 0,3s 2 2,72s 3,3s 1 1,087 GV 2 ( s) 2,726s 2 3,302s 1
GV 2 ( s)
1,096 GV 2 ( s) 2,73s 2 3,31s 1
1,097
1,59s 2 3,19s 1 1,092 5,57 s 2 4,72s 1 1,087 2 2,726s 3,302s 1 1,083 2,679s 2 3,28s 1 1,069
5,579s 2 4,72s 1 1,065 2 2,975s 3,445s 1
Hasil keluaran respon dari pemdekatan model matematika pada setiap kondisi pembebanan ditunjukkan pada Gambar 5.
ISE 3,208 x 102 2,675 x 102 2,227 x 102
Gambar 5. Hasil Keluaran Respon pada Setiap Kondisi Pembebanan
2,093 x 102
C. Perancangan Kontroler PID Perancangan kontroler PID dilakukan secara analitik dari parameter model matematika yang diperoleh dari hasil identifikasi. Parameter model matematik tersebut digunakan untuk menentukan nilai Kp, Ki dan Kd. Nilai Kp, Ki, dan Kd yang diperoleh memiliki nilai yang berbeda-beda sesuai dengan perubahan pada nilai parameter model matematika. Hasil perancangan kontroler PID pada kondisi pembebanan
2,506 x 102
Berdasarkan data perhitungan pendekatan model matematika, dapat disimpulkan bahwa nilai ISE terkecil bernilai 2,093 x 102, sehingga hasil identifikasi yang digunakan untuk beban nominal sesuai dengan Persamaan 4.
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7
4
yang berbeda akan digunakan sebagai keluaran dari Fuzzy Gain Scheduling. Nilai Kp, Ki dan Kd pada tiap pembebanan ditunjukkan pada Tabel 3. Tabel 3 Nilai Kp, Ki dan Kd pada Tiap Kondisi Pembebaban
No
Kondisi Pembebanan
1. 2.
Beban 1 Beban 2
3. 4.
Arus (A)
Parameter PID
Kp
Ki
Kd
0 0,16
2,267 2,9
0,907 0,909
1,417 2,32
Beban 3 Beban 4
0,31 0,48
4,32 3,035
0,91 0,919
5,24 2,505
5. 6.
Beban 5 Beban 6
0,63 0,78
3,032 4,41
0,923 0,934
2,56 5,22
7.
Beban 7
0,93
3,234
0,939
2,8
D. Perancangan Fuzzy gain Scheduling Berdasarkan data pada Tabel 4, dibuat Fuzzy Gain Scheduling dengan data masukan yang digunakan berupa arus dan data keluaran berupa nilai K p, Ki, dan Kd. Variabel untuk fungsi keanggotaan masukan fuzzy berupa data arus yang didapatkan dari hasil pembacaan sensor arus pada beban. Jumlah fungsi keanggotaan fuzzy yang digunakan pada Tugas Akhir ini sebanyak tujuh. Nilai linguistik dari fungsi keanggotaan masukan fuzzy didefinisikan dengan angka 1, 2, 3, 4, 5, 6, dan 7. Angka tersebut mewakili nilai arus pada tiap pembebaban. Fungsi keanggotaan fuzzy dapat dilihat sesuai dengan Gambar 6 dan fungsi keanggotaan masukan fuzzy yang telah ternormalisasi dengan K = 1/0,16 dapat dilihat sesuai dengan Gambar 7.
Fungsi keanggotaan keluaran fuzzy berdasarkan pada nilai Kp, Ki, dan Kd yang didapatkan dalam perhitungan pada tiap pembebanan. Pada Tugas Akhir ini fuzzy yang digunakan adalah fuzzy Sugeno. Fuzzy Sugeno menggunakan fungsi keanggotaan singleton yang terdiri dari tiga fungsi keanggotaan keluaran yaitu Kp, Ki, dan Kd. Fungsi keanggotaan keluaran Kp, Ki, dan Kd dengan fuzzy Sugeno ditunjukkan secara berurutan pada Gambar 8, Gambar 9, dan Gambar 10.
Gambar 8. Fungsi Keanggotaan Keluaran Kp
Gambar 9. Fungsi Keanggotaan Keluaran Ki
Gambar 7. Fungsi Keanggotaan Masukan Fuzzy
Gambar 7. Fungsi Keanggotaan Masukan Fuzzy (Ternormalisasi)
Gambar 10. Fungsi Keanggotaan Keluaran Kd
Perancangan rule base untuk kontroler fuzzy diperlukan agar kontroler fuzzy dapat bekerja pada plant. Berdasarkan fungsi keanggotaan masukan berupa data arus pada beban dan keluaran berupa nilai parameter kontroler PID, diperoleh beberapa rule base untuk Kp, Ki, dan Kd dengan aturan linguistik sebagai berikut: 1. Rule base untuk parameter Kp Jika arus (ILf) = “0” maka Kp = “1” Jika arus (ILf) = “1” maka Kp = “2” Jika arus (ILf) = “2” maka Kp = “3” Jika arus (ILf) = “3” maka Kp = “4” Jika arus (ILf) = “4” maka Kp = “5” Jika arus (ILf) = “5” maka Kp = “6”
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7
5
Jika arus (ILf) = “6” maka Kp = “7” 2. Rule base untuk parameter Ki Jika arus (ILf) = “0” maka Ki = “1” Jika arus (ILf) = “1” maka Ki = “2” Jika arus (ILf) = “2” maka Ki = “3” Jika arus (ILf) = “3” maka Ki = “4” Jika arus (ILf) = “4” maka Ki = “5” Jika arus (ILf) = “5” maka Ki = “6” Jika arus (ILf) = “6” maka Ki = “7” 3. Rule base untuk parameter Kd Jika arus (ILf) = “0” maka Kd = “1” Jika arus (ILf) = “1” maka Kd = “2” Jika arus (ILf) = “2” maka Kd = “3” Jika arus (ILf) = “3” maka Kd = “4” Jika arus (ILf) = “4” maka Kd = “5” Jika arus (ILf) = “5” maka Kd = “6” Jika arus (ILf) = “6” maka Kd = “7”
IV. HASIL SIMULASI DAN ANALISIS A. Simulasi Kontroler Simulasi merupakan salah satu tahap yang dapat menentukan keberhasilan dari kontroler yang telah didesain sebelum kontroler tersebut dapat diimplimentasikan pada plant. Pada Tugas Akhir ini, simulasi dari kontroler menggunakan Simulink pada Matlab. Pengujian Fuzzy Gain Scheduling dilakukan pada dua kontroler yang berdeda yaitu Fuzzy tipe PD dan PID. Hasil pengujian untuk kontroler Fuzzy tipe PD dengan masukan berupa error dan delta error dari kecepatan motor sebanyka lima fungsi keanggotaan ditunjukkan pada Gambar 11.
Rule base untuk kontroler fuzzy juga dapat disajikan dalam bentuk tabel. Rule base dalam bentuk tabel didasarkan pada aturan secara linguistik sesuai dengan yang di jelaskan di atas. Rule base dalam bentuk tabel dapat dilihat pada Tabel 4. Tabel 4. Rule Base untuk Nilai Kp, Ki, dan Kd
PID
Arus
Kp Ki Kd
0 1 1 1
1 2 2 2
Kondisi Beban 2 3 3 4 3 4 3 4
4 5 5 5
5 6 6 6
6 7 7 7
Defuzzifikasi digunakan untuk mengubah hasil dari inferensi fuzzy menjadi variabel nyata, atau diubah menjadi nilai nyata yang berupa nilai tunggal. Metode defuzifikasi yang digunakan mengguanakan fuzzy Sugeno. Defuzifikasi untuk mendapatkan nilai Kp, Ki, dan Kd ditunjukkan pada Persamaan 5, Persamaan 6, dan Persamaan 7. n
Kp
K p [i] * k p [i] i 1
n
k p [i]
Gambar 11. Respon Keluaran Kontroler Fuzzy tipe PD
Berdasarkan hasil pengujian untuk kontroler Fuzzy tipe PD, diketahui bahwa pada kondisi pembebanan yang berbeda nilai ess yang dihasilkan sebesar 0%. Berdasarkan data tersebut dapat disimpulkan kontroler ini memiliki sifat stabil sehingga tidak cocok dengan Fuzzy Gain Scheduling. Pengujian kontroler PID dengan Fuzzy Gain Scheduling dilakukan dan diagram blok Simulink dari simulasi yang telah dibuat secara keseluruan dapat dilihat pada Gambar 12.
(5)
i 1
n
K i [ j ] * k i [ j ] Ki
j 1
n
k i [ j ]
(6)
j 1
n
Kd [i] * kd [i]
K d i 1
n
kd [i]
i 1
(7)
Gambar 12. Diagram Blok Simulasi Kontroler PID-FGS pada Simulink
Pengujian simulasi dari kontroler PID – Fuzzy Gain Scheduling memiliki tujuan untuk menganalisa dan melihat performansi dari kontroler dalam memperbaiki nilai parameternya berdasarkan pada setiap terjadinya perubahan pada sistem. Berdasarkan desain rangcangan simulasi yang delah dibuat pada Simulink didapatkan hasil adaptasi nilai
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7
6
parameter untuk Kp, Ki, dan Kd dari Fuzzy Gain Scheduling yang ditunjukkan pada Tabel 5. Tabel 5. Hasil adaptasi parameter Kp, Ki, dan Kd dari Fuzzy Gain Scheduling
No
Arus (A)
1. 2.
Hasil Fuzzy Gain Scheduling
Kp
Ki
Kd
0 0,16
2,267 2.9
0,907 0.909
1,417 2.32
3. 4.
0,31 0,48
4,231 3.036
0.099 0.919
5.058 2.505
5. 6.
0,63 0,78
3.032 4,24
0.923 0,933
2.56 4,89
7.
0,93
3,45
0,938
3,254
Berdasarkan data dalam tabel di atas, diketahui bahwa nilai parameter Kp, Ki, dan Kd dapat menyesuaikan atau beradaptasi terhadap adanya perubahan dalam pembebanan. Hasil parameter yang didapatkan dari Fuzzy Gain Scheduling memiliki nilai yang tidak jauh berdeba dengan hasil perhitungan nilai parameter pada tiap 7 kondisi pembebanan yang diberikan. Hal ini menunjukkan bahwa kontroler Fuzzy Gain Scheduling telah sesuai dengan desain yang dibuat. Hasil pengujian untuk simulasi Fuzzy Gain Scheduling pada kontroler PID dengan kondisi beban 4 ditunjukkan pada Gambar 13.
Kondisi Beban 3 Beban 4 Beban 5 Beban 6 Beban 7
(detik) 2 2,2 2,2 2,1 1,9
ts (5%) 6 6,6 6,6 6,2 5,7
Spesifikasi tr (5% - 95%) (detik) 5,88 6,47 6,47 6,18 5,59
td (detik) 1,38 1,52 1,52 1,45 1,3
ess (%) 0,02 0,06 0,02 0,025 0,15
Berdasarkan data yang terdapat dalam tabel, hasil respon dari Fuzzy Gain Scheduling mendekati respon untuk beban nominal. Pada simulasi kontroler PID-Fuzzy Gain scheduling menunjukkan bahwa kontroler tersebut mampu memperbaiki performasi sistem pada tiap kondisi pembebanan dan hasil respon keluaran yang dihasilkan mendekati respon beban nominal dengan spesifikasi rata-rata sebesar 1,9 detik, ts(5%) sebesar 5,9 detik, tr (5%-95%) sebesar 5,8 detik, dan ess sebesar 0,06%. B. Hasil Implementasi Pengujian untuk implementasi dilakukan pada 3 kondisi yang berbeda yaitu kondisi beban 1, beban 4, dan beban 7. Perbandingan hasil simulasi dan implementasi kontroler Fuzzy Gain Schedulingditunjukkan pada Tabel 7. Tabel 7.
X
Arus (A)
Perbandingan Hasil Simulasi dan Implementasi Fuzzy Gain Scheduling
Simulasi FGS
Implementasi FGS
Kp
Ki
Kd
Kp
Ki
Kd
0 0,007 1 0,021 0,492
2,267 2,295
0,907 0,907
1,417 1,457
2,267 2,295
0,907 0,907
1,417 1,457
2,35 3,036
0,907 0,919
1,536 2,509
2,351 3,035
0,907 0,920
1,739 2,509
4 0,499 0,507
3,032 3,035
0,920 0,920
2,512 2,514
3,035 3,035
0,923 0,923
2,511 2,514
0,921 7 0,950 0,971
3,521 3,308
0,937 0,938
3,39 2,951
3,517 3,307
0,937 0,938
3,383 2,951
0,939
2,8
3,234
0,939
2,8
3,234
Keterangan : X = Beban
Gambar 13. Keluaran Respon Kondisi Beban 4 dengan Kontroler PID-FGS
Pada simulasi kontroler PID-Fuzzy Gain scheduling menunjukkan bahwa kontroler tersebut mampu memperbaiki performasi sistem dengan spesifikasi sebesar 2,2 detik, ts(5%) sebesar 6,6 detik, tr (5%-95%) sebesar 6,47 detik, dan ess sebesar 0,06%. Spesifikasi dari pengujian kontroler PIDFuzzy Gain Scheduling untuk setiap kondisi pembebanan yang berbeda ditunjukkan pada Tabel 6. Tabel 6.
Kondisi Beban 1 Beban 2
Hasil dalam tabel menunjukkan nilai adaptasi gain mendekati nilai hasil simulasi, sehingga penerapan dari kontroler dapat dilakukan. Hasil keluaran respon dari implementasi dapat dilihat pada Gambar 14.
Spesifikasi Hasil Respon PID-Fuzzy Gain Scheduling pada Setiap Pembebanan
(detik) 1,74 1,8
ts (5%) 5,22 5,4
Spesifikasi tr (5% - 95%) (detik) 5,12 5,29
td (detik) 1,2 1,24
ess (%) 0,08 0,08
Gambar 14. Implementasi Kontroler PID-FGS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) 1-7 V. KESIMPULAN Berdasarkan data hasil simulasi dan penerapan Fuzzy Gain Scheduling pada Tugas Akhir ini diperoleh beberapa kesimpulan sebagai berikut: 1. Hasil pengujian kontroler Fuzzy tipe PD menunjukkan nilai respon keluaran yang dihasilkan memilki error steady state (ess) sebesar 0% pada kondisi pembebanan yang berdeda. Berdasarkan hal tersebut dapat disimpulkan bahwa kontroler Fuzzy tipe PD lebih stabil, sehingga kontroler ini tidak cocok jika dengan Fuzzy Gain Scheduling. 2. Kontroler PID dapat mempertahankan kecepatan motor pada beban nominal dengan ess sebesar 0,02%, tetapi nilai ess akan semakin meningkat dengan adanya variasi pembebanan. 3. Pada simulasi kontroler PID-Fuzzy Gain scheduling mampu memperbaiki performasi sistem pada tiap kondisi pembebanan dan hasil respon mendekati respon beban nominal dengan spesifikasi rata-rata sebesar 1,9 detik, ts(5%) sebesar 5,9 detik, tr(5%-95%) sebesar 5,8 detik, dan ess sebesar 0,06%. 4. Hasil respon keluaran implementasi masih kurang sesuai dengan hasil simulasi. Nilai yang dihasilkan sebesar 5,2 detik, ts(5%) sebesar 15,06 detik, tr (5%-95%) sebesar 14,48 detik. Nilai error maksimal yang dihasilkan sebesar 2% (untuk kondisi tanpa beban), 5,27% (untuk kondisi beban 3), 5,06% (untuk kondisi beban 6). Hal ini disebabkan karena perhitungan untuk efek dari setiap kontruksi yang digunakan tidak diperhatikan secara detail, sehingga parameter kontroler yang diperoleh kurang sesuai. 5. Pada kasus ini, diperlukan tunning parameter kontroler secara manual, sehingga hasil keluaran dapat sesuai dan mendekati nilai respon beban nominal. DAFTAR PUSTAKA [1] Hidayah Ika Putri, R., “Penerapan Adaptif Fuzzy Pada Pengaturan Kecepatan Motor Induksi Tiga Fasa”, Jurnal Teknik Gelagar, vol.18 , no.1 , Politeknik Negeri Malang, 2007. [2] Faisal Afif Alhamdi, M., “Perancangan dan Implementasi Kontroler Knowledge Based-PI Pada Pengaturan Kecepatan Motor Induksi 3 Fasa”, Tugas Akhir, JTEITS,Surabaya, 2014. [3] Ing. Pavel Jakoubek, “Experimental Identification of Stabile Nonoscillatory Systems from Step-Responses by Selected Methods”,KonferenceStudentskétvůrčíčinnosti, 2009. [4] Putri Suryaditya, Nindita., “Pengaturan Proses Face Miling pada Mesin Computer Numerikal Control (CNC) dengan Kontroler Fuzzy-PID”, Tugas Akhir, JTEITS,Surabaya, 2013. [5] Zainudin, Aziz., “Stabilisasi Sistem Pendulum-Kereta Menggunakan Fuzzy Gain Scheduling”, Tugas Akhir, JTE-ITS,Surabaya, 2014. [6] Effendie AK, Rusdianto, “Sistem Pengaturan Cerdas”, Diktat Kuliah ITS, Surabaya, 2014.
7 [7] J. Astrom, Karl dan B. Wittenmark, “Adaptive Control”, Addison Wesley, Reading, MA, 1989. [8] Iskandar, Eka, “Sistem Pengaturan Adaptif”, Diktat Kuliah ITS, Surabaya, 2009. [9] Zhao, Zhen-Yu, M.Tomizuka, dan S. Isaka, “Fuzzy Gain Scheduling of PID Controller”, IEEE Trans. Syst., Man, And Cybernetics, vol.23, no. 5, September/Oktober 1993. [10] Masiala, M., M. Ghribi, A. Kaddouri “An Adaptive Fuzzy Controller Gain scheduling For Power LoadFrequency Control”, International Conference on Industrial Technology (ICIT), IEEE, 2004. [11] C. Ling dan T. F. Edgar, “A New Fuzzy Gain Scheduling Algorithm for Process Control”, In Proc. American Control Conf., Chicago, IL, vol. 3, pp. 2284-2290, 1992. UCAPAN TERIMAKASIH Penulis bersyukur kepada Allah SWT, yang telah memberikan kemudahan dalam penyelesaian penelitian Tugas Akhir ini. Penulis mengucapkan terima kasih kepada teman seperjuangan, khususnya teman sekelompok yang telah membantu dalam menyelesaikan masalah selama pengerjaan Tugas Akhir ini di Laboratorium PLC AA103. Hasil implementasi Fuzzy Gain Scheduling dapat dilihat pada link http://youtu.be/qoouUEKwHR4. RIWAYAT HIDUP Penulis Bernama lengkap Ovi Candra Wardianto dan lahir di Jombang pada tanggal 29 Juni 1990. Penulis merupakan anak pertama dari pasangan Kasdi dan Nuzula. Lulus dari SMA 1 Negeri Mojoangung, Jombang, pada tahun 2009, penulis melanjutkan studi di Program Studi Diploma III Institut Teknologi Sepuluh Nopember (ITS), Jurusan Teknik Elektro. Pada tahun 2012 terdaftar sebagai mahasiswa lintas jalur Institut Teknologi Sepuluh Nopember (ITS), Jurusan Teknik Elektro dengan Bidang Studi Teknik Sistem Pengaturan. Selama menjalami studi di Institut Teknologi Sepuluh Nopember (ITS), penulis selalu antusias dalam megikuti kegiatan perkuliahan dan beberapa kegiatan pelatihan. Penulis mengikuti seminar dan ujian Tugas Akhir di Bidang Studi Teknik Sistem Pengaturan, Jurusan Teknik Elektro, ITS Surabaya sebagai salah satu persyaratan untuk memperoleh gelar Sarjana Teknik Elektro. Email penulis adalah
[email protected].
