ISSN 0216 - 3128
202
Balza Achmad
PENANGANAN KEGAGALAN SISTEM PENGUKURAN MENGGUNAKAN KENDALI PREDIKTIF BERBASIS MODEL (MPC) PADA PENGATURAN KECEPATAN MOTOR Balza Achmad Laboratorium Instrumentasi, Jurusan Teknik Nuklir, Fakultas Teknik, Universitas Gadjah Mada
ABSTRAK PENANGANAN KEGAGALAN SISTEM PENGUKURAN MENGGUNAKAN KENDALI PREDIKTIF BERBASIS MODEL (MPC) PADA PENGATURAN KECEPATAN MOTOR. Motor banyak sekali digunakan dalam instrumentasi reaktor nuklir, misalnya untuk penggerak batang kendali, pengatur katup pemipaan dan sebagainya. Di sini, sistem kendalinya harus dijamin mempunyai kehandalan yang tinggi untuk mendukung keselamatan instalasi reaktor secara keseluruhan. Salah satu hal yang penting dalam pengendalian yang berhubungan dengan keselamatan adalah kemampuan dari sistem kendali untuk menangani adanya kegagalan dalam sistem pengukuran yang menjadi bagian darinya. Makalah ini membahas hasil penelitian terhadap aspek penanganan kegagalan sistem pengukuran pada pengaturan kecepatan motor menggunakan kendali prediktif berbasis model. Hasil eksperimen menunjukkan bahwa kendali prediktif berbasis model yang diteliti ini mampu melakukan aksi yang tepat ketika terjadi kesalahan atau kegagalan pada sistem pengukuran baik pada keadaan ajeg maupun transien.
ABSTRACT HANDLING MEASUREMENT SYSTEM FAILURES USING MODEL -BASED PREDICTIVE CONTROL (MPC) FOR MOTOR VELOCITY REGULATION. Motors have been used in many places in nuclear reactor instrumentations, for instance for driving control rod movement, for actuating piping valves, etc. Here, their control system have to be highly reliable to support the overall reactor safety. One of the important things in control involving with safety is the ability to cope the existence of failures in the measurement system, which is a part of it. This paper discuss the result of a research on handling measurement system failures on motor velocity control using model-based predictive control (MPC). The experiment results show that the MPC able to provide proper action when failures take place on the measurement system during steady state and transient.
PENDAHULUAN
R
eaktor nuklir merupakan suatu instalasi yang sangat kompleks dan memerlukan tingkat keamanan dan keselamatan yang sangat tinggi. Instrumentasi yang digunakan untuk semua sub sistem di dalamnya harus betul-betul handal sehingga mampu menunjang operasi reaktor yang aman dan efisien. Demikian pula dengan sistem kendali yang ada, harus mempunyai unjuk kerja yang sangat baik. Salah satu sifat dari sistem kendali yang sangat erat berhubungan dengan sistem keselamatan adalah kemampuan dari sistem kendali itu sendiri untuk dapat menangani adanya kesalahan maupun kegagalan dalam sistem pengukuran yang ada. Karena aksi kendali untuk memodifikasi proses ditentukan oleh nilai-nilai variabel yang terukur, maka apabila terdapat kesalahan pada sistem
pengukuran akan berpotensi mengakibatkan ke salahan sistem kendali dalam memberikan aksinya. Motor merupakan salah satu komponen pendukung yang sangat penting dalam instrumentasi reaktor nuklir. Di dalam instalasi ini, motor dipakai untuk menggerakkan batang kendali, mengubah posisi katub dalam pemipaan baik di sistem primer maupun sekunder, menggerakkan pompa, mengatur poros generator pembangkit listrik, bagian dari sistem penukar ion, dan sebagainya (Bereznai, 2001). Kendali motor sudah banyak sekali dikembangkan, antara lain menggunakan kendali konvensional PID (Abidin dkk, 1998), kendali logika fuzzy (Wahyunggoro, 1999), serta kendali prediktif berbasis model (Achmad, 2000). Aplikasi kendali prediktif berbasis model (model-based predictive control, MPC) yang dilakukan
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
Balza Achmad
ISSN 0216 - 3128
Achmad tersebut telah berhasil memberikan unjuk kerja yang baik dengan konfigurasi tertentu, namun tidak mempunyai kemampuan untuk menangani kegagalan sensor. Mengingat kebutuhan akan hal tersebut dalam instalasi yang mensyaratkan keamanan tinggi seperti reaktor nuklir, maka dilakukan penelitian untuk menambahkan kemampuan sistem kendali untuk menangani adanya kesalahan pada sistem pengukuran, baik yang bersifat temporer maupun kegagalan yang lebih permanen. Dalam hal ini kendali prediktif dipilih karena mempunyai karakteristik yang tepat untuk keperluan tersebut sebagaimana akan diterangkan selanjutnya. Kendali prediktif merupakan teknik kendali yang relatif baru dibandingkan dengan teknik kendali lain yang telah banyak dipakai. Pada awalnya, kendali prediktif berbasis model dikembangkan untuk memenuhi kebutuhan kendali di dalam industri pemurnian minyak (Qin and Badgwell, 1997), kemudian berkembang untuk aplikasi dalam bidang lain seperti industri resin alam (Afonso et al., 1996), pengolahan limbah (Qin et al., 1997), industri kertas (Fu and Dumont, 1995), pemrosesan hidrokarbon (Jung and Noh, 1995), proses perlakuan panas (Lazar et al., 2000), proses fermentasi (Roux et al., 1996), serta kendali motor (Achmad, 2000). Dari berbagai makalah yang ada, tidak ada yang membahas penerapan penanganan kegagalan sistem pengukuran dalam kendali prediktif, sehingga penelitian ini menjadi sangat penting untuk dilakukan.
TEORI Kendali prediktif berbasis model adalah sebuah metodologi kendali umum yang merupakan
203
sekumpulan teknik kendali yang lebih detil yang mempunyai kesamaan konsep sebagai berikut. (1) Penggunaan model secara eksplisit untuk memprediksi nilai beberapa waktu ke depan (horison prediksi) dari keluaran proses yang hendak dikendalikan. (2) Perhitungan aksi kendali beberapa langkah ke depan (horison kendali) dengan meng optimalkan nilai fungsi obyektif dalam batasanbatasan operasi yang telah ditentukan. (3) Strategi horison surut, di mana hanya aksi kendali pertama yang akan diterapkan ke dalam proses serta mengulangi optimisasi dengan menggeser horison selangkah ke depan (Onnen et al, 1997). Diagram blok sistem kendali prediktif berbasis model secara umum diberikan dalam Gambar 1 (diadaptasi dari van den Boom dan Backx, 1999). Horison dan parameter yang dipakai dalam kendali prediktif berbasis model diberikan dalam Gambar 2. Aksi kendali dihitung dengan cara meminimalkan beda antara keluaran referensi (d) dan keluaran terprediksi ( y∃ ) dengan relasi berikut (Fu and Dumont, 1995):
Aksi Matriks keluaran keluaran = − kendali gradien referensi terprediksi di mana matriks gradien adalah matriks yang diturunkan dari model proses yang digunakan untuk menghitung keluaran terprediksi. Model yang digunakan dapat berupa respon impulse atau respon step dari proses yang diukur secara eksperimental maupun model fungsi transfer dan state space (van den Boom dan Backx, 1999). Dalam penelitian digunakan model yang berasal dari respon step yang dapat dimanfaatkan langsung untuk mengkonstruksi matriks gradien.
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
ISSN 0216 - 3128
204
Balza Achmad
gangguan aksi kendali
keluaran terkendali
Proses aktual
Model gangguan
gangguan terukur
set-point
Model proses
Kendali optimasi, penanganan batasan
batasan operasi
-
+ +
keluaran terprediksi MPC
Gambar 1. Sistem kendali prediktif berbasis model .
horison prediksi, N horison kendali, nu
masukan
keluaran aktual sekarang, ym
keluaran referensi, d
keluaran terprediksi, yˆ
set-point, R
prediksi masa depan
keluaran
pengaruh masa lalu t-2 t-1 t0 t1
…
tN
Gambar 2. Horison dan parameter dalam kendali prediktif berbasis model.
Pada setiap iterasi atau waktu cuplik, keluaran terprediksi dikoreksi dengan hasil pengukuran pada saat itu (ym). Dengan demikian nilai variabel terukur pada akhirnya akan menentukan aksi kendali yang akan diberikan kepada motor. Apabila terjadi kesalahan pembacaan variabel terukur ini, maka kendali prediktif juga akan memberikan aksi yang salah. Oleh karena itu perlu dilakukan modifikasi pada kendali prediktif yang asli dengan menambahkan fitur yang dapat memberikan nilai aksi kendali yang tepat meskipun mendapatkan nilai yang salah dari sistem peng-ukuran. Strategi penanganan kesalahan pada sistem pengukuran diberikan pada Gambar 3. Ketiga hal ini disisipkan pada algoritma
kendali prediktif di antara perhitungan aksi kendali.
pengukuran
dan
Pengenalan kondisi operasi (transien/ajeg)
Pendeteksian penyimpangan pada sistem pengukuran
Koreksi nilai terukur dan aksi kendali jika diperlukan
Gambar 3.
Strategi penanganan kesalahan sis-tem pengukuran.
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
Balza Achmad
ISSN 0216 - 3128
Mula-mula sistem kendali harus mampu mengenali kondisi operasi sekarang, apakah sedang dalam keadaan transien atau ajeg, karena hal ini akan menentukan koreksi yang harus dilakukan. Deteksi kondisi operasi dilakukan dengan cara menganalisa serangkaian variabel terukur selama beberapa langkah ke yang lalu, yaitu dengan meng-hitung varians dan polanya. Apabila variansnya lebih dari harga tertentu dan polanya teratur, maka dapat dikatakan proses dalam keadaan transien, sedangkan apabila variansnya lebih kecil maka kondisinya adalah ajeg. Faktor derau juga harus diperhitungkan karena akan memberi kontribusi pada nilai variansnya. Setelah kondisi proses diketahui maka, sistem kendali harus dapat mengenali adanya kelainan atau kesalahan pada sistem pengukuran. Hal ini dilakukan juga dengan menganalisa pola dari serangkaian nilai variabel terukur tadi. Apabila nilai terukur sekarang jauh menyimpang dari pola yang seharusnya, dengan membandingkannya dengan nilai prediksi berdasarkan model proses yang sudah diketahui, sementara set pointnya tidak berubah, maka dicurigai terjadi penyimpangan pada sistem pengukuran. Hal lain yang harus dipertimbangkan juga adalah harus diketahui ada tidaknya perubahan beban dan gangguan, sebab kedua hal ini juga dapat mengakibatkan perubahan variabel terukur, meskipun secara relatif perubahannya akan lebih halus atau perlahan. Jika terjadi penyimpangan pada variabel terukur harus dilihat dahulu kasusnya, apakah berupa kesalahan pengukuran temporer, tunggal atau berurutan, atau terjadi kegagalan permanen. Pada beberapa penyimpangan pertama, koreksi dilakukan dengan cara mengubah nilai variabel terukur dengan nilai yang seharusnya apabila kondisinya normal, kemudian diumpankan pada algoritma kendali prediktif. Apabila penyimpangan terjadi terus menerus secara berurutan, maka dianggap telah terjadi kegagalan permanen, sehingga motor harus dipadamkan agar tidak terjadi hal yang tidak diinginkan. Pemadaman motor harus dapat dilakukan dengan cara buta, yakni tanpa bantuan sistem pengukuran, karena nilai terukur sudah dianggap tidak valid lagi. Hal ini dapat dilakukan dengan meniru respon motor ketika terjadi pemadaman secara normal yang kemudian dimodelkan dan diintegras ikan dalam kendali prediktif ini.
205
Alat Komputer PC, kompiler CVI (National Instruments), data acquisition card, motor DC, tachometer, rangkaian amplifier, saklar, pembangkit gelombang, dan osiloskop
Cara Kerja 1. Menentukan respon frekuensi dari motor DC menggunakan pembangkit gelombang dan osiloskop. Hal ini dilakukan dengan memvariasikan frekuensi keluaran dari pembangkit gelombang sinusoidal yang digunakan sebagai masukan motor serta mengukur frekuensi dan magnitudo keluarannya menggunakan osiloskop. Frekuensi tertinggi yang masih memberikan keluaran yang dapat dideteksi selanjutnya digunakan untuk menentukan waktu cuplik sistem. 2. Merangkai alat-alat yang dipakai sebagaimana ditunjukkan oleh Gambar 4. 3. Melakukan uji undak kalang terbuka. Uji ini dilakukan dengan memutus hubungan pada modul kendali, memberikan masukan berupa sinyal undak ke motor sebesar 4 Volt serta mengukur kecepatannya. Hasil pengukuran yang direpresentasikan sebagai tegangan tachometer, selanjutnya digunakan untuk membuat matriks gradien dari respon proses yang digunakan dalam pengendalian. 4. Mengkonstruksi matriks gradien yang diperlukan untuk kendali prediktif. Matriks ini disusun berdasarkan data hasil uji input undak pada langkah ke 3. 5. Menulis program menggunakan kompiler CVI untuk kendali prediktif berbasis model sebanyak 2 versi: (1) yang biasa dan (2) yang dilengkapi dengan kemampuan untuk menangani kesalahan sistem pengukuran. 6. Menguji kendali prediktif di atas terhadap adanya kesalahan sistem pengukuran baik pada saat kondisi transien maupun kondisi ajeg. Hal ini dilakukan dengan mengganti nilai hasil pengukuran kecepatan motor dengan suatu harga tertentu untuk mensimulasikan terjadinya kesalahan pengukuran pada suatu saat. Sedangkan untuk mensimulasikan kegagalan sistem pengukuran, dilakukan memutuskan sinyal dari sensor ke kartu akuisisi data yang melalui saklar. 7. Menganalisa hasil eskperimen.
TATA KERJA HASIL DAN PEMBAHASAN Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
ISSN 0216 - 3128
206
Mula-mula ditentukan dahulu parameterparameter yang hendak diterapkan dalam kendali prediktif berbasis model yang diteliti, yakni waktu cuplik, horison prediksi (N), horison kendali (nu), parameter tuning α , serta move suppression (w). Pada
Balza Achmad
penentuan waktu cuplik (sampling time) dengan menggunakan analisis respon frekuensi terhadap motor, diperoleh frekuensi tertinggi yang masih memberikan respon adalah sekitar 42 Hz, sehingga dipilih waktu cuplik sebesar 10 ms.
Beban Komputer Set point
MPC
DAC
Motor DC & tachometer
Penguat
Kartu akuisisi data
0V
ADC
ù(s)
8V
Saklar
Gambar 4. Diagram skematis sistem kendali motor yang diteliti. 6.0 5.0
Volt
4.0 3.0 2.0 Input
1.0
Respon 0.0 0
50
100
150
Waktu (ms)
Gambar 5. Hasil uji undak kalang terbuka terhadap motor yang diteliti .
Penentuan horison prediksi dilakukan dengan uji kalang terbuka. Hasil uji kalang terbuka dengan masukan sinyal undak sebesar 4 volt diberikan pada Gambar 5. Dari gambar tersebut terlihat tegangan keluaran motor ajeg sebesar 5,6 volt diperoleh setelah 10 kali waktu cuplik sehingga dipilih harga horison prediksi (N) untuk kendali prediktif yang akan digunakan sebesar 7. Tegangan keluaran motor ini dinormalisasi terhadap masukan untuk mengkonstruksi matriks gradien yang akan dipakai dalam kendali prediktif. Harga-harga parameter lain diambil sesuai dengan nilai optimum yang telah diperoleh dari hasil penelitian sebelumnya, yakni horison kendali nu = 2, α = 0.5, serta w = 0.5 (Achmad, 2000).
Selanjutnya diteliti akibat dari kegagalan sistem pengukuran dengan menggunakan kendali prediktif versi biasa (tanpa fitur penanganan kegagalan sesnsor). Pada pengujian untuk kasus terjadinya kesalahan pembacaan sensor secara temporer, dilakukan simulasi dengan cara meng-ganti nilai hasil pengukuran dari sensor dengan suatu nilai tertentu. Terdapat 2 kesalahan yang mungkin terjadi, yaitu (1) sistem pengukuran mem-berikan nilai yang lebih rendah dari semestinya, dalam hal ini diberikan nilai 0 volt, dan (2) sistem pengukuran memberikan nilai yang lebih tinggi dari semestinya, dalam hal ini diberikan nilai 8 volt. Dari hasil eksperimen yang diberikan dalam Gambar 6(a) terlihat saat sistem pengukuran
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
Balza Achmad
ISSN 0216 - 3128
memberikan nilai yang lebih rendah dari semestinya (0 volt), sistem kendali mengira nilai variabel terkendali sekarang adalah jauh lebih rendah dari set point yang dikehendaki, sehingga berusaha menaikkannya dengan cara menambah aksi kendali yang diumpankan ke motor. Akibatnya, kecepatan motor meningkat dan tegangan keluaran bertambah. Selanjutnya ketika pembacaan sensor sudah pulih pada waktu cuplik berikutnya, nilai yang terukur kembali ke nilai yang sebenarnya sehingga kini terbaca bahwa nilai variabel terkendali lebih tinggi dari dari set point. Sistem kendali mengkompensasinya dengan cara mengurangi aksi kendali yang pada gilirannya mengembalikan kecepatan motor ke keadaan ajeg. Hal yang sebaliknya terjadi pada kasus di mana sistem pengukuran memberikan nilai yang lebih tinggi dari semestinya (8 volt), seperti terlihat pada Gambar 6(b). Secara umum, terjadinya kesalahan temporer akibat sensor memberikan pembacaan yang salah, meskipun hanya sekali, akan mengakibatkan proses kendali terganggu sehingga harus dihindari. Kasus yang lebih berat adalah apabila kegagala n sensor terjadi secara permanen. Di dalam eksperimen hal ini disimulasikan dengan cara
207
memutuskan sinyal dari sensor ke kartu akuisisi data yang melalui saklar serta menyambungkan ke pentanahan atau tegangan 8 volt. Hasil eksperimen yang diberikan dalam Gambar 7(a) menunjukkan pada saat sensor gagal dan memberikan nilai 0 volt, sistem kendali akan menaikkan aksi kendali sampai mencapai harga maksimalnya (dalam penelitian ini maksimal keluaran DAC adalah 5 volt) dan putaran motor meningkat sampai mencapai tegangan keluaran 6.7 volt secara permanen pula. Kesalahan kendali secara permanen ini tentu saja akan sangat berbahaya apabila motor digunakan untuk keperluan yang berhubungan dengan keselamatan sistem. Hal yang seharusnya dilakukan apabila terjadi kegagalan sistem pengukuran secara permanen adalah dengan cara segera memadamkan motor dan selanjutnya memberi alarm kepada sistem keselamatan untuk penanganan lebih lanjut. Pada kasus kegagalan sensor yang memberikan nilai tinggi hal ini tidak terlalu menjadi ma salah karena berdasarkan hasil ekseperimen sebagaimana ditunjukkan pada Gambar 7(b), aksi kendali diturunkan sampai mencapai nol sehingga respon motor ikut padam juga.
5.0 4.5 4.0 3.5
Volt
3.0 2.5 2.0 kesalahan
Kendali
pembacaan
Terukur
1.5 1.0
Motor
0.5 0.0 0
200
400
600
800
1000
Waktu (ms) (a) sistem pengukuran memberikan nilai lebih rendah dari semestinya
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
ISSN 0216 - 3128
208
Balza Achmad
9.0 Kendali
8.0
Terukur
7.0
kesalahan
Volt
6.0
Motor
pembacaan
5.0 4.0 3.0 2.0 1.0 0.0 0
200
400
600
800
1000
Waktu (ms) (b) sistem pengukuran memberikan nilai lebih tinggi dari semestinya Gambar 6. Aksi kendali dan respon motor saat terjadi kesalahan temporer sistem peng-ukuran pada t = 500 ms.
8.0 7.0 6.0
Volt
5.0 4.0 3.0
Kendali
2.0
sensor gagal
Terukur
1.0
Motor
0.0 0
200
400
600
800
1000
Waktu (ms) (a) sensor memberikan nilai nol saat gagal
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
Balza Achmad
ISSN 0216 - 3128
209
9.0 8.0 kesalahan
7.0
permanen
Volt
6.0
pada sensor
5.0 4.0 3.0
Kendali
2.0
Terukur
1.0
Motor
0.0 0
200
400
600
800
1000
Waktu (ms) (b) sensor memberikan nilai tinggi saat gagal Gambar 7. Aksi kendali dan respon motor saat terjadi kegagalan sensor secara permanen setelah t = 500 ms.
Untuk menangani akibat dari kesalahan dan kegagalan sensor di atas, digunakan kendali prediktif versi kedua yang dilengkapi dengan fitur penanganan kegaglan sensor. Hasil eksperimen dengan menerapkan kemampuan ini terhadap adanya kesalahan temporer pada pembacaan hasil pengukuran dari sensor diberikan dalam Gambar 8. Terlihat semua kesalahan pembacaan sensor berhasil
dikoreksi dengan baik tanpa mengakibatkan ekskursi yang berarti pada keluaran motor, baik ketika kesalahan terjadi pada saat transien maupun dalam keadaan ajeg. Fluktuasi kecil pada respon motor yang terkoreksi pada kesalahan pembacaan terakhir disebabkan oleh derau. Hal ini terjadi karena dalam eksperimen yang dilakukan tanpa pemfilteran terhadap derau pada sistem pengukuran.
6.0 kesalahan 5.0
pembacaan
Volt
4.0 3.0
kesalahan pembacaan
2.0
Set point Terukur
1.0
Motor 0.0 0
200
400
600
800
1000
Waktu (ms)
Gambar 8. Respon kendali terkoreksi saat terjadi kesalahan temporer sistem pada sistem pengukuran.
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
ISSN 0216 - 3128
210
Dengan kendali prediktif yang diteliti, setiap kesalahan tunggal pada pembacaan sensor dapat dikoreksi dengan baik. Namun apabila kesalahan pembacaan terjadi secara berurutan selama beberapa waktu cuplik, hal ini dapat menjadi masalah, karena pada dasarnya koreksi dilakukan berdasarkan model yang ada serta nilai-nilai hasil pengukuran beberapa waktu cuplik sebelumnya dengan mengabaikan nilai terukur sekarang yang dianggap salah. Pada waktu cuplik berikutnya nilai ini harus dikoreksi dengan hasil pengukuran aktual apabila kondisi sistem
Balza Achmad
pengukuran sudah pulih kembali. Bila terjadi beberapa kesalahan berurutan, maka koreksi menjadi berkurang kevalidannya, sehingga pada kasus ini motor harus dipadamkan dengan mengikuti model pemadaman motor secara normal. Pada Gambar 9, terlihat kesalahan tunggal dapat dikoreksi dengan baik, sementara untuk kesalahan berurutan mulamula akan dikoreksi sampai 2 kesalahan, selanjutnya karena masih terjadi kesalahan pembacaan maka diasumsikan sistem pengukuran gagal dan motor dipadamkan sambil menolkan set point.
6.0 kesalahan 5.0
tunggal
kesalahan berurutan
Volt
4.0 3.0 2.0 Set point Terukur
1.0
Motor 0.0 0
200
400
600
800
1000
1200
Waktu (ms)
Gambar 9.
Respon motor saat terjadi beberapa kesalahan yang berurutan pada sistem pengukuran. Pada kasus kegagalan sensor secara memberikan pembacaan yang benar, sehingga permanen yang ditandai dengan nilai variabel terukur tampak pada Gambar 9, variabel terukur mempunyai yang selalu bernilai nol, tetap dilakukan koreksi pada nilai dan mengikuti proses pemadaman. Dengan 2 waktu cuplik pertama, kemudian diikuti dengan demikian tampak bahwa aksi pemadaman yang pemadaman motor. Kendali prediktif yang diteliti dilakukan memang benar-benar terjadi mirip secara berhasil menangani kasus kegagalan sensor ini baik normal. Pada kasus kegagalan sensor, tidak ada pada kondisi transien (Gambar 10) maupun ajeg sinyal yang diberikan oleh sistem pengukuran (Gambar 11). Terdapat sedikit perbedaan pada kasus terukur sehingga tampak nilai variabel terukur yang ini dengan kasus sebelumnya. Pada kasus kesalahan diterima oleh sistem kendali bernilai 0 (Gambar 10 pembacaan temporer secara berurutan, sistem dan Gambar 11). pengukuran sebenarnya kemudian pulih dan
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
Balza Achmad
ISSN 0216 - 3128
211
4.5 Set point
4.0
Terukur 3.5
Motor
3.0
Volt
2.5 sensor
2.0
gagal
1.5 1.0 0.5 0.0 0
200
400
600
800
1000
1200
Waktu (ms)
Gambar 10. Respon motor saat terjadi kegagalan sensor waktu kondisi transien.
4.5 4.0 3.5
Volt
3.0 2.5 2.0
sensor
1.5
gagal Set point
1.0
Terukur
0.5
Motor
0.0 0
200
400
600
800
1000
1200
Waktu (ms)
Gambar 11. Respon motor saat terjadi kegagalan sensor waktu kondisi ajeg.
KESIMPULAN Kendali prediktif berbasis model yang dilengkapi dengan penanganan kesalahan sistem pengukuran telah berhasil diterapkan secara eksperimental untuk mengatur kecepatan motor. Sistem kendali dapat mengkoreksi dengan tepat kesalahan temporer tunggal pada pembacaan sensor tanpa mengakibatkan ekskursi yang berarti baik pada kondisi transien maupun ajeg. Pada kasus kesalahan ganda berurutan serta kegagalan sensor secara permanen, sistem kendali dapat melakukan
pemadaman motor dengan cara buta mendapatkan data pengukuran dari sensor.
tanpa
SARAN Pada penelitian ini, tidak dilakukan perubahan beban atau pemberian gangguan selama eksperimen. Oleh karena itu perlu ditambahkan fitur untuk mengenali perubahan beban dan gangguan agar dapat dilakukan penanganan kesalahan sistem pengukuran secara lebih baik.
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
ISSN 0216 - 3128
212
UCAPAN TERIMA KASIH Penulis menyatakan terima kasih yang sebesar-besarnya kepada Prof. Rickey Dubay atas ijin penggunaan fasilitas di Intelligent Control Laboratory, Mechanical Engineering Department, University of New Brunswick, Canada, selama penulis menempuh studi M.Sc.E.
DAFTAR PUSTAKA
Balza Achmad
6. AFONSO, P.A.F.N.A., OLIVEIRA, N.M.C., and CASTRO J.A.A.M., Model Predictive Control of a Pilot Plant Reactor with a Simulated Exothermic Reaction, Computers Chem. Engng., Vol. 20 Suppl., pp. S769-S774, Great Britain (1996). 7. QIN, S.J., MARTINEZ, V.M., and FOSS, B.A., An Interpolating Model Predictive Control Strategy with Application to a Waste Treatment Plant, Computers Chem. Engng., Vol. 21 Suppl., pp. S881-S886, Great Britain (1997).
1. BEREZNAI, G., Nuclear Power Plant Systems and Operation Reference Text, Chulalongkorn University, Bangkok (2001).
8. FU, Y., and DUMONT, G.A., A Generalized Predictive Control Design for the Papaer Machine Benchmark, Control Eng. Practice, Vol. 3, No. 10, pp. 1487-1490, Great Britain (1995).
2. ABIDIN, Z., TJAHJADI, N., ISKANDAR, I.S., dan BAGIASNA, K., Pembuatan dan Pengujian Sistem Kendali Kecepatan Putar Motor DC untuk Mesin Penyeimbang, Majalah Ilmiah Sistem Kendali, Vol. 2, No. 1, hal. 8-19 (1998).
9. JUNG, C.S., and NOH, K.K., MPC Improves Reformer Control, Hydrocarbon Processing, Vol. 74, Issue 4, pp. 115-120 (1995).
3. WAHYUNGGORO, O., Aplikasi Logika Kabur untuk Mengendalikan Kecepatan Motor DC Menggunakan Pengendali Logika Terprogram, Forum Teknik, Jilid 23, No. 1, hal. 1-8, Yogyakarta (1999). 4. ACHMAD, B., Pengaturan Kecepatan Motor Menggunakan Kendali Prediktif Berbasis Model (MPC) Untuk Mendukung Sistem Penggerak Batang Kendali Reaktor Nuklir, Prosiding Pertemuan dan Presentasi Ilmiah Penelitian dan Pengelolaan Perangkat Nuklir, P3TM BATAN, Yogyakarta (2000) 5. QIN, S.J., and BADGWELL, T.A., An Overview of Industrial Model Predictive Control Technology, Fifth International Conference on Chemical Process Control, pp. 232-256, AIChE and CACHE (1997).
TANYA JAWAB Bambang Supardiyono − Bagaimana sistem bisa membedakan antara signal salah baca dan signal tepat baca sehingga sistem akan merespon sesuai dengan kondisi yang ada. Balza Ahmad − Kendali prediktif berbasis model memanfaatkan model dari proses yang hendak dikendalikan untuk menentukan aksi kendali yang dibutuhkan. Model ini
10. LAZAR, C., POLI, E., and MUSTAFA, B., Implementation of a Predictive Controller for Thermal Treatment Processes, Control Engineering Practice, Vol. 8 (2000), pp. 345-350 (2000). 11. ROUX, G., DAHHOU, B., and QUEINNEC, I., Modelling and Estimation Aspects of Adaptive Predictive Control in a Fermentation Process, Control Eng. Practice, Vol. 4, No. 1, pp. 55-66, Great Britain (1996). 12. VAN DEN BOOM, T.J.J., and BACKX, T.C.P.M., Model Predictive Control, Lecture Notes for the MPC DISC Course, TU Delft, Netherland (1999) 13. ONNEN, C., BABUSKA, R., KAYMAK, U., SOUSA, J.M., VERBRUGGEN, H.B., ISERMANN, R., Genetic Algorithms for Optimization in Predictive Control, Control Eng. Practice, Vol. 5, No. 10, pp. 1363-1372, Great Britain (1997).
digunakan untuk memprediksi keluaran proses beberapa saat mendatang. Jika sinyal dari sistem pengukuran nilainya sangat jauh dari nilai prediksi, maka dapat disimpulkan telah terjadi salah baca.
Subari Santoso − Apakah penelitian ini telah diaplikasikan pada suatu sistem tertentu, dan b agaimana hasilnya. Balza Ahmad − Kendali prediktif sudah cukup banyak dipakai aplikasinya (namun masih jauh kelak dari kendali konvensional dan kendali fuzzy), biasanya untuk proses
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001
Balza Achmad
ISSN 0216 - 3128
yang lambat. Dalam makalah ini MPC digunakan untuk proses yang cepat. Aspek penanganan kegagalan/kesalahan sensor tidak banyak ditemui, apalagi untuk kendali prediktif.
Budi Santosa − Bagaimana penanganannya terhadap gangguan yang sifatnya non linear terhadap sistem?
213
Balza Ahmad − Dalam makalah ini, gangguan belum diikutkan/ diperhitungkan, jika gangguan hendak diper hitungkan, maka gangguan yang mungkin ada harus dimodelkan juga (lihat Gambar 1), kemudian dianalisis karakteristik respon gangguan dan harus dapat dibedakan dengan respon akibat kegagalan/kesalahan sensor.
Prosiding Pertemuan dan Presentasi Ilmiah Penelitian Dasar Ilmu Pengetahuan dan Teknologi Nuklir P3TM-BATAN Yogyakarta, 7 - 8 Agustus 2001