Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network

TUGAS AKHIR TE - 091399

Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network Rendie Ramadhan NRP 2208100131 Dosen Pembimbing : Ir. Ali Fatoni, M.T. Imam Arifin, S.T., M.T. BIDANG STUDI SISTEM PENGATURAN JURUSAN TEKNIK ELEKTRO - FTI INSTITUT TEKNOLOGI SEPULUH NOPEMBER (ITS)

ISI 1

PENDAHULUAN

2

TEORI DASAR

3

PERANCANGAN SISTEM

4 PENGUJIAN DAN ANALISIS DAN ANALISIS 5 PENGUJIAN KESIMPULAN DAN SARAN

PENDAHULUAN

Latar Belakang Tujuan Permasalahan Batasan Masalah

LATAR BELAKANG • Teknologi komunikasi yang terus mengalami perkembangan • Penggunaan teknologi komunikasi menyebabkan permasalahan yang ada pada jaringan juga terjadi pada SPB • Perancangan kontroler konvensional tidak dapat mengkompensasi permasalahan yang terjadi

Pendahuluan

Tujuan 1 Mengetahui permasalahan yang terjadi pada SPB 2 Mengetahui kelebihan dan kekurangan kontroler FNN dalam mengatasi permasalahan pada SPB 3 Mendesain kontroler FNN yang mampu melakukan adaptasi terhadap perubahan parameter yang terjadi pada sistem

KESIMPULAN DAN SARAN

PERMASALAHAN • Adanya waktu tunda (time delay) dan packet dropout selama proses berlangsung • Delay dan packet dropout terjadi secara acak dan sulit untuk di prediksi • Performansi sistem menurun bahkan mengarah ke ketidakstabilan pada sistem • Diperlukan sebuah kontroler yang mampu mengatasi permasalahan akibat delay dan packet loss, yaitu kontroler adaptif

Pendahuluan

BATASAN MASALAH • Permasalahan Beban Minimal • Permasalahan Beban Maksimal • Permasalahan delay dan packet dropout

Pendahuluan

TEORI DASAR SPB Identifikasi Sistem Logika Fuzzy Neural Network Fuzzy Neural Network

Gambaran Umum SPB • SPB merupakan sistem pengaturan umpan balik lup tertutup dimana pertukaran informasi antar komponen dilakukan dalam bentuk paket data melalui jaringan real-time.

Teori Dasar - SPB

Media Jaringan pada SPB

• Ethernet • Fieldbus • Wireless

Teori Dasar - SPB

Permasalahan pada SPB Delay

Teori Dasar - SPB

Permasalahan pada SPB Delay

Teori Dasar - SPB

Permasalahan pada SPB Packet Dropout

Teori Dasar - SPB

Identifikasi Sistem Sistem Orde 1 dengan Delay

Teori Dasar – Identifikasi

Logika Fuzzy Pengertian Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Di mana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah Biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan Tingkat Kebenaran (degree of membership function)

Teori Dasar – Logika Fuzzy

Logika Fuzzy Tahapan pada Logika Fuzzy

Fuzzifikasi Menentukan derajat keanggotaan (membership function)

Inferensi Rules Melaksanakan Operasi Logika  Rule Firing Strength

Deffuzifikasi Menentukan Keluaran Fuzzy  Bilangan Crips


Logika Fuzzy Membership Function

Bell-shaped

Segitiga

  u  x 2   ui   exp   i    ui   1      


Trapesium

ui  a 2 b

0  ui  a  / b  a   ui   1 1  u  c  / d  c  i  0

Singleton

 ui   1 , ui  a , a  ui  b , b  ui  c , c  ui  d , ui  d

Logika Fuzzy Operasi Logika Komplemen

 A ui   1   A ui  i

j

i

j

Interseksi (AND)

Gabungan (OR)

Minimal

Maksimal









 A ui  AND  A ui   min  A ui ,  A ui   A ui  OR  A ui   maks  A ui ,  A ui  i

j

k i

i

j

k i

i

 A ui  AND  A ui    A ui   A ui  j

k i

k i

i

j

k i

Bounded Sum

Algeraic Product i

j

i

j


k i





 A ui  AND  A ui   min 1,  A ui    A ui  i

j

k i

i

j

k i

Logika Fuzzy Proses Defuzzifikasi


Neural Network Neural Network (NN), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf tiruan. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.

Teori Dasar – Neural Network

Fuzzy Neural Network (FNN) FNN merupakan sistem hibrida yang menggabungkan dua konsep kecerdasan buatan, yaitu sistem fuzzy dan neural network. Permasalahan dalam hal pengambilan keputusan dapat diselesaikan dengan menerapkan konsep dari logika fuzzy. Sedangkan, adaptasi dilakukan dengan kemampuan belajar yang dimiliki neural network. Teori Dasar – FNN

PERANCANGAN SISTEM Kebutuhan dan Arsitektur SPB Integrasi Perangkat Lunak Identifikasi Sistem

Perancangan Kontroler FNN

Kebutuhan SPB KEBUTUHAN HARDWARE 







Remote I/O Modul - ADAM 5000L/TCP Komputer - 1 Buah Laptop (Utama) - 1 Buah PC dengan PCI Plant - Pressure Process Rig 38-714 Perangkat Komunikasi - HUB - Kabel LAN

Kebutuhan dan Arsitektur SPB

KEBUTUHAN SOFTWARE   



LabVIEW ADAM 5000TCP-6000 Utility OLE Process Control (OPC) - KEPServerEx MATLAB

Arsitektur SPB Diagram Blok SPB


Arsitektur SPB Diagram Fisik SPB


Plant Pressure Process Rig 38-714

Plant

Integrasi Perangkat Lunak Konfigurasi Perangkat Lunak PERANGKAT LUNAK UTAMA

PERANGKAT LUNAK PENDUKUNG

LabVIEW: o Perancangan Algoritma Kontroler FNN o User Interface o Data Akuisisi o Pengolahan Data

OPC : Standarisasi MATLAB: o Pemrogramanan Algoritma FNN o Perhitungan data-data offline o Penyajian Data

Integrasi Perangkat Lunak

Data

ADAM Utility: o Interface ke perangkat keras ADAM o Data Akuisisi dari Remote I/O ADAM -5000 TCP Utility

Identifikasi Sistem Orde 1 dengan Delay Diagram Blok Identifikasi Sistem

Identifikasi Sistem

Identifikasi Sistem Orde 1 dengan Delay Respon Hasil Identifikasi melalui Jaringan Respon Hasil Identifikasi Plant (Jaringan) 6

ANALISIS :

Y s  KeTd s  X s  s  1

5

Tekanan (psi)

4

K 3

Yss 4.953  Xss 5

  0.3658 2

Td  0.3658

1

0.9906e 0.36 s H s   0.3658s  1

Set Point Respon Plant Respon Hasil Pemodelan

0 0

1

2

3

4

5

Waktu (detik)

Identifikasi Sistem

6

7

8

9

10

Perancangan

Sistem


L/O/G/O www.themegallery.com

Diagram Blok Sistem dengan FNN


Struktur Sinyal Kontrol Fuzzy PID

u p t   u p t  ui t   ui t  1  Ki  vi t  Perancangan Kontroler FNN

ut   u p t   ui t 

Arsitektur FNN


Algoritma FNN Variabel FNN


Algoritma FNN FORWARD PROPAGATION

Lapisan 1

Lapisan 2



Lapisan 2 (Cont’d)



Lapisan 3

Lapisan 4



Lapisan 4 (Cont’d)



Lapisan 5


Algoritma FNN BACK PROPAGATION

Lapisan 5

si , j ,5 t  1  si , j ,5 t    s Ti t   Oi t  

Oi , j , 4

 Oi, j ,4 i

Lapisan 4

 i , 4  Ti t   Oi t 


si , j ,5  Oi , j , 4   si , j ,5Oi , j , 4 i

i

    Oi , j , 4   i 

2

Algoritma FNN BACK PROPAGATION

Lapisan 3

 i ,3   i , 4 Lapisan 2

ci , 2 t  1  ci , 2 t    c Ti t   Oi t 

2net i , 2  ci , 2 

 i , 2 t  1   i , 2 t    Ti t   Oi t 


 i2, 2

  net  c  2  i,2  exp   i , 2      i , 2   

2net i , 2  ci , 2 

2

 i3, 2

  net  c  2  i,2  exp   i , 2      i , 2   

PENGUJIAN DAN ANALISIS Beban Nominal Perubahan Set Point Beban Minimal

Beban Maksimal Variasi Delay

Inisialisasi Parameter FNN Delay Jaringan

: 0.2852 detik (Keadaan Normal)

Set Point

: 5 psi ηc = 0.01

Nilai Linguistik

Error

ηs = 0.001

NB

NS

Z

PS

PB

center

-3

-1.5

0

1.5

3

width

3

3

0.5

3

3

NB

NS

Z

PS

PB

center

-10

-5

0

5

10

width

10

10

5

10

10

Nilai Linguistik

Delta Error

ηw = 0.01

Center dari fuzzy singleton Nilai Linguistik

NB

NS

Z

PS

PB

Singleton Up

-0.5

-0.25

0

0.25

0.5

Singleton Vi

-0.8

-0.4

0

0.4

0.8

Beban Nominal τ:

0.9187

y(τ)

3.16

Ess :

0.006

tss

1.54

tp

-

ts(5%) :

1.45

tr(5%-95%)

0.97

%Mp :

0

Td :

0.4

Perubahan Set Point

Perubahan Parameter

Perubahan Parameter Set Point 7 psi Nilai Linguistik

Error

NB

NS

Z

PS

PB

center

-3.15

-2.055

0

1.89

2.814

width

2.79

3.26

0.52

2.78

2.37

NB

NS

Z

PS

PB

center

-10.1

-4.96

0

4.8

9.92

width

10.8

10

5.02

10.1

10.18

Nilai Linguistik Delta Error


NB

NS

Z

PS

PB

Singleton Up

-0.546

-0.38

0

0.386

0.548

Singleton Vi

-0.846

-0.53

0

0.536

0.85

Beban Minimal Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.285 0.9187 3.156 0.006 1.54 1.45 0.97 0.4

t beban ON tss %Mp :

7 14.26 -5.38

t beban OFF tss %Mp :

16.53 25.92 4.38

Perubahan Parameter Nilai Linguistik

Error Nilai Linguistik

Delta Error

center width center width

Nilai Linguistik Singleton Up Singleton Vi Nilai Linguistik Error Nilai Linguistik Delta Error

Nilai Linguistik Singleton Up Singleton Vi

center width center width

Beban Minimal Diberikan pada Sistem NB NS Z -2.986 -1.688 0 3.069 3.065 0.544 NB NS Z -9.998 -4.997 0 9.995 9.997 5 Center dari fuzzy singleton NB NS Z -0.52 -0.296 0 -0.826 -0.463 0 Beban Minimal Dihilangkan dari Sistem NB NS Z -2.975 -1.741 0 3.095 3.154 0.786 NB NS -10.002 -5.003 10.005 10.005 Center dari fuzzy singleton NB NS -0.528 -0.328 -0.84 -0.51

Z

0 5.006 Z 0 0

PS 1.499 2.912

PB 2.921 3.042

PS 5.002 9.997

PB 10.002 9.996

PS 0.28 0.4479

PB 0.507 0.8139

PS 1.565 2.857

PB

PS 4.996 10.002

PB 9.994 10.003

PS 0.322 0.5059

2.86 3.037

PB 0.522 0.835

Beban Maksimal Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.285 1.03 3.16 0.006 4.013 1.378 0.9 0.34


7.35 16.32 3.26


18 26 -3.5

Perubahan Parameter Nilai Linguistik Error

center width


center width

Nilai Linguistik Singleton Up Singleton Vi Nilai Linguistik Error

center width



center width

Beban Maksimal Diberikan pada Sistem NB NS Z -2.983 -1.504 0 2.993 3.016 0.708 NB -9.998 9.997

NS -4.995 9.998

Z 0 5.004

Center dari fuzzy singleton NB NS Z -0.505 -0.273 0 -0.808 -0.4368 0 Beban Maksimal Dihilangkan dari Sistem NB NS Z -2.977 -1.525 0 3.001 3.037 0.477 NB NS Z -10.001 -4.998 0 10 9.999 4.999 Center dari fuzzy singleton NB NS Z -0.511 -0.298 0 -0.8176 -0.4768

0

PS 1.522 2.978

PB 2.995 2.992

PS 5.002 10

PB 10.004 9.997

PS 0.274 0.4384

PB 0.506 0.8096

PS 1.525 2.963

PB 2.976 3

PS 4.999 10.002

PB 10.001 10

PS 0.298 0.4768

PB 0.511 0.8176

Variasi Delay (Beban Minimal) Delay = 0.3152 detik Delay (detik) τ: y(τ)

%Mp : Td :

0.315 0.9541 3.156 0.006 3.19 1.425 0.9 0.33


7.47 13.74 -19.5


15.73 24.44 6.5

Ess : tss tp ts(5%) : tr(5%-95%)


center width


center width


center width



center width

Beban Minimal Diberikan pada Sistem NB NS Z -2.993 -1.709 0 3.077 3.069 0.644 NB NS Z -9.993 -4.995 0 9.995 9.998 5.001 Center dari fuzzy singleton NB NS Z -0.521 -0.298 0 -0.8336 -0.4768 0 Beban Minimal Dihilangkan dari Sistem NB NS Z -2.954 -1.91 0 3.161 3.312 1.025

NB NS Z -10.016 -5.02 0 10.015 10.009 5.006 Center dari fuzzy singleton NB NS Z -0.553 -0.387 0 -0.8848 -0.6192 0

PS 1.498 2.907

PB 2.911 3.047

PS 5.007 9.995

PB 10.005 9.993

PS 0.281 0.4496

PB 0.508 0.8128

PS 1.657 2.696

PB 2.723 3.029

PS 4.992 10.009

PB 9.986 10.014

PS 0.387 0.6192

PB 0.55 0.88

Variasi Delay (Beban Minimal) Delay = 0.3352 detik Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.335 0.9215 3.156 0.006 3.67 1.86 1.242 0.574 2.24 0.38


10.62 18.2 -23.12


20.7 26.6 6.5


center width


center width


center width

Nilai Linguistik Delta Error Nilai Linguistik Singleton Up Singleton Vi

center width

Beban Minimal Diberikan pada Sistem NB NS Z -2.989 -1.706 0 3.07 3.056 0.654 NB NS Z -9.991 -4.991 0 9.99 9.995 5.003 Center dari fuzzy singleton NB NS Z -0.521 -0.298 0 -0.8336 -0.4768 0 Beban Minimal Dihilangkan dari Sistem NB NS Z -2.985 -1.77 0 3.104 3.158 0.918 NB NS Z -9.999 -5.003 0 10.005 10.004 5.005 Center dari fuzzy singleton NB NS Z -0.529 -0.329 0 -0.8464 -0.5264 0

PS 1.509 2.901

PB 2.922 3.037

PS 5.012 9.994

PB 10.01 9.989

PS 0.282 0.4512

PB 0.508 0.8128

PS 1.578 2.849

PB 2.849 3.036

PS 5.002 10.001

PB 9.998 10.001

PS 0.324 0.5184

PB 0.525 0.84

Variasi Delay (Beban Minimal) Delay = 0.3852 detik Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.385 1.011 3.156 0.006 5.2 1.43 1.18 0.61 9.98 0.43


7 17.26 -60.5


19.07 25.32 -10.88


center width


center width


center width


center width

Beban Minimal Diberikan pada Sistem NB NS Z -2.948 -1.847 0 3.119 3.216 0.823 NB NS Z -10 -5.003 0 9.997 9.999 5.003 Center dari fuzzy singleton NB NS Z -0.546 -0.362 0 -0.8736 -0.5792 0 Beban Minimal Dihilangkan dari Sistem NB NS Z -2.954 -1.91 0 3.161 3.312 1.025 NB NS Z -10.016 -5.02 0 10.015 10.009 5.006 Center dari fuzzy singleton NB NS Z -0.553 -0.387 0 -0.8848 -0.6192 0

PS 1.59 2.744

PB 2.785 3.038

PS 5.008 9.999

PB 10.002 9.997

PS 0.349 0.5584

PB 0.534 0.8544

PS 1.657 2.696

PB 2.723 3.029

PS 4.992 10.009

PB 9.986 10.014

PS 0.387 0.6192

PB 0.55 0.88

Variasi Delay (Beban Minimal) Delay = 0.4352 detik

Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.435 1.052 3.156 0.006 4 1.5 2.33 0.57 15 0.47


8.8 -


18.7 -

Variasi Delay (Beban Maksimal) Delay = 0.3852 detik Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.385 1.0093 3.158 0.006 4.22 1.47 0.59 4.74 0.39 or 0.46


7.75 16.5 3.5


18.46 25.57 -3.5


center width


center width


center width


center width

Beban Maksimal Diberikan pada Sistem NB NS Z -2.981 -1.506 0 2.994 3.02 0.752

NB NS Z -9.997 -4.996 0 9.997 9.999 5.003 Center dari fuzzy singleton NB NS Z -0.505 -0.274 0 -0.808 -0.4384 0 Beban Maksimal Dihilangkan dari Sistem NB NS Z -2.982 -1.538 0 3.01 3.046 0.554 NB NS Z -10.003 -5.002 0 10.002 10.001 4.999 Center dari fuzzy singleton NB NS Z -0.511 -0.296 0 -0.8176 -0.4736 0

PS 1.525 2.975

PB 2.992 2.991

PS 5.003 9.999

PB 10.003 9.997

PS 0.276 0.4416

PB 0.506 0.8096

PS 1.52 2.962

PB 2.966 3.007

PS 4.996 10.002

PB 9.997 10.003

PS 0.296 0.4736

PB 0.511 0.8176

Variasi Delay (Beban Maksimal) Delay = 0.5852 detik Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.585 1.1 3.158 0.006 4.55 1.66 3.58 0.36 43.26 0.67


8.8 16.55 3.5


20.25 28.15 -3.5


center width


center width


center width


center width

Beban Maksimal Diberikan pada Sistem NB NS Z -2.978 -1.511 0 2.994 3.028 0.825

NB NS Z -9.998 -4.997 0 9.998 9.999 5.002 Center dari fuzzy singleton NB NS Z -0.505 -0.273 0 -0.808 -0.4368 0 Beban Maksimal Dihilangkan dari Sistem NB NS Z -2.966 -1.573 0 3.019 3.083 0.66 NB NS Z -10.003 -5.002 0 10.003 10.001 5.001 Center dari fuzzy singleton NB NS Z -0.515 -0.306 0 -0.824 -0.4896 0

PS 1.532 2.969

PB 2.987 2.991

PS 5.001 10

PB 10.002 9.998

PS 0.276 0.4416

PB 0.507 0.8112

PS 1.532 2.93

PB 2.936 3.014

PS 4.997 10.003

PB 9.998 10.003

PS 0.304 0.4864

PB 0.514 0.8224

Variasi Delay (Beban Maksimal) Delay = 0.6852 detik

Delay (detik) τ: y(τ) Ess : tss tp ts(5%) : tr(5%-95%) %Mp : Td :

0.685 1.2158 3.158 0.006 11.56 1.85 9.7156 0.4328 56 0.72


15.25 23.21 4.5


-

Perubahan Parameter Beban Maksimal Diberikan pada Sistem Nilai Linguistik

Error

NB

NS

Z

PS

PB

center

-2.973

-1.513

0

1.539

2.985

width

2.992

3.034

0.882

2.962

2.988

NB

NS

Z

PS

PB

center

-9.998

-4.996

0

5.002

10.002

width

9.998

9.999

5.002

10

9.998

Nilai Linguistik

Delta Error


NB

NS

Z

PS

PB

Singleton Up

-0.506

-0.279

0

0.283

0.509

Singleton Vi

-0.8096

-0.4464

0

0.4528

0.8144

Variasi Delay (Beban Maksimal) Delay = 0.7852 detik

Kesimpulan & Saran

L/O/G/O www.themegallery.com

Kesimpulan 1. Pengaruh delay pada SPB dapat dikompensasi melalui penggunaan konroler FNN. Akan tetapi, jika pengaruh delay lebih besar dan lebih cepat dari kecepatan adaptasi FNN, respon sistem tidak dapat berada pada kondisi tetap. 2. Untuk respon sistem dengan perubahan set point dapat mengikuti nilai set point tersebut dengan ess = ± 0.5% dan Mp = ± 21.25%. 3. Sistem dengan beban nominal dan delay kondisi normal SPB dapat mengikuti nilai set point dengan ess = ± 0.12% dan %Mp = ± 0%. Untuk pembebanan nominal dengan variasi delay diperoleh respon dapat mengikuti nilai set point akan tetapi memiliki overshoot terbesar senilai %Mp = 56% pada delay 0.6852 detik dan ess = ± 0.12%. 4. Pada pembebanan minimal dengan variasi delay diperoleh respon sistem dapat mengikuti set point dalam waktu yang bervariasi sebanding dengan diperbesarnya nilai delay jaringan. Nilai overshoot dan error keadaan steady terbesar diperoleh pada nilai delay 0.4352 detik sebesar %Mp = ± 60.5% dan ess = ± 0.12%. 5. Pada pembebanan maksimal dengan variasi delay diperoleh respon sistem dapat mengikuti set point dalam waktu yang bervariasi pula. Nilai overshoot dan error keadaan steady terbesar diperoleh pada nilai delay 0.6852 detik sebesar %Mp = ± 4.5% dan ess = ± 0.12%.

Saran Selain kesimpulan hasil pengujian, dapat dirumuskan beberapa rekomendasi untuk penelitian berikutnya sebagai berikut: 1. Respon sistem dengan kontroler FNN melalui jaringan pada penelitian Tugas Akhir ini masih memiliki nilai overshoot. Maka, untuk penelitian Tugas Akhir berikutnya lebih dititikberatkan pada perancangan algoritma FNN yang tidak menimbulkan overshoot pada respon sistem. 2. Pengujian dapat dilakukan pada plant yang bervariasi dan dilakukan pembandingan antara respon sistem tanpa melalui jaringan dengan respon sistem dengan jaringan. 3. Pengujian dapat dilakukan dengan melakukan pengaturan beberapa plant sehingga pengaruh variasi kepadatan lalu lintas jaringan dapat diperoleh.

Thank You! L/O/G/O www.themegallery.com

Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network

Recommend Documents