PENGENDALIAN TEKANAN PADA PRESSURE PROCESS RIG 38-714 MELALUI MODBUS MENGGUNAKAN KONTROLER FUZZY-PID
Tedy Ade Wijaya 2208 100 639
Simulasi Sidang Tugas Akhir
22 januari 2011
Pembahasan Materi
Pendahuluan Perancangan Sistem Perancangan Kontroler Implementasi Kontroler Pengujian Kontroler Analisa Kesimpulan
Pendahuluan
Latar Belakang Perumusan Masalah Batasan Masalah Tujuan
Latar Belakang
Pengendalian plant pressure riil berhubungan dengan perubahan beban tertentu , noise dan respon yang lambat. MODBUS standar protokol komunikasi di dunia industri. Pengendali PID memiliki tingkat kerja yang tinggi apabila gain diatur oleh seseorang yang memiliki pengalaman pada plant yang akan dikontrol.
Perumusan Masalah
Plant Pressure Process Rig 38-714 memiliki perubahan variable beban dan juga noise yang bersifat acak. Pengendali PID hanya mampu mengendalikan plant apabila perubahan parameter yang terjadi tidak terlalu besar. Logika Fuzzy yang digunakan harus memiliki nilai pada Fuzzy rule yang tepat agar parameter yang dihasilkan untuk tiap perubahan beban dapat menghasilkan pengendali PID yang dapat mengontrol plant dengan stabil.
Batasan Masalah
Logika Fuzzy digunakan untuk menentukan nilai gain parameter PID apabila terjadi perubahan beban pada plant. Pendekatan sistem pada plant adalah sistem orde 2. Perancangan dan implementasi pengendali menggunakan software LabVIEW.
Tujuan 1.
2.
3.
4.
5.
Mendapatkan data melalui komunikasi MODBUS untuk keperluan identifkasi dan pengendalian. Mendapatkan model matematis Pressure Conrol Trainer Feedback 38-714. Merancang pengendali tekanan dengan pengendali Fuzzy-PID . Mengimplementasikan hasil desain pengendali pada Pressure Process Rig 38 – 714. Menganalisa kestabilan respon sistem closed-loop terhadap perubahan parameter plant.
Perancangan Sistem
Pengenalan Plant Identifikasi Plant Desain Program Simulasi Desain Program Implementasi
Pengenalan Plant
Mode Komunikasi Modbus Unicast
Broadcast
Mode Komunikasi Modbus
Konfigurasi Identifikasi
Process Controller 38-300
Pressure Process RIG 38-714 Sensor Tekanan Pneumatik Kontrol Valve
4 – 20 mA
4 – 20 mA
4 20 mA
Process Interface 38-200
PC MODBUS
OPC OLE
LabVIEW
Identifikasi Model Plant Menggunakan Metode Strejc
Parameter yang dicari : Yss 191 K= = = 0.955 Xss 200 Tu 13 n= = = 0,139 Ta 93 Ta 93 T= = = 34,21633 2,718 2,718 Tu Tu ' = × Ta = 0,104 × 95 = 9,672 Tatable
τ = Tu − Tu ' = 13 − 9,672 = 3,328
n Ta/T parameter Tu/T Tu/Ta Berdasarkan yang didapat 1Maka 1Persamaan 0 model 0plant untuk 2 2,718 kondisi 0,282nominal 0,104 3 3,695 0,805 −τS 4 4,463 Ke1,425 s) = 5 G (5,119 (Ts +2,100 1)n G (s) = G ( s) =
0,218 0,319 0,410
0,955e −3.328 S
(34,21633s + 1)2 3.17824 s + 0.955 1170,75761s 2 + 68,43267 s + 1
Validasi Model 1 n ( x − x' ) MSE = ∑ n i =1 x RMSE = MSE
MSE = 9,561% RMSE = 3,09%
2
Persamaan Model Plant
Kondisi Beban Nominal Maksimal Minimal
Persamaan Model Plant
RMSE
3.17824s + 0.955 1170.75761s 2 + 68.43267 s + 1
3,09%
1.44 s + 0.9 1353.6335s 2 + 73.583518s + 1
2,67784 s + 0.895 802,5693s 2 + 56.659308s + 1
0,19% 1,19%
Identifikasi Loop Tertutup U(s)
R(s) + Set point
Kp
G(s)
-
K(As + 1) G(s) = (αs 2 + βs + 1) R(s) KpK(As + 1)/(αs 2 + βs + 1) = U(s) 1 + KpK(As + 1)/(αs 2 + βs + 1)
KpK (As + 1) R(s) KpK + 1 = α β + KpK U(s) s2 + s +1 KpK + 1 KpK + 1
Bila: KpK (As + 1) KpK + 1 K' (A's + 1) = 2 α β + KpK (α ' s + β ' s + 1) 2 s + s +1 KpK + 1 KpK + 1
Maka : KpK K '= KpK + 1
A' = A
α '=
α KpK + 1
β '=
β + KpK KpK + 1
Persamaan Model Plant loop terbuka Kondisi Beban
K
A
α
Nominal
0,8488 3,328 26016,576
Maksimal
0,2432
Minimal
1,6
0,0852 2,992
G ( s )nom =
13536,335 7643,517
β 1498,4888 726,8351 531,0886
0,84888(3,328s + 1) 26016,57561s 2 + 1498,48879 s + 1
0,24324(1,6 s + 1) G ( s )maks = 13536,335s 2 + 726,83518s + 1 0,08523(2,992 s + 1) G ( s ) min = 7643,51714 s 2 + 531,08864 s + 1
Desain Program Simulasi
Desain Program Implementasi
Perancangan Kontroler
Desain Kontroler PID Desain Kontroler Fuzzy PID
Desain Kontroler PID R(s)
+
E(s) -
C ( s) = R( s)
Jika :
τ s 1 + d 1 Kp 1 + τ i s τ d 2s +1
U(s)
K (τs + 1) 1 2 2ζ s + s +1 2
ωn
ωn
KKp[τ i (τ d 1 + τ d 2 ) s 2 + (τ i + τ d 2 ) s ]τs + 1 1 2 2ξ τ i s (τ d 2 + 1) 2 s + s + 1 + KKp[τ i (τ d 1 + τ d 2 ) s 2 + (τ i + τ d 2 ) s ]τs + 1 ωn ωn
τ d2 = τ
τi +τ d2 = Kp =
τi
2ξ
ωn
τ *K
τ i (τ d 1 + τ d 2i ) =
1
ωn
2
C(s)
C (s) KKp = R ( s ) τ i s + KKp C (s) 1 = τis R( s) +1 KKp
C (s) K = R( s) τ * s + 1
Respon menyerupai plant orde 1 maka:
Maka:
τ d2 = τ
τi +τ d2 = Kp =
τi
2ξ
ωn
τ *K
τ i (τ d 1 + τ d 2i ) =
1
ωn
2
Kriteria respon yang diinginkan: Kondisi Nominal : ts(±5%) sekitar 30s , zero overshoot Kondisi Maksimal : ts(±5%) sekitar 35s , zero overshoot Kondisi Minimal : ts(±5%) sekitar 60s , zero overshoot
Desain Kontroler PID
Kondisi
Kp
τi
τd1
τd2
Nominal
17.61484
1495,28879
14,08042
3,32
Maksimal
25.55593
725,23518
17,06475
1,6
Minimal
30.98068
528,09664
11,48178
2,992
Desain Kontroler Fuzzy PID
3 Membership Function N
Z
P
Flow DFlow
Kp
S
M
B
3 Membership Function N
Z
P
Flow DFlow
τi
S
M
B
3 Membership Function N
Z
P
Flow DFlow
τd1
S
M
B
3 Membership Function N
Z
P
Flow DFlow
τd2
S
M
B
Rule Base 3 membership function τi
KP Error/D Error
N
Z
P
Error/D Error
N
Z
P
N
S
S
S
N
B
B
B
Z
M
M
M
Z
M
M
M
P
B
B
B
P
S
S
S
τd2
τd1 Error/D Error
N
Z
P
Error/D Error
N
Z
P
N
S
S
S
N
S
S
S
Z
M
M
M
Z
M
M
M
P
B
B
B
P
B
B
B
Rule Base 5 membership function τi
KP F/DF
N
Nz
Z
Pz
P
F/DF
N
Nz
Z
Pz
P
N
S
S
SM
M
M
N
B
B
BM
M
M
Nz
S
SM
M
M
M
Nz
B
BM
M
M
M
Z
SM
M
M
M
BM
Z
BM
M
M
M
SM
Pz
M
M
M
BM
B
Pz
M
M
M
SM
S
P
M
M
BM
B
B
P
M
M
SM
S
S
Rule Base 5 membership function τd2
τd1 F/DF
N
Nz
Z
Pz
P
F/DF
N
Nz
Z
Pz
P
N
S
S
SM
M
M
N
B
B
BM
M
M
Nz
S
SM
M
M
M
Nz
B
BM
M
M
M
Z
SM
M
M
M
BM
Z
BM
M
M
M
SM
Pz
M
M
M
BM
B
Pz
M
M
M
SM
S
P
M
M
BM
B
B
P
M
M
SM
S
S
5 Membership Function Flow DFlow
Kp
5 Membership Function Flow DFlow
τi
5 Membership Function Flow DFlow
τd1
5 Membership Function Flow DFlow
τd2
Pengujian Kontroler
Pengujian Kontroler PID Pengujian Kontroler Fuzzy PID
Implementasi Kontroler PID Respon Kondisi Beban Nominal
Implementasi Kontroler PID Respon Kondisi Beban Maksimal
Implementasi Kontroler PID Respon Kondisi Beban Minimal
Pengujian Kontroler Fuzzy PID Respon Kontroler Fuzzy PID 3 Membership Function
Pengujian Kontroler Fuzzy PID Respon Kontroler Fuzzy PID 5 Membership Function
Analisa
Analisa Kontroler PID Analisis Analisa Kontroler Fuzzy PID
Performansi Kontroler PID Analisis Kondisi
Mp(%)
Ts(5%)(detik)
Ess(%)
Nominal
0
46,1
3,6
Maksimal Minimal
0 7
20,6 30,2
0,05 2
Analisis Kontroler Fuzzy PID 3 membership Function Kondisi awal
Kondisi MP(%) Ts(5%) Ess(%) perubahan (detik)
0 Nominal Nominal Maksimal Maksimal Minimal Minimal
Nominal Maksimal Minimal Nominal Minimal Nominal Maksimal
0 0 6,5 0 6,7 0 0
14,2 12,1 7,3 0 15,4 0 9,4
0,01% 0,4 2,4 0,85 3,25 0,4 0,6
Analisis Kontroler Fuzzy PID 5 membership Function Kondisi awal
Kondisi MP(%) Ts(5%)( Ess(%) perubahan detik)
0 Nominal Nominal Maksimal
Nominal Maksimal Minimal Nominal
0,04 0 6,05 0
14,5 13,4 27.7 0
0,02 0,5 2,8 0,75
Maksimal Minimal
8
28
3
Minimal Minimal
0 0
0 3,3
0,45 0,5
Nominal Maksimal
Kesimpulan
Pengendali fuzzy PID memiliki respon yang lebih cepat dari pengendali PID konvensional. Hal ini dapat dilihat dari respon plant pada kondisi nominal saat ts(5%) sebesar 14,2 detik untuk pengendali fuzzy PID dan 46,1 untuk pengendali PID. Jumlah membership function berpengaruh dalam pemilihan rule base. Semakin banyak jumlah rule base maka akan semakin sulit menempatkan rule base pada kondisi yang tepat. Efek yang paling terlihat adalah pada saat kondis perubahan beban menuju kondisi beban minimal. pengendali fuzzy PID menggunakan 3 membership function dapat tercapai dengan waktu 7,3 detik dan pengendali fuzzy PID menggunakan 5 membership function dengan waktu 27,7 detik.