FORUM IPTEK
Vol 13 No. 03
PERANCANGAN DAN IMPLEMENTASI PENGENDALI LOGIKA FUZZY GAIN SCHEDULING UNTUK PENGENDALIAN LEVEL BEJANA TERTUTUP Oleh: Roni Heru Triyanto*)
INTISARI Pada penelitian ini fuzzy gain scheduling (FGS) digunakan untuk adaptasi parameter pengendali PID (PB, Ti, dan Td). Dengan menggunakan aturan fuzzy dan pemikiran fuzzy, FGS menghitung secara on-line parameter pengendali PID berdasarkan dua sinyal input lapangan, yaitu error dan first difference error. Pengendali yang dirancang ini diaplikasikan di pengendalian level pada bejana tertutup. Hasil pengendalian level tersebut dibandingkan dengan pengendalian level dengan menggunakan pengendali PID konvensional. Untuk melihat kinerja digunakan IAE (Integral of the absolute Error), ISE (Integral of Squared Error), persen maksimum overshoot, waktu untuk mencapai settling. Pada penelitian ini diperlihatkan bahwa pengendali yang dirancang tersebut mempunyai kinerja yang lebih baik daripada pengendali PID konvensional. Perbaikan kinerja ini diamati pada saat sistem pengendalian dipengaruhi oleh gangguan dan pada saat dioperasikan diluar daerah operasi rancangannya. Keywords: Fuzzy Gain Scheduling (FGS), pengendalian level, bejana tertutup
1. Pendahuluan Pada penelitian ini, penulis mengangkat suatu permasalahan yang terjadi pada kondisi nyata di lapangan, yaitu permasalahan pengendalian level yang banyak diaplikasikan pada industri minyak dan gas (migas). Sebagai contoh pada kilang minyak (crude distillation Unit), yaitu pada kolom evaporator, fraksinasi, dan stripper dan pada proses pengolahan gas, yaitu pada kolom scrubber dan separator. Pada kilang minyak, kolom evaporator digunakan sebagai media penguapan minyak mentah (crude oil) setelah dilakukan proses pemanasan, kolom fraksinasi digunakan untuk proses pemisahan produk berdasarkan perbedaan titik embunnya, dan kolom stripper digunakan untuk proses pemurnian suatu produk. Pada proses pengolahan gas, kolom scrubber digunakan untuk mempersiapkan gas sebelum masuk ke kompressor dan kolom separator digunakan
untuk proses pemisahan minyak (kondensat) dan gas. Sudah banyak diketahui, bahwa pengendali yang banyak digunakan dalam mengendalikan proses di industri adalah pengendali Proportional-Integral-Derivative (PID). Karena mempunyai struktur yang sederhana dan mempunyai kinerja yang kokoh dalam rentang kondisi operasinya. Pada pengendali ini dibutuhkan spesifikasi tiga parameter: proportional gain, integral time, derivative time. Tetapi penalaan parameter pengendali bukan merupakan pekerjaan yang mudah sehingga banyak penelitian dikembangkan untuk penalaan pengendali PID [1,5] . Pada waktu sekarang, logika fuzzy menjadi sangat penting dalam sistem pengendalian khususnya dalam sistem dengan model matematik yang sangat nonlinear dan inexact. Sistem pengendalian fuzzy akan mengemulasi strategi pengendalian manusia,
Lembaran Publikasi Ilmiah Pusdiklat Migas
77
FORUM IPTEK
Vol 13 No. 03
sehingga mudah dimengerti oleh setiap orang termasuk yang tidak mempunyai latar belakang formal dalam pengendalian. [14]. Penelitian aplikasi logika fuzzy memotivasi pengembangan teknologi logika fuzzy untuk memperbaiki pengendali PID konvensional yang telah berbasis mikroprosesor. Logika fuzzy yang digunakan adalah logika fuzzy yang sederhana tetapi dapat memperoleh perbaikan kinerja yang cukup berarti. Hal ini dilakukan supaya waktu eksekusi dan memory yang dibutuhkan untuk operasi logika fuzzy tidak besar [2]. Pada kasus ini digunakan fuzzy gain scheduling (FGS) untuk melakukan penalaan parameter pengendali PID [5]. Pada penelitian ini pengukuran level dilakukan dengan differential pressure (D/P) transmitter produk Yamatake-Honeywell, pengendali digunakan SLPC produk Yokogawa, dan control valve dirancang dengan penggerak motor dc. Program FGS disisipkan kedalam pengendali SLPC. FGS direalisasikan sesuai dengan kemampuan yang dimiliki oleh pengendali SLPC tetapi juga diperhitungkan kinerja yang dihasilkan dengan pengembangan pengendali ini.
Gb.1. Blok Diagram Sistem Pengendalian Level menggunakan Pengendali PID dengan FGS Implementasi FGS untuk Adaptasi Parameter PID
AI C
PLC
PB, Ti, Td
SV K
PI
B
LT P
2. Rancangan Sistem Pengendalian
Logging Data
Pada penelitian ini, sistem pengendalian level menggunakan pengendali PID dengan FGS untuk mengadaptasi parameter PID. Blok diagram sistem pengendalian level tersebut diperlihatkan pada Gb.1. Untuk rancangan perangkat keras diperlihatkan pada Gb.2. dan sistem pengendalian nyata diperlihatkan pada Gb.3.
CV
Valve Gangguan
R
PLANT Gb.2. Skematis Sistem Pengendalian Level
Fuzzy Gain Scheduling
Keterangan Gb.2.: C r(t)
_ +
e(t)
Pengendal i PID
u(t)
Prose s
c(t)
: Pengendali PID (menggunakan SLPC produk Yokogawa) LT : Level Transmitter, CV : Control Valve, P : Pompa, T : Bejana tertutup,
Lembaran Publikasi Ilmiah Pusdiklat Migas
78
FORUM IPTEK
K AI SV PI
Vol 13 No. 03
: Komputer, : Analog Input, : Set Value, R : Reservoir, : Pressure Indikator (Manometer)
Manometer
Untuk realisasi, bejana tertutup yang digunakan adalah bejana silinder tegak dengan diameter 6 inch dan tinggi 175 cm. Pada penelitian ini digunakan air sebagai cairan yang akan dikendalikan level-nya. Air tersebut ditampung pada reservoir kemudian dipompakan ke bagian atas dari bejana tertutup. Untuk mengetahui level dari bejana tersebut maka dipasang level transmitter. Sinyal dari level transmitter kemudian dihubungkan ke input pengendali SLPC, yang akan digunakan sebagai input pengendali PID dan FGS. Hasil pengendalian dari pengendali PID dengan FGS untuk mengadaptasi parameter PID tersebut merupakan output pengendali. Output pengendali kemudian dihubungkan ke control valve yang terletak pada bagian bawah (down steam) dari bejana tertutup. Control valve berfungsi sebagai aktuator untuk mengatur besarnya aliran air yang pada akhirnya berguna untuk mengatur level air dalam bejana. Dari control valve air dialirkan kembali ke reservoir.
Bejana Tertutup
Gelas Penduga
Programmer (SPRG) Pengendali (SLPC)
Control valve Reservoir
Level transmitter Pompa
3. Rancangan Perangkat Keras • Level transmitter Level transmitter merupakan sensor level dan signal conditioner yang menjadi satu peralatan. Level transmitter yang digunakan dalam penelitian ini adalah transmitter tipe differential pressure (D/P), produk Yamatake Honeywell. Level transmitter ditala untuk level: 0 – 100 cm, dengan tegangan yang dikeluarkan dari transmitter adalah 1 – 5 v dc. Transmitter tersebut apabila diaplikasikan untuk pengukuran level pada bejana tertutup, diinstalasi seperti yang diperlihatkan pada Gb.4. Port tekanan tinggi (High) disambungkan ke dasar tangki, dan port tekanan rendah (Low) disambungkan ke tabung bagian atas.
Gb.3. Realisasi Sistem Pengendalian Level
Lembaran Publikasi Ilmiah Pusdiklat Migas
D/P Transmitter High
Low
79
FORUM IPTEK
Vol 13 No. 03
Gb.4. D/P transmitter Diaplikasikan Untuk Bejana Tertutup
• Control valve Control valve merupakan aktuator dari pengendalian level ini. Control valve dirancang seperti yang diperlihatkan pada Gb.5. Control valve mendapatkan sinyal input dari output pengendali, sinyal tersebut dibandingkan dengan sinyal posisi valve. Perbedaannya digunakan mengubah posisi valve sampai didapatkan sinyal posisi valve sama dengan sinyal inputnya. Sebagai aktuator control valve akan mengubah dari sinyal 1-5 vdc menjadi pembukaan valve 0 – 100 %.
Td s 100 1 MV = E+ E+ PV PB Ti s T 1 + d s m
(1)
dengan: MV E PV PB Ti Td m
: Manipulated Variable : Deviation : Process Variable : Proportional Band : Integral Time : Derivative Time : Derivative Gain
Programmer Pengendali Sinyal Input + (1-5v dc)
Aktuator
Valve
_
1-5v dc Sensor Posisi
Pembukaan Valve: 0 - 100 %
Gb.5. Blok Diagram Control Valve
• Pengendali Pada penelitian ini digunakan pengendali Programmable Indicating controller SLPC merupakan pengendali berdasar mikroprosesor produk Yokogawa. Pemrograman SLPC dilakukan dengan menggunakan programmer SPRG. Gambar dari SLPC dan SPRG yang terinstalasi diperlihatkan pada Gb.6. Pada penelitian ini dibatasi operasi dari pengendali PID hanya didalam rentang sistem kontinyu, sehingga yang diperhatikan hanya pengendali PID saja. (tidak menggunakan limiter dan alarm). Model matematis pengendali PID pada SLPC yang digunakan adalah [8] :
Gb.6. Instalasi SLPC dan SPRG
• Logging & Reporting Data Logging data dilakukan dengan menggunakan PLC seri PL7 Micro/ Junior Schneider. Hasil logging data dikirim dengan menggunakan RS232 ke PC (Personal Computer). Rancangan logging data diperlihatkan pada Gb.7. Input Analog (1-5 v)
PLC (PL7)
Lembaran Publikasi Ilmiah Pusdiklat Migas
RS232
PC
80
FORUM IPTEK
Vol 13 No. 03
Gb.7. Rancangan Logging Data
4. Rancangan Fuzzy Gain Scheduling (FGS) dalam Pengendali PID yang diaplikasikan pada SLPC Pada bagian ini akan diungkapkan rancangan detail dari aplikasi fuzzy gain scheduling (FGS) sebagai adaptasi parameter PID untuk pengendalian level pada bejana tertutup. Pada Gb.8. diperlihatkan blok diagram sistem pengendalian level yang dirancang dan diperlihatkan juga aliran perubahan sinyalnya. Untuk blok diagram SLPC yang diaplikasikan sebagai pengendali PID dengan FGS diperlihatkan pada Gb.9.
pembicaraan proses fuzzifikasi. Setelah dilakukan preprocessing, kemudian dilakukan fuzzifikasi, yang berfungsi untuk mengubah sinyal dari bentuk crisp menjadi nilai dengan penafsiran subyektif. Nilai penafsiran subyektif tersebut sebagai data input penyimpulan fuzzy. Didalam penyimpulan fuzzy terdiri dari tiga komponen, yaitu aturan fuzzy, basis data, dan mekanisme pemikiran (reasoning) yang akan melakukan prosedur penyimpulan.
Fuzzy gain Scheduling e_raw( _ k) Fuzzy
+
Parameter PID: PB, Ti, & Td
de_raw (k)
SV SLPC
SV 0– 100%
Pengend ali & Fuzzy
0– 100% DA C
1 – 5 vdc (MV) Cont valv e
Plan t
Output 0 – 100 cm
0– 100 open
0– 100% AD C
PID
0– 100%
DA C
0– 100%
M
V 1– 5VDC
AD C PV
1– 5VDC
Gb.9. Blok Diagram SLPC sebagai Pengendali PID dengan FGS dari Gb.8. PV 1 – 5 vdc
Level Transmit ter
Gb.8. Blok Diagram Sistem Pengendalian Level Menggunakan Pengendali PID dengan FGS dari Gb.2.
Realisasi FGS pada SLPC dirancang seperti pada Gb. 10 (lihat lampiran gambar). Sinyal masukan FGS adalah sinyal error dan first difference error-nya. Sinyal masukan asli dari lapangan (e_raw & de_raw) pertama dilakukan preprocessing, yaitu dilakukan pengolahan sinyal sehingga keluaran preprocessing masuk dengan semesta
5. Fuzzy Gain Scheduling (FGS) 5. 1. Preprocessing dan Fuzzifikasi (Fuzzification) dari Masukan error dan First Difference Error. • Preprocessing Preprocessing digunakan untuk mempersiapkan data dari lapangan yang akan dilakukan fuzzifikasi. Ini supaya data lapangan tersebut masuk dalam semesta pembicaraan. Pada preprocessing dilakukan penskalaan sinyal lapangan dengan faktor skala. Penskalaan yang dilakukan pada error adalah: e(k) = [e_raw(k)/a] + 0.5, 0 ≤ e(k) ≤ 1 (2)
Lembaran Publikasi Ilmiah Pusdiklat Migas
81
FORUM IPTEK
Vol 13 No. 03
dengan: e_raw(k) = PV(k) – SV(k), -0.5a ≤ e_raw(k) ≤ 0.5a , a > 0 e_raw(k) : nilai error dari lapangan e(k) : nilai error setelah dilakukan preprocessing Penskalaan yang dilakukan pada first difference error (de(k)) adalah: de(k) = (de_raw(k)/b) + 0.5, 0 ≤ de(k) ≤ 1 (3) dengan: de_raw(k) = e_raw(k) – e_raw(k-1), -0.5b ≤ de_raw(k) ≤ 0.5b, b > 0 de_raw(k) : nilai first difference error dari lapangan. de(k) : nilai first difference error setelah dilakukan preprocessing µ
N
0 -0.5a
µ
N
0 0
Z
P
0
0.5a e_raw(k)
Z
P
0.5
1
e(k)
(a)
µ
N
0 -0.5b
µ
N
0 0
Z
P
0
0.5b de_raw(k)
Z
P
0.5
1
de(k)
(b) Gb.11. Fungsi Keanggotaan untuk Masukan: (a). error, e dan (b) first difference error, de
• Fuzzifikasi
Fuzzifikasi adalah untuk merubah nilai crisp menjadi nilai dengan penafsiran subyektif. Dengan kata lain untuk memetakan dari input yang diobservasi ke himpunan fuzzy. Bentuk fuzzifikasi untuk masukan error dan first difference error mempunyai fungsi keanggotaan (membership function (MF)) seperti yang diperlihatkan pada Gb.11. Dengan N merepresentasikan negatif, P merepresentasikan positif, dan Z merepresentasikan zero. 5.2. Aturan Fuzzy Pada Gb.1 diperlihatkan sistem pengendalian menggunakan pengendali PID dengan fuzzy gain scheduling (FGS). FGS memanfaatkan aturan-aturan dan pemikiran fuzzy untuk membangkitkan parameter pengendali. Jadi FGS digunakan untuk menala parameter pengendali PID. Pada rancangan di penelitian ini, parameter PID diadaptasi berdasarkan error sekarang e(k) dan first difference errornya de(k), untuk mendapatkan proportional band (PB), Time derivative (Td) dan α. Time integral (Ti) diperhitungkan terhadap referensi time derivative, yaitu: Ti = α Td (4) Hal ini mengacu pada aturan Ziegler-Nichols, dimana time integral Ti selalu diberikan empat kali dari besar derivative time[5]. Pada keadaan ini berarti α sama dengan 4. Tetapi pada rancangan FGS nilai α dapat mempunyai nilai lebih kecil atau lebih besar dari 4. Bentuk dari himpunan aturan fuzzy adalah: Jika e(k) adalah Ai dan de(k) adalah Bi, maka PB = PBi, Td = Td,i, dan α = αi (5) i = 1, 2, …, m Penentuan aturan fuzzy mengacu pada referensi [5] dan juga mengacu pada kondisi fisik dari plant yang akan dikendalikannya, serta pengendali PID yang digunakannya, yaitu SLPC, sehingga mengacu pada rumus PID seperti yang ditampilkan pada persamaan (1). Perpaduan penentuan aturan fuzzy ini menghasilkan aturan fuzzy yang dirancang pada penelitian ini.
Lembaran Publikasi Ilmiah Pusdiklat Migas
82
FORUM IPTEK
Vol 13 No. 03
Plant yang direalisasi diperlihatkan pada Gb.3. Plant tersebut mempunyai kecepatan kenaikan level yang sangat dipengaruhi oleh kekuatan pompa. Dan kecepatan penurunan level sangat dipengaruhi oleh tekanan hidrostatik dan tekanan dalam tangki yang terbentuk oleh mengecilnya volume udara yang disebabkan terisinya udara oleh air. Pada rancangan FGS ini digunakan 2 buah sinyal masukan dengan masing-masing mempunyai 3 MF seperti yang diperlihatkan pada Gb.11. Oleh karena itu terdapat sembilan aturan fuzzy dengan bentuk aturan fuzzy seperti yang diperlihatkan pada persamaan (5). Output PBi, Td,i, dan αi, adalah sebuah konstanta dari nilai fuzzy singleton, himpunan fuzzy-nya merupakan fuzzy singleton dengan MF seperti yang diperlihatkan pada Gb.12. µ
S
µ
B
M
6: Jika e(k) adalah Z dan de(k) adalah P, maka PB = B, Td = M, dan α = B. 7: Jika e(k) adalah P dan de(k) adalah N, maka PB = S, Td = S, dan α = S. 8: Jika e(k) adalah P dan de(k) adalah Z, maka PB = S, Td = S, dan α = S. 9: Jika e(k) adalah P dan de(k) adalah P, maka PB = B, Td = B, dan α = B. Posisi aturan tersebut apabila diperlihatkan dalam eksperimen respons step dari proses dapat diperlihatkan seperti pada Gb.13 angka pada gambar menunjukkan nomer aturan.
Output 8a
B
S
•
6a
•
6. 3 (a)
µ
6.5 PB
2
0
3
Td
M
•7a
Set Value (SV)
5•
4a •
1a• •2
b
•3
b
•3a
(b) S
•
9a
Process Value (PV)
B •
2a Gb.13. Respon Step dari Proses
1.80 2.25 (c)
5.20
α
5.3. Defuzzification Defuzzification yang dilakukan pada penelitian ini menggunakan Weight Mean:
Gb.12. Fungsi Membership Singleton untuk: (a). PB, (b). Td , (c). α (S = small, M = Medium, dan B = Big)
9
9
PB =
Aturan fuzzy pada penelitian ini adalah: 1: Jika e(k) adalah N dan de(k) adalah N, maka PB = B, Td = B, dan α = B. 2: Jika e(k) adalah N dan de(k) adalah Z, maka PB = S, Td = S, dan α = M. 3: Jika e(k) adalah N dan de(k) adalah P, maka PB = S, Td = S, dan α = M. 4: Jika e(k) adalah Z dan de(k) adalah N, maka PB = S, Td = M, dan α = S. 5: Jika e(k) adalah Z dan de(k) adalah Z, maka PB = S, Td = B, dan α = B.
waktu
∑
µ i PBi
i =1
9
∑µ
, Td =
∑
9
µ i Td ,i
i
i =1
9
∑µ i =1
i
∑µ α i
,α =
i =1
i =1 9
∑µ
i
(6)
i
i =1
Contoh bagaimana PB ditentukan pada penyimpulan fuzzy dapat diperlihatkan pada Gb.14. Proses penentuan Td dan α dilakukan dengan prinsip yang sama seperti dalam penentuan PB.
Lembaran Publikasi Ilmiah Pusdiklat Migas
83
FORUM IPTEK
Vol 13 No. 03
dengan menggunakan persamaan (4), yaitu Ti = α Td.
6. Pengujian dan Analisis N
6.1. Rancangan FGS dengan Perubahan Step rentang: 50 – 60 %.
Produc t
N
B
1 e
de
N
P B
Z
Respon Perubahan Step pada PID FGS
S
e
de
N
60
I
P B
P S
3 e
de
N
Z
I
4
P B
PV, PID Fuzzy Gain Scheduling Level (%)
2
56
SV, step:50 --> 60%
52
S e
P B
de
Z
Z
5
48 0
25
50 75 Waktu (dt)
S
e
I
de
Z
P
B
6 e P
I
de
N
7
P B P B
S e P
P B
Z S e
P B
de
9
B e
e
de
d
m
S
i
PB =
i =1
m
∑ i =1
µi
i
Perubahan Parameter PID, SV: 50 --> 60% 16
12 Gain
10
Ti (detik) Td (detik)
6 4 2
P B
∑ µ PB I
(a) Respons Step
8
P
P
125
14
de
8
100
0 0
25
50 75 Waktu (dt)
100
125
B
I
P B
(b) Perubahan Parameter PID
Output PB
Phase Plane Perubahan SV: 50 --> 60% 0.9 0.7 0.5 de
Gb.14. Mekanisme Penyimpulan Fuzzy untuk penentuan PB
0.3
5.4. Post Processing Pada Post processing dilakukan perhitungan setelah didapatkan hasil akhir perhitungan logika fuzzy (crisp). Tujuan dari perhitungan ini adalah untuk mendapatkan hasil perhitungan akhir dari proses FGS. Pada post processing perhitungan yang dilakukan adalah
0.1 -0.1 0.0
0.3
0.5
0.8
1.0
e
(c) Trajektori
Lembaran Publikasi Ilmiah Pusdiklat Migas
84
FORUM IPTEK
Vol 13 No. 03
Gb. 15. Pengendalian Level Menggunakan Pengendali PID dengan FGS Untuk Perubahan Step 50 60%
Respon Perubahan Step pada PID FGS
Level (%)
62 60
PV, PID dgn Fuzzy Gain Scheduling
58
SV, Step: 60 --> 50 %
56 54 52 50 48 0
25
50 75 Waktu (dt)
100
125
(a) Respons Step
Gb. 16. Pengendalian Level Menggunakan Pengendali PID dengan FGS Untuk Perubahan Step
Pengujian dan analisis kinerja dari pengendalian level yang dirancang dilakukan dengan menggunakan kriteria IAE, ISE, persen maksimum overshoot (Yos), dan waktu settling (Ts). Pada penelitian ini FGS dirancang untuk perubahan step (tangga) pada rentang 50 – 60 %. Contoh hasil pengendalian untuk perubahan step 50 60% diperlihatkan pada Gb.15 dan untuk contoh hasil pengendalian dengan perubahan step 60 50% diperlihatkan pada Gb.16. Pada rancangan pengendali PID dengan FGS ini dilakukan penalaan pada parameter fuzzy dan ditentukan strategi pengendalian berdasarkan pada analisa fuzzy.
Perubahan Parameter PID, SV: 60 --> 50% 16 14 12 Gain
10
Ti (detik)
8
Td (detik)
6 4 2 0 0
25
50 75 Waktu (dt)
100
125
(b) Perubahan Parameter PID
Phase Plane Perubahan SV: 60 --> 50% 1.1
6.2. Perbandingan Pengendalian Level Untuk Rentang 50 – 60 %. Pada penelitian ini dibandingkan pengendalian level antara menggunakan pengendali PID konvensional yang optimum dan menggunakan pengendali PID dengan FGS. Perbandingannya diperlihatkan pada Tabel 1. Contoh grafik percobaannya diperlihatkan pada Gb.17. Dari tabel 1 diperlihatkan bahwa dengan menggunakan FGS untuk adaptasi parameter PID didapatkan sistem pengendalian level yang mempunyai kinerja yang lebih bagus, tetapi kenaikkan kinerjanya tidak besar. Tabel 1. Perbandingan Antara Pengendali PID Konvensional dan Pengendali PID dengan FGS Untuk Rentang 50 – 60 %. Perbandingan Respon Perubahan Step
0.9 62 60
0.5
58 Level (%)
de
0.7
0.3 0.1
56
PV, PID Fuzzy Gain Scheduling
54
SV, step:50 --> 60% PV, PID Konv optimum
52
-0.1 0.0
0.3
0.5 e
0.8
1.0
50 48
(c) Trajektori.
0
25
50 75 Waktu (dt)
100
125
(a)
Lembaran Publikasi Ilmiah Pusdiklat Migas
85
FORUM IPTEK
Vol 13 No. 03
Perbandingan Respon Perubahan Step 62 PV, PID dgn Fuzzy Gain Scheduling
60
SV, Step: 60 --> 50 %
Level (%)
58
PV, PID Konv Optimum
56 54 52 50 48 0
25
50 75 Waktu (dt)
100
125
(b) Gb.17. Perbandingan Pengendalian Level dengan Perubahan Step {(a) 50 60% dan (b) 60 50%}
6.3. Pengaruh Gangguan pada Pengendalian Level. Fuzzy Gain Scheduling
gangguan
+
_ Set
+
Pengendali PID
Proses
+
Gb.18. Blok Diagram Pengendalian Level Menggunakan PID dengan FGS yang Dipengaruhi Gangguan
Pada penelitian ini dilakukan pengujian dan analisis pengaruh gangguan pada pengendalian level. Blok diagram pengendaliannya diperlihatkan pada Gb.18. Dalam realisasinya gangguan diinstalasi dengan memasang valve paralel dengan control valve. Gangguan berbentuk step (tangga) diberikan pada sistem ini pada saat sistem telah stabil di SV = 50%. Contoh grafik percobaannya diperlihatkan pada Gb.19, yaitu ditampilkan perbandingan hasil pengendalian yang dirancang dan hasil pengendalian dengan pengendali PID konvensional. Dari Gb.19 ditampilkan bahwa dengan menggunakan pengendali PID dengan FGS maka sistem lebih kokoh terhadap gangguan dibandingkan menggunakan pengendali PID konvensional. 6.4. Pengendalian Level Untuk Rentang 70 – 80 % Pada penelitian ini dilakukan penelitian pengendalian level diluar daerah operasi sistem yang telah dirancang (50 – 60 %), yaitu pada daerah operasi 70 – 80 %. Dari hasil penelitian ini diperlihatkan bahwa untuk rentang operasi 70 – 80% sistem pengendalian level menggunakan pengendali PID dengan FGS mempunyai kinerja jauh lebih bagus dibanding dengan menggunakan pengendali PID konvensional, contoh respons pengendalian diperlihatkan pada Gb.20. Perbandingan Respon Perubahan Step 82
Perbandingan Pengaruh Gangguan
80
56
Level (%)
PV, PID Konv. optimum SV Gangguan, step: 0 ---> x (x=konstanta) PID FGS
52
Level (%)
78 54
PV, PID Konv 76
SV, Step: 70 --> 80 % PV, PID FGS
74 72
50
70 48
68 0
25
50
75
100
125
Waktu (dt)
Gb.19. Perbandingan pengaruh gangguan pada pengendalian level dengan Gangguan Step: 0 x, (x = konstanta)
0
25
50 75 Waktu (dt)
100
125
(a) Perubahan Step: 70 80%
Lembaran Publikasi Ilmiah Pusdiklat Migas
86
FORUM IPTEK
Vol 13 No. 03
dikembangkan sebagai pengendali PID yang mempunyai kemampuan untuk melakukan adaptasi parameter PID dengan FGS tanpa menyisipkan peralatan tambahan.
Perbandingan Respon Perubahan Step 82 80 PV, PID Konv
Level (%)
78
SV, Step: 80 --> 70 % 76
Daftar Pustaka
PV, PID FGS
-
74 72 70 68 0
25
50 75 Waktu (dt)
100
125
(b) Perubahan Step: 80 70% Gb.20. Pengendalian Level Pada Rentang 70 – 80%
-
7. Kesimpulan Dari penelitian ini dapat disimpulkan bahwa fuzzy gain scheduling (FGS) yang diaplikasikan sebagai adaptasi parameter PID apabila dibandingkan dengan pengendali PID konvensional didapatkan bahwa pada daerah operasi pengendaliannya atau daerah operasi yang dirancang (50 – 60%), penggunaan FGS tidak banyak membantu dalam memperbaiki kinerja sistem pengendalian, tetapi terhadap pengaruh gangguan, penggunaan FGS cukup membantu untuk memperbaiki kinerja sistem pengendalian. Pada keadaan yang cukup jauh dari daerah operasi pengendaliannya (pada penelitian ini untuk rentang 70 – 80%), penggunaan FGS sangat membantu dalam memperbaiki kinerja sistem pengendalian. Dari penelitian untuk rentang daerah operasi yang berbeda disimpulkan bahwa pengendali PID konvensional mempunyai kinerja yang bagus untuk untuk daerah operasinya saja dan proses level pada bejana tertutup bukan merupakan proses linear, serta digunakannya adaptasi parameter PID dengan FGS dapat mengatasi ketidak-linear-an proses, dan memperbaiki kinerja karena pengaruh gangguan. Dengan keberhasilan penelitian ini, maka dapat disimpulkan bahwa SLPC, produk Yokogawa, yang sebenarnya diaplikasikan sebagai pengendali PID konvensional, dapat
-
-
-
-
Theerawut Chatthana-anan and Suvalai Pratishthananda, “GA Fuzzy Supervisory Control System of A Binary Distillation Column”, Department of Electrical Engineering, Faculty of Engineering Chulalongkorn University, Bangkok, Thailand. C.M. Lim, K.W. Chionh, B.C. Teo and C.C. Ho, “Application of A Fuzzy Logic Control Scheme to Multi-Variable Systems”, Electronic and Computer Engineering Department Ngee Ann Polytechnic, Singapore. Katsuhiko Ogata, “System Dynamics”, 1998, edisi ketiga, Prentice Hall International, Inc, United States of America Robert F. Coughlin & Frederick F. Driscoll, “Operational Amplifiers & Linear Integrated Circuits”, Edisi 5, 1998, Prentice-Hall International, Inc, United States of America Zhen-Yu Zhao, Masayoshi Tomizuka, and Satoru Isaka, “Fuzzy Gain Scheduling of PID Controllers”, IEEE Transaction on system, Man, and Cybernetics, vol. 23, No. 5, Sept./ Oct. 1993, pp. 1392 – 1398. Yokogawa, “Instruction Manual: Model SLPC-150, -250 Programmable Indicating Controller”, edisi 4, Nov. 1986. Yokogawa, “Instruction Manual: Model SPRG (Style E) Programmer”, edisi 3, April 1989. Yokogawa, “Technical Information: YEWSERIES 80 (Style E) Models SLPC, SLMC, SCMS, SPLR, and SPRG Programmable Instruments Functions and Aplications”, edisi 1, Nov. 1986. Jun Yan, Michael Ryan, and James Power,”Using Fuzzy Logic”, Prentice Hall, edisi pertama, 1994
Lembaran Publikasi Ilmiah Pusdiklat Migas
87
FORUM IPTEK
-
-
Vol 13 No. 03
-
J.-S. R. Jang, C.-T. Sun, E. Mizutani, “Neuro-Fuzzy and Soft Computing”, Prentice-Hall,1997 Wei Li, “Design of Hybrid Fuzzy Logic Proportional Plus Conventional IntegralDerivative Controller”, IEEE Transaction on Fuzzy Systems, November 1998. Leonid Reznik, “Fuzzy Controllers”, edisi pertama, Great Britain, England, 1997 Mohammad Jamshidi, Neder Vadiee, Timothy J. Ross, “Fuzzy Logic and Control”, Prentice-Hall,1993 Tetsuji Tani, Shunji Murakoshi, & Motohide Umano, “Neuro-Fuzzy Hybrid Control System of tank level in Petroleum Plant”, IEEE Transaction on Fuzzy System, vol.4, No. 3, Aguatus 1996.
-
Nicholas P. Cheremisionoff, ”Process Level Instrumentation and Control”, Marcel Dekker, Inc, New York, 1981 Katsuhiko Ogata, “Modern Control Engineering”, edisi kedua, Prentice-Hall, USA, 1990 F.G. Shinskey, “Process Control Systems: Application, Design, and Tuning”, edisi keempat, McGraw-Hill, USA, 1996. Kevin M. Passino & Stephen Yurkovich, “Fuzzy Control” Addison-Wesley Longman, Inc. California, 1998
*) Roni Heru Triyanto adalah pejabat fungsional dosen STEM Pusdiklat Migas.
LAMPIRAN GAMBAR Fuzzification
-0,5a≤ e_raw(k) ≤0,5a
_
N e is N
Preprocessi ng Faktor skala
0≤ e(k) ≤ 1
Z e is Z
SV
+
Post Processin g
µi
P e is P
Fuzzy Inference
PBi
P B
P B
Td
Td
Defuzzif ication
PV Td,i
A/D
N
-0,5b≤ de_raw(k ) ≤0,5b Faktor skala
1- 5 vdc (0 – 100 cm)
0 ≤de(k) ≤1
Z
P
de is N
αi de is Z
α
Ti π
de is P
Gb.10. Aplikasi FGS pada SLPC
Lembaran Publikasi Ilmiah Pusdiklat Migas
88