“Saya akui bahawa saya telah membaca laporan ini dan pada pandangan saya laporan ini adalah memadai skop dan kualiti untuk tujuan penganugerahan ijazah Sarjana Muda
Kejuruteraan Elektrik (Kawalan, Instrumentasi dan Automasi).”
Tandatangan :
REKABENTUK PENGAWAL FUZZY-PI UNTUK SISTEM TANGKI BERKEMBAR
KHAIRUL AMRI SALEH
Laporan projek ini dikemukakan sebagai memenuhi sebahagian daripada syarat Penganugerahan Ijazah Sarjana Muda Kejuruteraan Elektrik (Kawalan, Instrumentasi dan
Automasi)
Fakulti Kejuruteraan Elektrik Universiti Teknikal Malaysia Melaka
“Saya akui laporan ini adalah hasil kerja saya sendiri kecuali pada ringkasan, petikan dan lampiran yang tiap-tiap satunya saya nyatakan sumbernya.”
Tandatangan :
Untuk emak dan ayah khasnya,
Setinggi-tinggi penghargaan di atas kasih sayang,jasa dan pengorbanan yang dicurahkan untuk kejayaan anakmu ini.
Segala pengorbanan akan tetap kukenang Sehingga ke akhir hayatku….
Untuk adik-adik tercinta, Untuk penyelia dan guru-guruku,
Untuk kawan-kawan, Untuk semua umat manusia,
PENGHARGAAN
Segala puji bagi Allah SWT kerana dengan limpah kurnianya dapatlah saya menyempurnakan Projek Sarjana Muda ini. Selawat dan salam kepada junjungan besar Nabi S.A.W, keluarga baginda dan para sahabat baginda.
Setinggi-tinggi penghargaan dan ucapan terima kasih saya tujukan kepada pensyarah penyelia saya iaitu Pn. Sahazati Bt Md. Rozali yang telah mengembeling tenaga dan banyak membantu saya dalam memperbaiki kesilapan selama penyiapan Projek Sarjana Muda ini. Tanpa beliau tidak mungkin saya dapat menyiapkan kajian ini dalam tempoh yang telah ditetapkan.
Saya merakamkan ucapan terima kasih ini kepada keluarga saya terutamanya ibu bapa yang telah membantu saya dari segi kewangan dalam menyiapkan projek ini. Akhir sekali kepada rakan - rakan seperjuangan yang sentiasa berkongsi idea dan pendapat dari semasa ke semasa.
v
Abstract
vi
Abstrak
Projek ini mempersembahkan tajuk ’Merekabentuk Pengawal Logik Fuzzy bagi Sistem Tangki Berkembar’ bagi mendapat kan jadual berkadar dan pengawal kamiran (PI gain) untuk fungsi berpindahnya(transfer function). Ralat arus dan terbitannya digunakan
vii
ISI KANDUNGAN
BAB PERKARA HALAMAN
ABSTRAK I
KANDUNGAN VII
SENARAI RAJAH X
SENARAI JADUAL XIII
SENARAI LAMPIRAN XIV
SENARAI SINGKATAN XV
1 PENDAHULUAN
1.1Pengenalan 1
1.2Objektif 2
1.3Skop projek 3
1.4Penyataan masalah 4
2 KAJIAN ILMIAH
2.1Pengenalan 5
2.2Pengawal Logik Fuzzy 5
2.3Model DAN Sistem Tangki Berkembar 9
2.4Perisian MATLAB 10
2.5Kajian Kes 1 14
2.6Kajian Kes 2 15
3 SISTEM TANGKI BERKEMBAR
viii
3.2 Pengenalan Alat Kawalan Tangki Berkembar
CTS-001 17
3.3 Prinsip Kawalan Asas Sistem Tangki
Berkembar CTS-001 18
3 METODOLOGI
3.1Pengenalan 21
3.2Metodologi Projek 21
3.3Memahami Sistem Tangki Berkembar 22 3.4Mengenalpasti Dinamik Proses Tidak Linear 23
3.5Merekabentuk Pengawal 23
3.6Simulasi 23
3.7Carta Alir Metodologi 24
5 PEMBANGUNAN PROJEK
5.1 Pendahuluan 25
5.2 Sistem Pengkalan Aturan Fuzzy 26 5.3 Konsep Rekabentuk Sistem Kawalan 28
5.4 Rekabentuk Aturan Asas Fuzzy 29
5.5 Konsep penggabungan Pengawal Fuzzy dan
Pengawal PI 30
5.6 GUI Fuzzy 32
5.7 Blok Diagram Simulink 36
6 PEMODELAN MATEMATIK SISTEM
TANGKI BERKEMBAR
6.1 Pendahuluan 38
6.2 Model Tangki Tunggal 39
ix
7 HASIL SIMULASI, ANALISIS DAN
PERBINCANGAN
7.1 Pengenalan 43
7.2 Hasil Simulasi 43
7.3 Analisis 47
7.4 Perbincangan 54
8 KESIMPULAN DAN CADANGAN
8.1 Kesimpulan 57
8.2 Cadangan 58
RUJUKAN 59
LAMPIRAN 1 60
x
SENARAI RAJAH
NO TAJUK HALAMAN
2.1 Graf Fuzzy bagi ketinggian 7 2.2 subunit simulink 12 2.3 subunit Fuzzy Toolbox 13 2.4 metodologi untuk learn FIS 14
4.1 carta alir metodologi projek 24
3.1 tangki berkembar CTS-001 17
3.2 skematik CTS-001 19
5.1 sistem pangkalan aturan Fuzzy 26
5.2 blok diagram konsep pembangunan sistem 28
5.3 blok taakulan Fuzzy-PI kepada sistem 30
5.4 editor FIS bagi Cvp 32
5.5 fungsi keahlian bagi masukan untuk fuzzy
xi
5.6 fungsi keahlian bagi masukan untuk fuzzy
reasoning Cvp (∆e(k)) 33
5.7 Fungsi keahlian bagi keluaran Cvp
33
5.8 Editor FIS bagi Cvi 34
5.9 fungsi keahlian bagi masukan untuk fuzzy
reasoning Cvi ( e(k)) 34
5.10 fungsi keahlian bagi masukan untuk fuzzy reasoning Cvi (∆e(k))
35
5.11 Fungsi keahlian bagi keluaran Cvi 35
5.12 Blok diagram pengawal PI 36
5.13 Blok diagram pengawal Fuzzy-PI 36
6.1 Model sistem tangki tunggal 38
6.2 Model tangki berkembar 39
7.1 Respon dari simulasi pengawal PI 43
7.2 Respon dari simulasi pengawal Fuzzy-PI 43
7.3 Perbandingan respon PI dan Fuzzy-PI 44
7.4 Respon hasil simulasi bagi pengawal PI 45
7.5 Respon hasil simulasi bagi pengawal Fuzzy-PI 45
7.6 Perbandingan respon PI dan Fuzzy-PI 46
7.7 Respon rangkap pindah first-order dengan
pengawal PI dalam blok signal constraint. 48
7.8 Respon rangkap pindah first-order dengan
xii
7.9 Respon rangkap pindah second-order dengan
pengawal PI dalam blok signal constraint. 51
7.10
Respon rangkap pindah second-order dengan
pengawal Fuzzy-PI dalam blok signal constraint. 52
7.11 Perbandingan respon rangkap pindah first-order dengan pengawal Fuzzy-PI dan PI (kepantasan)
54
7.12 Perbandingan respon rangkap pindah second-order dengan pengawal Fuzzy-PI dan PI (kepantasan)
55
7.13 Perbandingan respon rangkap pindah second-order dengan pengawal Fuzzy-PI dan PI (peratusan
xiii
SENARAI JADUAL
NO TAJUK HALAMAN
2.1 Kelas ketinggian 8 5.1 Jadual kestabilan langkah respon 29 5.2 Aturan matrik IF-THEN bagi Cvp 31 5.3 Aturan matrik IF-THEN bagi Cvi 31
7.1 Perbandingan nilai Tr, Ts dan OS% antara PI dan
Fuzzy-PI bagi rangkap pindah first-order 50
7.2
Perbandingan nilai Tr, Ts dan OS% antara PI dan
xiv
SENARAI LAMPIRAN
NO TAJUK HALAMAN
xv
SENARAI SINGKATAN
FLC - Fuzzy Logic Controller
FIS - Fuzzy Inference System
PID - Proportional, Integral and Derivative
PI - Proportional and Integral
CTS - Couple Tank System
GPC - Generalized Predictive Control
ANFIS - Adaptive Neuro-Fuzzy Inference System
PLC - Programmable Logic Controller
GUI - Graphical User Interface
NFCGA - Neuro-fuzzy controller by Genetic Algorithm FKE - Fakulti Kejuruteraan Elektrik
UTeM - Universiti Teknikal Malaysia Melaka
1
BAB 1
PENDAHULUAN
1.1 Pengenalan
Sistem Tangki Berkembar (Couple Tank System) merupakan sistem selanjar (linear) yang kebiasaannya menggunakan pengawal PI untuk menstabilkan sistemnya. Walaupun nilai perolehan berkadar(proportional gain) dan perolehan lengkap(integral gain) bagi pengawal PI adalah tetap dimana ianya lebih mudah dan tegap(robust),
namun prestasi pengawal PI hanya boleh dioptimum di satu titik pengendalian dan sukar untuk mengekalkan kestabilan sistem apabila sistem tidak selanjar dan tidak tetap.
2
Pengalaman pakar(expert’s experience) digunakan untuk menakrifkan suatu set aturan fuzzy yang berkaitan dengan parameter pengawal beroperasi dalam keadaan tertentu dan kesimpulan fuzzy(fuzzy inference) digunakan untuk menghasilkan nilai-nilai parameter yang bersesuaian untuk suatu titik pengendalian.
Cadangan bagi projek ini adalah memperkenalkan suatu pengawal logik Fuzzy bagi plant Sistem Tangki Berkembar dan akan disimulasikan didalam perisian Matlab.
Kata kunci : Pengawal Logik Fuzzy(Fuzzy Logic Controller), Pengawal PI(PI controller), Matlab.
1.2 Objektif
Objektif bagi projek ini adalah :-
i. Untuk mengkaji, mengenalpasti, menganalisa dan mempelajari Pengawal Logik Fuzzy dengan lebih mendalam.
ii. Untuk melihat keberkesanan Pengawal Logik Fuzzy dalam mengawal sesuatu sistem.
iii. Untuk mempelajari dan memahami konsep yang digunakan melalui Perisian MATLAB dalam mengawal sesuatu sistem.
iv. Untuk memahami dan mempelajari konsep sistem kawalan tangki berkembar. v. Untuk membangunkan satu sistem penyesuaian untuk sistem berkembar tangki
menggunakan Pengawal Logik Fuzzy-PI
vi. Merekabentuk pengawal sistem tangki berkembar dengan menggunakan Pengawal Logik Fuzzy-PI
3
1.3 Skop Projek
Melalui projek ini, Sistem Pengawal direkabentuk dan dihasilkan bagi sistem Tangki Berkembar. Perkara utama bagi projek ini ialah pengetahuan mengenai Pengawal Logik Fuzzy yang amat diperlukan untuk mendapatkan parameter-parameter dan fungsi keahlian (membership function) pembolehubah masukan dan keluaran. Kemudian, fokus diberikan kepada bagaimana menggunakan perisian Matlab dan bagaimana mengaplikasikan parameter dan fungsi keahlian ke dalam perisian Matlab. Perisian Simulink Matlab digunakan bagi menghasilkan simulasi.
4
1.4 Penyataan Masalah
Sebagai kawalan masa nyata(real-time control), ia melibatkan algoritma untuk mengawal satu proses-proses yang tertentu. Bagi mengkaji prestasi dari segi pelaksanaan dalam masa nyata dan ciri-ciri kawalan, sistem tangki berkembar telah dipilih bagi projek ini. Aplikasi sistem tangki berkembar banyak digunakan didalam industri terutamanya industri yang banyak melibatkan bahan kimia.
Satu masalah kawalan yang biasa dalam industri-industri pemprosesan adalah kawalan tahap cecair-cecair dalam tangki-tangki simpanan, paduan dan tindak balas kimia.Pengaliran cecair ke dalam dan keluar tangki mestilah dilaraskan untuk mencapai satu aras cecair yang dikehendaki secara berterusan bagi satu kadar malar.Banyak algoritma kawalan telah dilaksanakan dengan menggunakan pelbagai teknik-teknik untuk memenuhi keperluan kawalan sistem. Setiap satunya mempunyai kelebihan dan kekurangan masing-masing. Pelbagai faktor dipertimbangkan di dalam merekabentuk sesuatu sistem kawalan seperti set-point, ganguan beban(load disturbance) dan terma-terma bagi time-response seperti; (kestabilan, meningkat masa, peratusan terlajak dan sebagainya)
Matlamat-matlamat atau objektif kejuruteraan seperti kos dan kebolehpercayaan adalah diambil kira bagi merekabentuk sesuatu kawalan bagi kegunaan industri. Sebelum sistem kawalan diterjemahkan kepada perkakasan(hardware), adalah penting bagi membuktikan keberkesanannya melalui simulasi bagi menambahkan kebolehpercayaan sistem kawalan. Banyak penyelidikan telah dilakukan bagi membandingkan keberkesanan beberapa sistem kawalan bagi sistem tangki berkembar. Bagi projek ini sendiri perbandingan dilakukan antara sistem kawalan gabungan Fuzzy-PI dan Fuzzy-PI.
5
BAB 2
KAJIAN ILMIAH
2.1 Pengenalan
Dalam bab ini, maklumat-maklumat mengenai kajian projek diterangkan serba sedikit. Kajian utama bagi projek ini adalah:
1) Pengawal Logik Fuzzy 2) Sistem Tangki Berkembar 3) Perisian Matlab
4) Kajian kes mengenai projek yang telah dibuat sebelum ini.
2.2 Pengawal Logik Fuzzy
Kendalian pengawal logic fuzzy ialah kendalian moden yang berkendali seperti cara berfikir seorang pakar. Kawalan logic fuzzy dapat menggantikan tugas manusia bagi mengawal sesuatu operasi sistem yang telah ditetapkan.
6
Set”, pada tahun 1965. konsep ini telah berkembang menjadi suatu teori yang lengkap terutamanya dalam rekabentuk sistem dan pengenalan pola.
Aplikasi system fuzzy semakin diberikan tumpuan terutamanya dalam bidang operasian, perancangan, kawalan dan pengurusan sistem kuasa. Beberapa kajian telah membuktikan kebolehan sistem fuzzy diaplikasikan dalam bidang kawalan.
Umumnya, rekabentuk kawalan untuk membina model sistem dan membentuk peraturan kawalan daripada analisis model tersebut. Pengawal diubahsuai berdasarkan keputusan dan ujian yang dilaksanakan dan kebanyakan pengawal adalah bersifat linear. Tetapi pengawal fuzzy ini berbeza kerana umumnya arahan kawalan fuzzy ditetapkan dahulu barulah analisis dan kajian dilakukan. Contohnya seperti sistem kawalan berikut:
JIKA ralat kecil dan positif
DAN perubahan ralat besar dan negatif
MAKA kawalan keluaran ialah kecil dan negatif
7
2.2.1 Set Fuzzy
Logik Fuzzy tidak sama seperti logic Boolean ataupun logic-logik lain (logic klasik). Set Fuzzy terdiri daripada fungsi ahli yang darjahnya diukur dalam julat 0 hingga 1. berbeza pula dengan logic klasik dimana darjahnya diukur pada nilai 1 (jika ya) dan 0 ( jika tidak) sahaja. Perbezaan logik Fuzzy dan logik Klasik
Contoh :
tall (x) = 0 , JIKA tinggi (x) < 5 kaki
tall (x) = (tinggi (x) – 5 kaki) / 2 , JIKA 5 kaki <= tinggi <= 7 kaki tall (x) = 1, JIKA tinggi (x) > 7 kaki
Graf yang akan didapati adalah:
8
Berdasarkan graf, dapat dikategorikan kelas ketinggian setiap lelaki seperti dalam Jadual 2.1
Nama Tinggi Kelas ketinggian
Ali 3’2” 0.00
Abu 5’5” 0.21
Ahmad 5’9” 0.38
Kasim 5’10” 0.42
Joe 6’1” 0.54
Ah Chan 7’2” 1.00
Jadual 2.1 kelas ketinggian
2.2.2 Rekabentuk Pengawal Fuzzy
Asasnya, Pengawal Logik Fuzzy mempunyai 3 komponen utama iaitu:
1) Fuzzification section:
Merupakan masukan untuk input yang sebenar (rujuk kepada crisp set)
2) Rule Base:
Feedback biasanya berlaku pada bahagian ini.
3) Defuzzification section:
Data fuzzy ditukar kepada crisp data