PENGENDALIAN TEKANAN PADA PRESSURE PROCESS RIG MELALUI MODBUS MENGGUNAKAN KONTROLER FUZZY-PID. Tedy Ade Wijaya

(1)

PENGENDALIAN TEKANAN PADA PRESSURE PROCESS RIG 38-714 MELALUI MODBUS MENGGUNAKAN

KONTROLER FUZZY-PID

Simulasi Sidang Tugas Akhir 22 januari 2011

Tedy Ade Wijaya 2208 100 639

(2)

Pembahasan Materi  Pendahuluan  Perancangan Sistem  Perancangan Kontroler  Implementasi Kontroler  Pengujian Kontroler  Analisa  Kesimpulan

(3)

Pendahuluan

 Latar Belakang

 Perumusan Masalah  Batasan Masalah

(4)

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.

(5)

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.

(6)

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

(7)

Tujuan

1. Mendapatkan data melalui komunikasi MODBUS

untuk keperluan identifkasi dan pengendalian. 2. Mendapatkan model matematis Pressure Conrol

Trainer Feedback 38-714.

3. Merancang pengendali tekanan dengan pengendali

Fuzzy-PID .

4. Mengimplementasikan hasil desain pengendali pada

Pressure Process Rig 38 – 714.

5. Menganalisa kestabilan respon sistem closed-loop terhadap perubahan parameter plant.

(8)

Perancangan Sistem

 Pengenalan Plant  Identifikasi Plant

 Desain Program Simulasi

(9)

(10)

Mode Komunikasi Modbus

Unicast

(11)

(12)

Konfigurasi Identifikasi Process Controller 38-300 Process Interface 38-200 Sensor Tekanan Pneumatik Kontrol Valve Pressure Process RIG 38-714 4 – 20 mA 4 – 20 mA 4 20 mA PC OPC LabVIEW OLE MODBUS

(13)

Identifikasi Model Plant Menggunakan Metode Strejc

(14)

955 . 0 200 191 = = = Xss Yss K 139 , 0 93 13 = = = Ta Tu n 21633 , 34 718 , 2 93 718 , 2 = = = Ta T 672 , 9 95 104 , 0 '= ×Ta = × = Ta Tu Tu table 328 , 3 672 , 9 13 '= − = − = Tu Tu τ

Berdasarkan parameter yang didapat Maka Persamaan model plant untuk

kondisi nominal

Parameter yang dicari :

( )n S Ts Ke s G 1 ) ( + = −τ ( )2 328 . 3 1 21633 , 34 955 , 0 ) ( + = − s e s G S 1 43267 , 68 75761 , 1170 955 . 0 17824 . 3 ) ( 2 ₊ ₊ + = s s s s G

n Ta/ T Tu/T Tu/Ta

1 1 0 0

2 2,718 0,282 0,104 3 3,695 0,805 0,218 4 4,463 1,425 0,319 5 5,119 2,100 0,410

(15)

Validasi Model MSE = 9,561% RMSE = 3,09% MSE RMSE x x x n MSE n i =       − = ∑ = 2 1 ) ' ( 1

(16)

Persamaan Model Plant

Kondisi Beban Persamaan Model Plant RMSE

Nominal 3,09% Maksimal 0,19% Minimal 1,19% 1 43267 . 68 2 75761 . 1170 955 . 0 17824 . 3 + + + s s s 1 583518 . 73 2 6335 . 1353 9 . 0 44 . 1 + + + s s s 1 659308 . 56 2 5693 , 802 895 . 0 67784 , 2 + + + s s s

(17)

Identifikasi Loop Tertutup Kp G(s) Set point -+ R(s) U(s) 1) + s + s ( 1) + K(As = G(s) ₂ β α 1) + s + s 1)/( + KpK(As + 1 1) + s + s 1)/( + KpK(As = U(s) R(s) 2 2 β α β α 1 + s 1 KpK KpK + s 1 KpK 1) + (As 1 KpK KpK = U(s) R(s) 2 + + + + β α

(18)

= 1) + s ' + s ' ( 1) + s (A' K' 2 β α _s ₊₁ 1 KpK KpK + s 1 KpK 1) + (As 1 KpK KpK 2 + + + + β α Bila: Maka : 1 KpK KpK ' + = K 1 KpK ' + = α α 1 KpK KpK ' + + = β β ' A A =

(19)

Persamaan Model Plant loop terbuka Kondisi Beban K A α β Nominal 0,8488 3,328 26016,576 1498,4888 Maksimal 0,2432 1,6 13536,335 726,8351 Minimal 0,0852 2,992 7643,517 531,0886 1 48879 , 1498 57561 , 26016 ) 1 328 , 3 ( 84888 , 0 ) ( ₂ + + + = s s s nom s G 1 83518 , 726 335 , 13536 ) 1 6 , 1 ( 24324 , 0 ) ( ₂ + + + = s s s maks s G 1 08864 , 531 51714 , 7643 ) 1 992 , 2 ( 08523 , 0 min ) ( ₂ + + + = s s s s G

(20)

(21)

(22)

Perancangan Kontroler

 Desain Kontroler PID

(23)

Desain Kontroler PID E(s) U(s)       + + + 1 1 1 2 1 s s s Kp d d i τ τ τ 1 2 1 ) 1 ( 2 2 + + + s s s K n n ω ζ ω τ + -R(s) C(s) [ ] [ ( ) ( ) ] 1 1 2 1 ) 1 ( 1 ) ( ) ( ) ( ) ( 2 2 2 1 2 2 2 2 2 2 1 + + + + +       + + + + + + + = s s s KKp s s s s s s KKp s R s C d i d d i n n d i d i d d i τ τ τ τ τ τ ω ξ ω τ τ τ τ τ τ τ τ τ τ_d₂ = n d i ω ξ τ τ + ₂ = 2 Jika : 1 2 2 1 ) ( n i d d i τ τ ω τ + = K Kp i * τ τ =

(24)

KKp s KKp s R s C i + = τ ) ( ) ( τ τ_d₂ = n d i ω ξ τ τ + ₂ = 2 Maka: 1 2 2 1 ) ( n i d d i τ τ ω τ + = K Kp i * τ τ =

Respon menyerupai plant orde 1 maka:

1 1 ) ( ) ( + = KKp s s R s C i τ 1 * ) ( ) ( + = s K s R s C τ

(25)

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

(26)

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

(27)

(28)

3 Membership Function

N Z P

Flow DFlow

(29)

N Z P

Flow DFlow

(30)

3 Membership Function N Z P Flow DFlow τd1 S M B

(31)

N Z P

Flow DFlow

(32)

Rule Base 3 membership function Error/D Error N Z P N S S S Z M M M P B B B Error/D Error N Z P N S S S Z M M M P B B B Error/D Error N Z P N B B B Z M M M P S S S Error/D Error N Z P N S S S Z M M M P B B B KP τi τd1 τd2

(33)

Rule Base 5 membership function F/DF N Nz Z Pz P N S S SM M M Nz S SM M M M Z SM M M M BM Pz M M M BM B P M M BM B B KP F/DF N Nz Z Pz P N B B BM M M Nz B BM M M M Z BM M M M SM Pz M M M SM S P M M SM S S τi

(34)

Rule Base 5 membership function F/DF N Nz Z Pz P N S S SM M M Nz S SM M M M Z SM M M M BM Pz M M M BM B P M M BM B B F/DF N Nz Z Pz P N B B BM M M Nz B BM M M M Z BM M M M SM Pz M M M SM S P M M SM S S τd1 τd2

(35)

Flow DFlow

(36)

Flow DFlow

(37)

Flow DFlow

(38)

Flow DFlow

(39)

Pengujian Kontroler

 Pengujian Kontroler PID

(40)

Implementasi Kontroler PID

(41)

(42)

(43)

Pengujian Kontroler Fuzzy PID Respon Kontroler Fuzzy PID 3 Membership Function

(44)

Pengujian Kontroler Fuzzy PID

(45)

Analisa

 Analisa Kontroler PID Analisis  Analisa Kontroler Fuzzy PID

(46)

Performansi Kontroler PID Analisis

Kondisi Mp(%) Ts(5%)(detik) Ess(%)

Nominal 0 46,1 3,6

Maksimal 0 20,6 0,05

(47)

Analisis Kontroler Fuzzy PID 3 membership Function Kondisi awal Kondisi perubahan MP(%) Ts(5%) (detik) Ess(%) 0 Nominal 0 14,2 0,01% Nominal Maksimal 0 12,1 0,4 Nominal Minimal 6,5 7,3 2,4 Maksimal Nominal 0 0 0,85 Maksimal Minimal 6,7 15,4 3,25 Minimal Nominal 0 0 0,4 Minimal Maksimal 0 9,4 0,6

(48)

Analisis Kontroler Fuzzy PID 5 membership Function Kondisi awal Kondisi perubahan MP(%) Ts(5%)( detik) Ess(%) 0 Nominal 0,04 14,5 0,02 Nominal Maksimal 0 13,4 0,5 Nominal Minimal 6,05 27.7 2,8 Maksimal Nominal 0 0 0,75 Maksimal Minimal 8 28 3 Minimal Nominal 0 0 0,45 Minimal Maksimal 0 3,3 0,5

(49)

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.