Perancangan Sistem Kendali Logika Fuzzy Menggunakan Algoritma Genetika: Studi Kasus pada Exhaust Gas Recirculation (EGR) Heavy Duty Diesel Engine

Perancangan Sistem Kendali Logika Fuzzy Menggunakan

Algoritma Genetika: Studi Kasus pada Exhaust Gas Recirculation

(EGR) Heavy Duty Diesel Engine

Fildzah Imanina*), Aris Triwiyatno, dan Sumardi

Jurusan Teknik Elektro, Universitas Diponegoro Semarang

Jalan Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia

*)Email:

fildzahimanina@gmail.com

Abstrak—Pada penelitian ini, dirancang sistem kendali logika fuzzy dengan menggunakan algoritma genetika untuk

mengatur bukaan katup Exhaust Gas Recirculation (EGR) pada heavy duty diesel engine. Algoritma genetika digunakan dalam mengoptimasi parameter himpunan fuzzy untuk mendapatkan fungsi keanggotaan fuzzy yang optimal yang akan digunakan dalam pengendalian EGR mesin diesel. Sistem EGR kemudian diuji dengan masukan kecepatan yang bervariasi kemudian respon sistem dengan fuzzy tersebut juga dibandingkan dengan respon sistem dengan kontroler PID. Bukaan katup EGR harus disesuaikan sehingga kadar NOx dalam gas buang sesuai dengan standar emisi gas buang

EURO IV.

Kata kunci: Exhaust Gas Recirculation (EGR), mesin diesel,

algoritma genetika, sistem kendali logika fuzzy

I. PENDAHULUAN

Sistem kendali logika fuzzy adalah salah satu metode kontrol yang banyak digunakan dalam menangani sistem yang non-linier[1]. Namun, tidak adanya aturan yang pasti untuk merancang bentuk dan letak fungsi keanggotaan fuzzy membuat metode kendali ini sulit dirancang. Biasanya perancangan fuzzy hanya berdasarkan pengalaman dari operator yang memang telah terbiasa dan paham mengenai karakteristik sistem.

Algoritma genetika bisa menjadi metode yang baik untuk merancang fuzzy. Algoritma genetika merupakan salah satu teknik optimasi yang secara khusus dapat diterapkan untuk memecahkan masalah optimasi yang kompleks[2].

Penggunaan mesin diesel telah populer di kalangan masyarakat maupun industri. Mesin diesel banyak digunakan di berbagai sektor karena tenaganya yang lebih besar dibandingkan dengan mesin bensin. Namun, mesin diesel memiliki kekurangan pada kualitas emisi gas buang yang dihasilkan. Gas buang yang dihasilkan mesin diesel mengandung CO2, H2O, N2, dan O2[3] dalam jumlah dominan dan CO, THC, NOx, dan jelaga[4] [5] dalam jumlah yang tidak dominan[6] namun jumlah yang berbahaya terhadap lingkungan dan kesehatan makhluk hidup. Persentase berbagai kandungan dalam gas buang mesin diesel dapat dilihat pada Gambar 1.

Gambar 1 Persentase berbagai kandungan pada emisi gas buang mesin diesel [7].

Oksida Nitrogen (NOx) merupakan gas yang berbahaya bagi kesehatan. NOx adalah kelompok gas nitrogen yang terdapat di atmosfer yang terdiri dari enam jenis gas, yaitu nitrogen monoksida (NO), nitrogen dioksida (NO2), nitrous oksida (N2O), nitrogen sesquioksida (N2O3), nitrogen tetroksida (N2O4), dan nitrogen pentoksida (N2O5)[4]. Di antara berbagai jenis oksida nitrogen yang ada di udara, nitrogen dioksida (NO2) merupakan gas yang paling beracun[8]. Penelitian menunjukkan bahwa NO2 4 kali lebih beracun daripada NO[9]. Bagian dari saluran yang pertama kali dipengaruhi adalah membran mukosa dan jaringan paru. Organ lain yang dapat dicapai oleh NO2 dari paru adalah melalui aliran darah. Percobaan pada manusia menyatakan bahwa kadar NO2 sebesar 250 μg/m3 dan 500 μg/m3

dapat mengganggu fungsi saluran pernafasan pada penderita asma dan orang sehat[8].

Penggunaan Exhaust Gas Recirculation (EGR) dapat menjadi solusi yang tepat untuk mengurangi gas-gas berbahaya yang berasal dari gas-gas buang mesin diesel termasuk NOx[3] [10]. EGR adalah mengalirkan sebagian gas buang dari hasil pembakaran di dalam ruang pembakaran mesin agar masuk kembali ke dalam silinder[4] [3] [11]. Bukaan katup EGR harus diatur agar kadar gas buang yang diresirkulasi tepat sehingga dapat mengurangi dampak negatif NOx terhadap lingkungan. Oleh karena itu, penelitian ini perlu dilakukan untuk memaksimalkan penggunaan EGR sehingga dapat mengurangi kadar NOx dalam gas buang yang dihasilkan

oleh mesin diesel, khususnya heavy duty diesel engine. Metode kendali yang dirancang pada penelitian ini adalah sistem kendali logika fuzzy. Fuzzy ini dirancangan menggunakan algoritma genetika untuk mendapatkan himpunan parameter fuzzy yang optimal dalam pengendalian EGR.

II. METODE

Metode kendali yang dirancang pada penelitian ini adalah sistem kendali logika Fuzzy. Fuzzy ini dirancangan menggunakan algoritma genetika untuk mendapatkan himpunan parameter fuzzy yang optimal dalam pengendalian EGR. Proses optimasi parameter fuzzy menggunakan algoritma genetika akan melalui beberapa tahapan. Proses optimasi parameter fuzzy menggunakan algoritma genetika dapat dilihat pada gambar 2.

Mulai

Selesai

Inisialisasi populasi generasi P0

Evaluasi

Mutasi

Pindah Silang

Update parameter Fuzzy sistem EGR

Simulasi loop tertutup sistem EGR

Perhitungan fungsi objektif

Perhitungan nilai IAE tiap individu

Seleksi Generasi Pi+1 Iterasi maks? i=i+1 Tidak Ya

Gambar 2 Diagram alir proses optimasi parameter fuzzy menggunakan algoritma genetika.

A. Algoritma Genetika

Perancangan algoritma genetika pada penelitian ini dijelaskan sebagai berikut:

1) Individu

Pada perancangan algoritma genetika tugas akhir ini, setiap individu dikodekan dengan angka yang dibangkitkan secara acak yang berada dalam interval 0 sampai 1. Individu ini diilustrasikan oleh gambar 3.

Gambar 3 Ilustrasi individu algoritma genetika. 2) Populasi

Dalam algoritma genetika sebuah besarnya populasi merepresentasikan jumlah individu dalam sebuah generasi. Pada perancangan algoritma genetika tugas akhir ini besarnya populasi yang digunakan adalah 20. Besarnya populasi tersebut dipilih karena ketika menggunakan populasi yang lebih besar hasilnya tidak berbeda dengan menggunakan besar populasi 20. Selain itu juga untuk mempersingkat waktu yang dibutuhkan untuk proses komputasi.

3) Fungsi objektif

Fugsi objektif merupakan tujuan yang ingin dicapai dalam sebuah usaha pengendalian. Dalam perancangan algoritma genetika ini fungsi objektif adalah IAE (Integral Absolute Error) yang didapatkan dengan menjumlahkan error rasio EGR.

4) Fungsi fitness

Fungsi fitness digunakan sebagai indikator baik atau buruknya suatu individu. Semakin besar nilai fungsi fitness suatu individu maka semakin baik individu tersebut. Dalam perancangan tugas akhir ini, nilai fungsi fitness diberikan oleh persamaan berikut:

(1) 5) Mutasi

Mutasi merupakan salah satu cara dalam memanipulasi suatu individu. Proses mutasi dirancang berdasarkan persamaan 2.

(2)

Pada perancangan ini nilai F yang dipakai adalah 0,1 karena dengan nilai tersebut kecil kemungkinan akan menyebabkan individu hasil mutasi mempunyai alele yang lebih dari 1 atau kurang dari 0 sehingga individu hasil mutasi yang dihasilkan masih mempunyai kemiripan dengan induknya. Dalam perancangan algoritma genetika ini probabilitas mutasi yang digunakan adalah 0,8. Nilai probabilitas tersebut dipilih agar munculnya individu-individu baru lebih cepat untuk memperbaiki error.

6) Pindah silang

Pindah silang juga digunakan dalam memanipulasi individu dalam algoritma genetika. Pada perancangan ini nilai probabilitas pindah silang adalah 0,8. Pemilihan nilai probabilitas pindah silang tersebut dengan pertimbangan untuk mempercepat kinerja algoritma genetika.

7) Seleksi

Pada perancangan ini proses seleksi yang digunakan adalah elitism. Pada proses seleksi elitism individu yang terbaik akan diwariskan ke generasi berikutnya. Proses ini dilakukan dengan membandingkan IAE individu populasi dengan IAE individu yang telah mengalami manipulasi. Individu terpilih adalah yang memiliki nilai IAE yang lebih kecil. Dengan cara ini individu terbaik yang memiliki nilai fungsi objektif yang paling besar dapat diwariskan ke generasi berikutnya. 8) Jumlah generasi

Jumlah generasi pada suatu algoritma genetika merepresentasikan batas akhir proses evolusi algoritma genetika. Dalam perancangan ini jumlah generasi yang digunakan adalah sebanyak 10 generasi. Jumlah generasi tersebut dipilih karena ketika menggunakan jumlah generasi yang lebih besar hasilnya tidak berbeda dengan menggunakan jumlah generasi 10. Selain itu juga untuk mempersingkat waktu yang dibutuhkan untuk proses komputasi.

B. Sistem Kendali Logika Fuzzy

Fuzzy yang digunakan pada penelitian ini terdiri dari satu masukan dan satu keluaran. Masukannya adalah error rasio EGR ( ) dan keluarannya adalah sinyal EGR ( ).

Fuzzy dengan satu masukan dan satu keluaran adalah piecewise kontroler P[12]. Penelitian menggunakan fuzzy dengan satu masukan dan satu keluaran juga pernah dilakukan oleh Santoso dan Thiang[13] serta Joelianto dan Tansri[14]. Santoso dan Thiang merancang sistem kendali logika fuzzy dengan satu masukan berupa error dan satu keluaran berupa kecepatan motor yang diwakili dengan tegangan motor pada weight feeder conveyor. Joelianto dan Tansri merancang sistem fuzzy sinyal rujukan (fuzzy set point system) juga dengan satu masukan berupa error .

Fuzzy yang digunakan dalam pengendalian sistem Exhaust Gas Recirculation (EGR) terdiri dari 7 buah fungsi keanggotaan pada masukan error maupun keluaran . Fungsi keanggotaan pada masukan error yaitu, NL (Negative Large), NM (Negative Medium), NS (Negative Small), ZE (Zero), PS (Positive Small), PM (Positive Medium), dan PL (Positive Large). Fungsi keanggotaan pada keluaran yaitu, XS (Xtra Small), VS (Very Small), S (Small), M (Medium), L (Large), VL (Very Large), dan XL (Xtra Large). Rule-Base yang digunakan diperlihatkan oleh Tabel 1.

TABEL 1 RULE BASE FUZZY

masukan (error ) keluaran ( )

NL XS NM VS NS S ZE M PS L PM VL PL XL

Rules tersebut dibaca sebagai:

1. Jika masukan adalah NL maka keluaran adalah XS 2. Jika masukan adalah NM maka keluaran adalah VS 3. Jika masukan adalah NS maka keluaran adalah S 4. Jika masukan adalah ZE maka keluaran adalah M 5. Jika masukan adalah PS maka keluaran adalah L 6. Jika masukan adalah PM maka keluaran adalah VL 7. Jika masukan adalah PL maka keluaran adalah XL

C. Model Mesin Diesel

Plant mesin diesel yang digunakan pada tugas akhir ini merupakan hasil penelitian Wahlstrom[15]. Mesin diesel yang digunakan adalah Scania 6 silinder EURO IV. Pemodelan yang dilakukan[15]mengacu pada struktur model mesin diesel pada Gambar 4.

Gambar 4 Struktur model mesin diesel[15]. III. HASIL PENGUJIAN DAN ANALISIS

Pengujian pada sistem EGR dilakukan dengan memberikan masukan berupa kecepatan yang meningkat, menurun, dan pada kecepatan yang tetap tanpa menggunakan gangguan. Pada pengujian ini, respon sistem EGR yang menggunakan fuzzy juga dibandingkan dengan respon sistem EGR yang menggunakan PID.

A. Pemilihan Parameter Fuzzy

Perbedaan kecepatan kendaraan menyebabkan perbedaan aksi pengendalian yang harus dilakukan. Oleh karena itu, perlu dilakukan pemilihan parameter fuzzy untuk tiap kecepatan. Program algoritma genetika yang telah dirancang dijalankan sebanyak 7 kali pada masing-masing masukan kecepatan. Hal ini dilakukan untuk mencegah terjadi premature convergence pada algoritma genetika, sehingga diperoleh parameter fuzzy yang optimal. Kemudian individu dengan fitness tertinggi yang dipilih. Masukan kecepatan yang digunakan adalah kecepatan tetap (1600 rpm), kecepatan meningkat (1200 – 1600 rpm), dan kecepatan menurun (1600 – 1200 rpm). Untuk sistem dengan masukan kecepatan tetap, terpilih individu dengan nilai fitness 3388,9. Sedangkan untuk masukan kecepatan meningkat dan menurun masing-masing adalah 3388,6 dan 3387,3. Bentuk fungsi keanggotaan fuzzy untuk tiap-tiap masukan kecepatan diberikan oleh Gambar 5 sampai 7.

a.) error

b.)

Gambar 5 Fungsi keanggotaan fuzzy untuk masukan kecepatan tetap.

a.) error

b.)

Gambar 6 Fungsi keanggotaan fuzzy untuk masukan kecepatan meningkat.

a.) error

b.)

Gambar 7 Fungsi keanggotaan fuzzy untuk masukan kecepatan menurun.

B. Pengujian Tanpa Gangguan

Pada bagian ini dilakukan pengujian pada sistem EGR dengan masukan berupa kecepatan yang meningkat, menurun, dan pada kecepatan yang tetap tanpa menggunakan gangguan. Grafik respon sistem EGR tanpa gangguan dengan fuzzy dan PID diberikan oleh Gambar 8 sampai 10.

Gambar 9 Respon sistem EGR kecepatan meningkat.

Gambar 10 Respon sistem EGR kecepatan menurun. C. Pengujian dengan Gangguan Random

Pada bagian ini dilakukan pengujian pada sistem EGR jika sistem diberi gangguan random. Gangguan random ini merepresentasikan getaran yang berasal dari mesin diesel itu sendiri sehingga menyebabkan penambahan maupun pengurangan supply udara yang melalui kompresor. Gambar 11 sampai 13 menunjukkan grafik respon sistem.

Gambar 11 Respon sistem EGR dengan gangguan random pada kecepatan tetap.

Gambar 12 Respon sistem EGR dengan gangguan random pada kecepatan meningkat.

Gambar 13 Respon sistem EGR dengan gangguan random pada kecepatan menurun.

D. Pengujian dengan Gangguan Impuls

Pada bagian ini akan dilakukan pengujian pada sistem EGR jika sistem diberi gangguan sinyal impuls pada detik ke-10. Sinyal impuls ini merepresentasikan gangguan berupa tekanan udara luar yang meningkat secara tiba-tiba sehingga menyebabkan peningkatan supply udara yang melewati kompresor selama sepersekian detik. Grafik respon sistem dapat dilihat pada Gambar 14 sampai 16.

Gambar 14 Respon sistem EGR dengan gangguan sinyal impuls pada kecepatan tetap.

Gambar 15 Respon sistem EGR dengan gangguan sinyal impuls pada kecepatan meningkat.

Gambar 16 Respon sistem EGR dengan gangguan sinyal impuls pada kecepatan menurun.

E. Perbandingan Pengendalian Sistem EGR dengan Fuzzy dan PID

Respon sistem EGR dengan fuzzy dan PID dari seluruh pengujian yang telah dilakukan pada penelitian ini disajikan dalam Tabel 2.

TABEL 2 PERBANDINGAN INDEKS PERFORMANCE FUZZY DAN PID PADA SISTEM EGR.

Kondisi gangguan Kecepatan Indeks Performance Kontroler FUZZY PID Tanpa gangguan Tetap Rising time (s) 0,1073 14,04 Settling time (s) 1,105 6,255 IAE 11,9893 40,9036 Meningkat Rising time (s) 0,1034 5,14 Settling time (s) 1,02 5,385 IAE 12,2347 41,6089 Menurun Rising time (s) 0,1083 9,12 Settling time (s) 1,215 7,985 IAE 13,5636 47,9110 Gangguan Random Tetap Rising time (s) 0,1071 14,52 Settling time (s) 1,105 6,395 IAE 12,2286 41,1154 Meningkat Rising time (s) 0,1033 5,145 Settling time (s) 1,04 5,44 IAE 12,4619 41,9146 Menurun Rising time (s) 0,1082 9,155 Settling time (s) 1,245 8 IAE 13,9407 48,0671 Gangguan Sinyal Impuls Tetap Rising time (s) 0,1751 0,6712 Settling time (s) 10,67 10,2 IAE 16,1355 42,9554 Meningkat Rising time (s) 0,1747 0,7856 Settling time (s) 10,64 10,21 IAE 17,2083 43,6679 Menurun Rising time (s) 0,2771 0,9 Settling time (s) 10,49 10,92 IAE 15,7525 58,1699 Berdasarkan Tabel 2, penggunaan fuzzy pada sistem EGR lebih baik dibandingkan dengan PID, baik pada sistem tanpa gangguan maupun dengan gangguan. Hal tersebut ditunjukkan dengan rising time dan settling time respon sistem dengan fuzzy yang lebih kecil dibandingkan dengan PID pada sistem EGR dengan dan tanpa gangguan. Pada sistem EGR dengan gangguan sinyal impuls, sistem EGR dengan fuzzy juga lebih mampu meredam gangguan dibandingkan dengan PID meskipun sistem EGR dengan PID pada masukan kecepatan tetap dan meningkat sedikit lebih cepat mencapai set point kembali setelah mengalami gangguan. Nilai IAE sistem EGR dengan fuzzy lebih kecil dibandingkan dengan kontroler PID. Hal tersebut menunjukkan bahwa kontroler fuzzy lebih baik dalam meminimalisir error respon sistem EGR dibandingkan dengan kontroler PID.

IV. KESIMPULAN

Dari hasil pengujian yang ditunjukkan oleh Gambar 8 sampai Gambar 16, semua respon sistem EGR dengan fuzzy mampu mencapai nilai set point (0,15) yang ditentukan dalam waktu kurang dari 20 detik. Nilai set point tersebut merupakan nilai rasio EGR yang harus dicapai agar kadar NOx pada gas buang sesuai dengan standar emisi gas buang EURO IV. Oleh karena itu, dapat disimpulkan bahwa sistem kendali genetic-fuzzy yang dirancang sudah mampu menurunkan kadar NOx pada gas buang sehingga sesuai dengan standar EURO IV, yaitu 3,5 g/kWh. Waktu capaian respon sistem yang kurang dari 20 detik terhadap set point juga menunjukkan bahwa berdasarkan pengujian, mesin ini sudah lulus uji emisi gas buang. Karena berdasarkan Peraturan Menteri Negara Lingkungan Hidup Nomor 05 Tahun 2006, uji emisi gas buang dilakukan dengan memasukkan probe alat uji ke knalpot selama 20 detik.

REFERENSI

[1] Vick, Andrew W. Genetic Fuzzy Controller for a Gas Turbine

Fuel System. Diss. University of Cincinnati, 2010.

[2] Safitri, Meilia, Perancangan Sistem Kendali Genetic-Fuzzy: Studi

Kasus pada Pengendalian Top and Side End Point Composition dan Bottom Refluks Temperature pada Distillation Column,

Tugas Akhir S-1, Universitas Diponegoro, 2012.

[3] Niranjan, L., Shijo Thomas, and V. Sajith. "Experimental investigation on the effects of cold and hot EGR using diesel and bio-diesel as Fuel."

[4] Jailani, Mohd, Mohd Jaafar, and Mohammad Nazri. "Emisi ekzos dari kenderaan bermotor, kesannya ke atas atmosfera dan kaedah pengurangannya: satu kajian." Jurnal Mekanikal 8 (1999).

[5] Endyani, Indah Dwi, and Toni Dwi Putra. "Pengaruh Penambahan Zat Aditif Pada Bahan Bakar Terhadap Emisi Gas Buang Mesin Sepeda Motor." Proton 3.1 (2011).

[6] Zheng, Ming, Graham T. Reader, and J. Gary Hawley. "Diesel engine exhaust gas recirculation––a review on advanced and novel concepts." Energy Conversion and Management 45.6 (2004): 883-900.

[7] Mollenhauer, Klaus, and Helmut Tschöke. "Handbook of diesel engines."Handbook of Diesel Engines, Edited by K. Mollenhauer

and H. Tschöke. Berlin: Springer, 2010. 1 (2010).

[8] Tugaswati, A. Tri. "Emisi Gas Buang Kendaraan Bermotor Dan Dampaknya Terhadap Kesehatan." Artikel, Jakarta (2000).

[9] Kesehatan, Departemen. "Parameter Pencemar Udara dan Dampaknya Terhadap Kesehatan." (2004).

[10] Abd-Alla, G. H. "Using exhaust gas recirculation in internal combustion engines: a review." Energy Conversion and

Management 43.8 (2002): 1027-1042.

[11] Walke, P. V., N. V. Deshpande, and R. G. Bodkhe. "Impact of Exhaust Gas Recirculation on the Performances of Diesel Engine." Proceedings of the World Congress on Engineering. Vol. 2. 2008.

[12] Li, Hong-Xing, CL Philip Chen, and Han-Pang Huang. Fuzzy

neural intelligent systems: mathematical foundation and the applications in engineering. CRC Press, 2001.

[13] Santoso, Fendy. "Pengaturan Berat Total Material Yang Keluar Dari Weight Feeder Conveyor Dengan Menggunakan Kontrol Logika Fuzzy." Jurnal Teknik Elektro 3.1 (2004).

[14] Joelianto, Endra, and Oberli Tansri. "Sistem Kontrol Hibrida Sinyal Rujukan Berbasis Logika Fuzzy untuk Peningkatan Kinerja Transien Pengontrol PID."Bandung: ITB (2007).

[15] Wahlström, Johan. Control of EGR and VGT for emission control

and pumping work minimization in diesel engines. Diss.