• Tidak ada hasil yang ditemukan

S TE 1105051 Abstract

N/A
N/A
Protected

Academic year: 2017

Membagikan "S TE 1105051 Abstract"

Copied!
2
0
0

Teks penuh

(1)

Muhammad Falah Aranza, 2016

TUNING KONTROLER PID PADA SISTEM AVR DI CIRATA II DENGAN MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION

Universitas Pendidikan Indonesia | repository.upi.edu| perpustakaan.upi.edu

ABSTRAK

Pada skripsi ini membahas penerapan algoritma Particle Swarm Optimization dalam hal tuning kontroler PID pada sistem AVR (Automatic Voltage Regulator). Tuning kontroler

PID atau mencari harga Kp (Konstanta Proportional), Ki (Konstanta Integral) dan Kd

(Konstanta Derivative) yang optimal merupakan hal terpenting dalam PID karena tuning

yang baik akan membuat performa dari kontroler PID menjadi optimal. Banyak metode

tuning yang cukup terkenal antara lain, metode Ziegler-Nichols (ZN), Coheen COON,

gain-phase margin dan Gain Scheduling. Akan tetapi, metode-metode tersebut dirasa kurang optimal untuk mengontrol sistem yang non linier dan memiliki orde tinggi, ditambah perhitungan dengan metode tersebut relatif sulit. Untuk mengatasi hal ini, algortima Particle Swarm Optimization (PSO) diusulkan untuk mendapatkan nilai Kp, Ki dan Kd yang optimal (Tuning). Pemilihan algoritma PSO dikarenakan PSO memiliki hasil yang memusat dan tidak memerlukan iterasi dengan jumlah yang banyak, sehingga perhitungannya relatif cepat. Berdasarkan hasil dari analisis transien, kestabilan Root Locus dan respon frekuensi,

menunjukan bahwa tuning dengan menggunakan PSO memiliki hasil lebih baik dibanding

dengan metode Ziegler-Nichols dan sistem tanpa kontroler PID.

(2)

vi

ABSTRACT

In this paper explains applying Particle Swarm Optimization algorithm in tuning of PID controller on AVR (Automatic Voltage Regulator) system. Tuning in PID controller or search value Kp (Proportional Gain), Ki (Integral Gain) and Kd (Derivative Gain) that optimal is important in PID, because good tuning can yield performance of PID controller become maximal. Many methods that are enough familiar in tuning PID controller like Ziegler-Nichols (ZN) method, Cohen COON, gain-phase margin, Minimum Variance dan Gain Scheduling, however these methods are not optimal to control systems that nonlinear and have high-orde, in addition, in calculating of these methods relative difficult. To solve those obstacles, particle swarm optimization (PSO) algorithm is proposed to get Kp, Ki and Kd which optimal (Tuning). Choosing PSO is caused PSO has result of convergence and not require many iterations, so that in calculating relative quick. Based on result of analyzing transient, stability Root Locus and frequency response, show that tuning using PSO algorithm has result better than Ziegler-Nichols method and system without PID controller.

Referensi

Dokumen terkait

The bacteria foraging – particle swarm optimization with time varying accelerator coefficient (BF-PSOTVAC) is a method to optimize PID based PSS type PSS3B, AVR gain and SVC

SHORT TERM LOAD FORECASTING UNTUK HARI LIBUR PADA KONDISI BEBAN ANOMALI MENGGUNAKAN ALGORITMA HYBRID BACK PROPAGATION-SWARM PARTICLE.. Universitas Pendidikan Indonesia

Skripsi: Studi Keandalan Sistem Tenaga Lsitrik Terhadap Gangguan Kontingensi (N-1) Pada Saluran 150 kV Subsistem Cirata; Diki Nugraha; DPTE FPTK UPI; 2015.. Diki Nugraha,

Penelitian ini berisi kajian mengenai penerapan kontroler PID dalam proses menstabilkan tegangan yang dilaksanakan di PLTP Wayang Windu dengan tujuan untuk mempelajari dan

Analisis penerapan Kontroler PID Pada AVR Untuk Menjaga Kestabilan Tegangan di PLTP Wayang Windu.. Universitas Pendidikan Indonesia | repository.upi.edu

Over the years, several authors have proposed the tuning of PID to control variable processes by optimization methods, such as genetic algorithms [7–13], particle swarm

OPTIMASI ALGORITMA PARTICLE SWARM OPTIMIZATION DENGAN RUMUS PREDIKSI RESNICK UNTUK PREDIKSI RATING PADA MODULE

Untuk pengaturan crane anti ayun dipilih kontroler jenis PD-LQR dengan pemilihan matriks bobot Q dan R yang diproses melalui algoritma uPSO (unified Particle Swarm