PERANCANGAN DAN IMPLEMENTASI NEURO FUZZY PREDICTIVE BERBASISKAN REAL TIME UNTUK PENGATURAN TEMPERATUR FURNACE

PERANCANGAN DAN IMPLEMENTASI

NEURO FUZZY PREDICTIVE BERBASISKAN

REAL TIME UNTUK PENGATURAN

TEMPERATUR FURNACE

Syah Yogta Wipogso 2207100618 Teknik Sistem Pengaturan

Overview

Latar

Belakang

Pendahuluan

Dasar

Teori

Dasar

Teori

Perancangan Sistem

Analisa

Kesimpulan

Latar Belakang

Latar Belakang

Latar Belakang

Pada umumnya dapur tinggi digunakan untuk

mengolah biji-biji besi

untuk dijadikan besi

kasar. Besi kasar yang

dihasilkan oleh dapur

tinggi diolah kembali

kedalam dapur, untuk dijadikan baja atau baja tuang; juga besi tuang

Furnace konvensional _{Pada umumnya dapur}

tinggi digunakan untuk

mengolah biji-biji besi

untuk dijadikan besi

kasar. Besi kasar yang

dihasilkan oleh dapur

tinggi diolah kembali

kedalam dapur, untuk dijadikan baja atau baja tuang; juga besi tuang

Latar Belakang (1)

Furnace dengan sistem elektris : 1. Mencapai temperatur tinggi dengan singkat 2. Temperatur dapat diatur 3. Kerugian akibat penguapan udara panas sangat

Furnace secara elektris Furnace dengan

sistem elektris : 1. Mencapai temperatur tinggi dengan singkat 2. Temperatur dapat diatur 3. Kerugian akibat penguapan udara panas sangat

Pendahuluan

Pendahuluan

Latar Belakang



furnace sebelumnya dipergunakan sebagai

tungku pemanas



Furnace digunakan diindustri – industri

besar dalam pengolahan benda logam



Penggunaan furnace dalam pemanasan

cetakan emas dalam industri logam mulia

Penggunaan kontroler dalam menjaga



furnace sebelumnya dipergunakan sebagai

tungku pemanas



Furnace digunakan diindustri – industri

besar dalam pengolahan benda logam



Penggunaan furnace dalam pemanasan

cetakan emas dalam industri logam mulia

Penggunaan kontroler dalam menjaga

Permasalahan

1.Perubahan derajat temperatur pada

furnace

yang

tidak

diinginkan

mengakibatkan

temperatur

furnace

menjadi tidak stabil

2.Temperatur furnace yang tidak stabil

menyebabkan kerusakan pada cetakan

emas.

1.Perubahan derajat temperatur pada

furnace

yang

tidak

diinginkan

mengakibatkan

temperatur

furnace

menjadi tidak stabil

2.Temperatur furnace yang tidak stabil

menyebabkan kerusakan pada cetakan

emas.

Tujuan



Merancang sistem pengaturan temperatur

furnace.



Pengujian sistem melalui implementasi dengan

menggunakan kontroler neuro fuzzy predictive

untuk pengaturan temperatur pada furnace

yang terhubung dengan Personal Computer.



Meningkatkan performansi pada sistem proses



Merancang sistem pengaturan temperatur

furnace.



Pengujian sistem melalui implementasi dengan

menggunakan kontroler neuro fuzzy predictive

untuk pengaturan temperatur pada furnace

yang terhubung dengan Personal Computer.

Relevansi

 Menjadi referensi perencanaan desain sistem

pengaturan cerdas menggunakan neuro fuzzy

predictive.

 Menjadi referensi pengembangan dan

perbandingan metode kontrol yang tepat di masa mendatang.

 Menjadi referensi perencanaan desain sistem

pengaturan cerdas menggunakan neuro fuzzy

predictive.

 Menjadi referensi pengembangan dan

perbandingan metode kontrol yang tepat di masa mendatang.

Dasar Teori

Dasar Teori

Dasar Teori 1

Ʃ _F(.) X1 X₂ xi Net Out X I Input Output Neural Network

Neuro

Fuzzy

Predictive

Neuro

Fuzzy

Predictive

Struktur neuro –fuzzy predictive

X1 X₂ xi Net Out X I Input Output Fuzzy Logic Fuzzy Logic

Model Predictive Control

Neuro

Fuzzy

Predictive

Neuro

Fuzzy

Predictive

Dasar Teori 2

Struktur neuro-fuzzy Mamdani Struktur neuro-fuzzy Mamdani

Dasar Teori (3)

1.

Fuzzy logic

 Lotfhi A. Zadeh (1965)

 Fuzzy secara leksikal mengandung arti

tidak jelas, samar atau kekaburan. Konsep

himpunan fuzzy sebenarnya

dilatarbelakangi oleh cara berpikir

manusia dalam mempresentasikan dan menganalisa fenomena-fenomena di alam nyata yang serba tidak tepat (samar).

1.

Fuzzy logic

 Lotfhi A. Zadeh (1965)

 Fuzzy secara leksikal mengandung arti

tidak jelas, samar atau kekaburan. Konsep

himpunan fuzzy sebenarnya

dilatarbelakangi oleh cara berpikir

manusia dalam mempresentasikan dan menganalisa fenomena-fenomena di alam nyata yang serba tidak tepat (samar).

Dasar Teori (4)

Neuro fuzzy merupakan suatu model yang

dilatih menggunakan jaringan syaraf, namun struktur jaringannya diinterprestasikan dengan

sekelompok aturan – aturan fuzzy (Kasabov,

2002).

Neuro Fuzzy

Neuro fuzzy merupakan suatu model yang

dilatih menggunakan jaringan syaraf, namun struktur jaringannya diinterprestasikan dengan

sekelompok aturan – aturan fuzzy (Kasabov,

Dasar Teori (5)

Model Control Predictive (MPC) adalah suatu

kontroller yang digunakan untuk mengontrol sekaligus mengestimasi model matematis dari suatu plant. Secara umum MPC terdiri dari 2 bagian yaitu:

 Sebagai prediksi eksplisit dari perilaku plant

perbaikan yang akan datang.

komputasi perbaikan model sekaligus perbaikan

Model Predictive Control

Model Control Predictive (MPC) adalah suatu

kontroller yang digunakan untuk mengontrol sekaligus mengestimasi model matematis dari suatu plant. Secara umum MPC terdiri dari 2 bagian yaitu:

 Sebagai prediksi eksplisit dari perilaku plant

perbaikan yang akan datang.

Persamaan umum dari MPC

Error estimasi dari model matematis dan plant yang

terukur adalah :

Indeks performansi yang dipilih untuk melihat apakah paramater – parameter kontroler tersebut sudah

) ( ˆ ˆ ) ( ˆ ˆ ) 1 ( ˆ k Ax k Bu k x    ) ( ˆ ˆ ) ( ˆ k C x k y 

Dasar Teori (6)

Persamaan umum dari MPC

Error estimasi dari model matematis dan plant yang

terukur adalah :

Indeks performansi yang dipilih untuk melihat apakah paramater – parameter kontroler tersebut sudah

) ( ˆ ) (k y k y e   )) ( ˆ ) ( ( )) ( ˆ ) ( (y k y k y k y k e eT   T 

Perancangan Sistem

Perancangan Sistem

Perancangan Hardware

Analisa

Analisa

Grafik Keluaran Furnace

a. Respon simulasi furnace tanpa blower

200 300 400 500 600 Te m pe ra tu r(d er aj at C el ci us ) 200 300 400 500 600 Te m pe ra tu r(d er aj at C el ci us )

Grafik Output Furnace (1)

b. Respon simulasi furnace dengan blower

0 100 200 300 400 500 600 700 T em pe ra tu r( de ra jat C el ci us ) 0 100 200 300 400 500 600 700 T em pe ra tu r( de ra jat C el ci us ) 0 100 200 300 400 500 600 700 T em pe ra tu r( de ra jat C el ci us ) 0 100 200 300 400 500 600 700 T em pe ra tu r( de ra jat C el ci us )

Proses kenaikan temperatur funace real plant

dengan kontroler secara manual.

Respon dengan kontroler PI dengan

gangguan

Tampilan set point masukan sinus dengan

amplitudo 10 dan alpha 0.1

Tracking sinus dengan amplitudo 10 dan

alpha 0.001

Kesimpulan

Kesimpulan

kesimpulan

 Performansi dari Neuro-fuzzy predictive didesain

dengan tujuan untuk memprediksikan kejadian yang akan datang berdasarkan following tracking, mengetahui dan membandingan antara neuro-fuzzy

predictive dengan pendekatan yang lainnya.

Hasilnya menunjukkan bahwa metodologi yang digunakan sangat efektif untuk membangun linguistik yang akurat dari neuro-fuzzy control dan

dibandingkan dengan pendekatan kontroler

lainnya seperti kontroler PI (Proportional + integral).

 Performansi dari Neuro-fuzzy predictive didesain

dengan tujuan untuk memprediksikan kejadian yang akan datang berdasarkan following tracking, mengetahui dan membandingan antara neuro-fuzzy

predictive dengan pendekatan yang lainnya.

Hasilnya menunjukkan bahwa metodologi yang digunakan sangat efektif untuk membangun linguistik yang akurat dari neuro-fuzzy control dan

dibandingkan dengan pendekatan kontroler

Terima Kasih

Terima Kasih

Additional Slide

Additional Slide

Neural Network terdiri : 1. Input (X1,X2,…,Xn) 2. Sigmoid 3. Fungsi aktifasi Ʃ _F(.) X₁ X₂ x_i Net Out X I Input Output Neural Network

Neural Network Neural Network terdiri :

1. Input (X1,X2,…,Xn) 2. Sigmoid 3. Fungsi aktifasi X₁ X₂ x_i Net Out X I Input Output

Thermocouple-k

Thermocouple-k  Thermocouple : Nichrome – Nickel Silicon  Suhu : -200o_{C - +1200}o_C  Resolusi : 40uV /o_C Thermocouple-k  Thermocouple : Nichrome – Nickel Silicon  Suhu : -200o_{C - +1200}o_C  Resolusi : 40uV /o_C

Furnace

 High insullation stone

merupakan batu dengan daya isolasi tinggi untuk panas yang tinggi.

 Ceramics Fiber Blankets

Bahan ceramics yang didesain untuk melapisi batu tahan api agar tidak terlalu panas dari radiasi elemen heater.

 Heat element single-phase 600

watt

Element masing-masing adalah 300 watt, namun dipasang

paralel untuk menghasilkan daya  High insullation stone

merupakan batu dengan daya isolasi tinggi untuk panas yang tinggi.

 Ceramics Fiber Blankets

Bahan ceramics yang didesain untuk melapisi batu tahan api agar tidak terlalu panas dari radiasi elemen heater.

 Heat element single-phase 600

watt

Element masing-masing adalah 300 watt, namun dipasang

Blower

_{DAC 0808}

Kontroler Proporsional (P)

 Pengaruh pada sistem :

 Menambah atau mengurangi kestabilan

 Dapat memperbaiki respon transien khususnya : rise time,

settling time

 Mengurangi (bukan menghilangkan) Error steady state

 Catatan : untuk menghilangkan E_ss, dibutuhkan K_P besar, yang akan

membuat sistem lebih tidak stabil

 Kontroler Proporsional memberi pengaruh langsung

(sebanding) pada error

 Semakin besar error, semakin besar sinyal kendali yang

dihasilkan kontroler

+

+

-+

 Pengaruh pada sistem :

 Menambah atau mengurangi kestabilan

 Dapat memperbaiki respon transien khususnya : rise time,

settling time

 Mengurangi (bukan menghilangkan) Error steady state

 Catatan : untuk menghilangkan E_ss, dibutuhkan K_P besar, yang akan

membuat sistem lebih tidak stabil

 Kontroler Proporsional memberi pengaruh langsung

(sebanding) pada error

 Semakin besar error, semakin besar sinyal kendali yang

dihasilkan kontroler

Kontroler Integral (I)

 Pengaruh pada sistem :

 Menghilangkan Error Steady State

 Respon lebih lambat (dibanding P)

 Dapat menimbulkan ketidakstabilan (karena menambah

orde sistem)

 Perubahan sinyal kontrol sebanding dengan

perubahan error

 Semakin besar error, semakin cepat sinyal kontrol

bertambah/berubah

 Grafik (lihat Ogata)

+

- Pengaruh pada sistem :

 Menghilangkan Error Steady State

 Respon lebih lambat (dibanding P)

 Dapat menimbulkan ketidakstabilan (karena menambah

orde sistem)

 Perubahan sinyal kontrol sebanding dengan

perubahan error

 Semakin besar error, semakin cepat sinyal kontrol

bertambah/berubah

 Grafik (lihat Ogata)