Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network

(1)

Pengaturan Proses Tekanan pada Sistem

Pengaturan Berjaringan Menggunakan Kontroler

Fuzzy Neural Network

Rendie Ramadhan NRP 2208100131

Dosen Pembimbing : Ir. Ali Fatoni, M.T.

Imam Arifin, S.T., M.T.

BIDANG STUDI SISTEM PENGATURAN JURUSAN TEKNIK ELEKTRO - FTI

INSTITUT TEKNOLOGI SEPULUH NOPEMBER (ITS)

(2)

PENDAHULUAN

TEORI DASAR

PERANCANGAN SISTEM

PENGUJIAN DAN ANALISIS

4

1

2

3 ISI

PENGUJIAN DAN ANALISIS

_{KESIMPULAN DAN SARAN}

(3)

PENDAHULUAN

Latar Belakang

Tujuan

Permasalahan

Batasan Masalah

(4)

LATAR BELAKANG

• Teknologi komunikasi yang terus mengalami

perkembangan

• Penggunaan teknologi komunikasi menyebabkan

permasalahan yang ada pada jaringan juga terjadi

pada SPB

• Perancangan kontroler konvensional tidak dapat

mengkompensasi permasalahan yang terjadi

(5)

Mengetahui permasalahan yang terjadi pada SPB

Mengetahui kelebihan dan kekurangan kontroler FNN

dalam mengatasi permasalahan pada SPB

Mendesain kontroler FNN yang mampu melakukan

adaptasi terhadap perubahan parameter yang terjadi

pada sistem

1

2

3 Tujuan

(6)

PERMASALAHAN

• Adanya waktu tunda (time delay) dan packet

dropout

selama proses berlangsung

• Delay dan packet dropout terjadi secara acak dan

sulit untuk di prediksi

• Performansi sistem menurun bahkan mengarah ke

ketidakstabilan pada sistem

• Diperlukan sebuah kontroler yang mampu

mengatasi permasalahan akibat delay dan packet

loss, yaitu kontroler adaptif

(7)

BATASAN MASALAH

• Permasalahan Beban Minimal

• Permasalahan Beban Maksimal

• Permasalahan delay dan packet dropout

(8)

TEORI DASAR

SPB

Identifikasi Sistem

Logika Fuzzy

Neural Network

(9)

Gambaran Umum SPB

• SPB merupakan sistem pengaturan umpan balik lup tertutup

dimana pertukaran informasi antar komponen dilakukan

dalam bentuk paket data melalui jaringan real-time.

(10)

Media Jaringan pada SPB

• _Ethernet

• _Fieldbus

• _Wireless

(11)

Permasalahan pada SPB

Delay

(12)

Permasalahan pada SPB

Delay

(13)

Permasalahan pada SPB

Packet Dropout

(14)

Identifikasi Sistem

Sistem Orde 1 dengan Delay

(15)

Logika Fuzzy

Pengertian

Teori Dasar – Logika Fuzzy Logika Fuzzy adalah

peningkatan dari logika Boolean yang berhadapan dengan

konsep kebenaran sebagian. Di mana logika klasik menyatakan bahwa segala hal dapat

diekspresikan dalam

istilah Biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan Tingkat

Kebenaran (degree of

(16)

Logika Fuzzy

Tahapan pada Logika Fuzzy

Teori Dasar – Logika Fuzzy

Melaksanakan Operasi Logika  Rule Firing Strength

Menentukan Keluaran Fuzzy  Bilangan Crips

Inferensi Rules

Deffuzifikasi

Menentukan derajat keanggotaan (membership function)

(17)

Logika Fuzzy

Membership Function

 

                 2 exp





u ui x i

Bell-shaped Segitiga Trapesium Singleton

 





b a u u_i i 2 1  



 

ui 1

 



 





 



                      d u d u c c u b b u a a u c d c u a b a u u i i i i i i i i , , , , , 0 / 1 1 / 0 

(18)

Logika Fuzzy

Operasi Logika

Interseksi (AND) Gabungan (OR)

Komplemen

 

_i _A

 

_i A

u

j

u

i j i





1 

 

_i _A

 

_i



_A

 

_i _A

 

_i



A u AND u u k u i j i k i j i



 min ,

 

_i _A

 

_i _A

 

_i _A

 

_i A u AND u u k u i j i k i j i



 

 

_i _A

 

_i



_A

 

_i _A

 

_i



A u OR u maks u k u i j i k i j i      ,

 

_i _A

 

_i



_A

 

_i _A

 

_i



A u AND u u k u i j i k i j i     min1,  Minimal Algeraic Product Maksimal Bounded Sum

(19)

Logika Fuzzy

Proses Defuzzifikasi

(20)

Neural Network

Teori Dasar – Neural Network

Neural Network (NN), adalah jaringan dari sekelompok unit pemroses kecil yang

dimodelkan berdasarkan jaringan syaraf tiruan. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.

(21)

Fuzzy Neural Network

(FNN)

Teori Dasar – FNN FNN merupakan

sistem hibrida yang menggabungkan dua konsep kecerdasan buatan, yaitu sistem

fuzzy dan neural network. Permasalahan dalam hal pengambilan keputusan dapat diselesaikan dengan menerapkan konsep dari logika fuzzy. Sedangkan, adaptasi dilakukan dengan kemampuan belajar yang dimiliki neural

(22)

PERANCANGAN SISTEM

Kebutuhan dan Arsitektur SPB

Integrasi Perangkat Lunak

Identifikasi Sistem

(23)

Kebutuhan SPB

Kebutuhan dan Arsitektur SPB

K

EBUTUHAN

H

ARDWARE



Remote I/O Modul

- ADAM 5000L/TCP



Komputer

- 1 Buah Laptop (Utama)

- 1 Buah PC dengan PCI



Plant

- Pressure Process Rig 38-714



Perangkat Komunikasi

- HUB

- Kabel LAN

K

EBUTUHAN

S

OFTWARE 

LabVIEW



ADAM 5000TCP-6000 Utility



OLE Process Control (OPC)

- KEPServerEx

(24)

Arsitektur SPB

(25)

Arsitektur SPB

(26)

Plant

Plant

(27)

PERANGKAT LUNAK PENDUKUNG

ADAM -5000 TCP Utility

Integrasi Perangkat Lunak

Integrasi Perangkat Lunak

Konfigurasi Perangkat Lunak

PERANGKAT LUNAK UTAMA

OPC: Standarisasi Data LabVIEW: o Perancangan Algoritma Kontroler FNN o User Interface o Data Akuisisi o Pengolahan Data ADAM Utility: o Interface ke perangkat keras ADAM

o Data Akuisisi dari

Remote I/O MATLAB: o Pemrogramanan Algoritma FNN o Perhitungan data-data offline o Penyajian Data

(28)

Identifikasi Sistem Orde 1 dengan Delay

Identifikasi Sistem

(29)

Identifikasi Sistem Orde 1 dengan Delay

Identifikasi Sistem

Respon Hasil Identifikasi melalui Jaringan

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 Waktu (detik) T e ka n a n ( p si )

Respon Hasil Identifikasi Plant (Jaringan)

Set Point Respon Plant

Respon Hasil Pemodelan

 

1 3658 . 0 9906 . 0 0.36    s e s H s 5 953 . 4   ss ss X Y K

 





1



s

Ke

s

X

s

Y

T_ds



ANALISIS :

3658

.

0 



3658

.

0 

d

T

(30)

L/O/G/O

www.themegallery.com

Perancangan Kontroler FNN

(31)

Diagram Blok Sistem dengan FNN

(32)

Struktur Sinyal Kontrol

Perancangan Kontroler FNN Fuzzy PID

 

t

u

 

t

u

_p



_p

 

t

u

 

t

K

v

 

t

u

_i



_i



1 

_i



_i

u

 

t

u

p

   

t

u

i

t





(33)

Arsitektur FNN

(34)

Algoritma FNN

Variabel FNN

(35)

Algoritma FNN

Lapisan 1

FORWARD PROPAGATION

Perancangan Kontroler FNN Lapisan 2

(36)

Algoritma FNN

Lapisan 2 (Cont’d)

(37)

Algoritma FNN

Lapisan 3

Perancangan Kontroler FNN Lapisan 4

(38)

Algoritma FNN

Lapisan 4 (Cont’d)

(39)

Algoritma FNN

Lapisan 5

(40)

Algoritma FNN

Lapisan 5 BACK PROPAGATION Perancangan Kontroler FNN

 



 















i i j j i i i s j i j i

_O

O

t

O

t

T

t

s

t

s

4 , , 4 , , 5 , , 5 , ,

1 

Lapisan 4

 





₂ 4 , , 4 , , 5 , , 4 , , 5 , , 4 ,          



i i j i i j i j i i j j i i i i O O s O s t O t T



(41)

Algoritma FNN

Lapisan 3 BACK PROPAGATION Perancangan Kontroler FNN Lapisan 2 4 , 3 , i i





 



 









































2 2 , 2 , 2 , 2 2 , 2 , 2 , 2 , 2 ,

exp

2

1

i i i i i i i i c i i

c

net

c

net

t

O

t

T

t

c

t

c





 



 







                       2 2 , 2 , 2 , 3 2 , 2 2 , 2 , 2 , 2 , exp 2 1 i i i i i i i i i i c net c net t O t T t t







_

(42)

PENGUJIAN DAN ANALISIS

Beban Nominal

Perubahan Set Point

Beban Minimal

Beban Maksimal

(43)

Inisialisasi Parameter FNN

Delay Jaringan : 0.2852 detik (Keadaan Normal)

Set Point : 5 psi

η_c = 0.01 η_w= 0.01 η_s = 0.001 Nilai Linguistik NB NS Z PS PB Error center -3 -1.5 0 1.5 3 width 3 3 0.5 3 3 Nilai Linguistik NB NS Z PS PB

Delta Error center

-10 -5 0 5 10

width 10 10 5 10 10

Center dari fuzzy singleton

Nilai Linguistik NB NS Z PS PB

Singleton U_p -0.5 -0.25 0 0.25 0.5

(44)

Beban Nominal

τ : 0.9187 y(τ) 3.16 Ess : 0.006 tss 1.54 tp -ts(5%) : 1.45 tr(5%-95%) 0.97 %Mp : 0 Td : 0.4

(45)

(46)

(47)

Perubahan Parameter

Set Point 7 psi

Nilai Linguistik NB NS Z PS PB Error center -3.15 -2.055 0 1.89 2.814 width 2.79 3.26 0.52 2.78 2.37 Nilai Linguistik NB NS Z PS PB Delta Error center -10.1 -4.96 0 4.8 9.92 width 10.8 10 5.02 10.1 10.18

Singleton U_p -0.546 -0.38 0 0.386 0.548

(48)

Beban Minimal

Delay (detik) 0.285 τ : 0.9187 y(τ) 3.156 Ess : 0.006 tss 1.54 tp -ts(5%) : 1.45 tr(5%-95%) 0.97 %Mp : -Td : 0.4 t beban ON 7 tss 14.26 %Mp : -5.38 t beban OFF 16.53 tss 25.92 %Mp : 4.38

(49)

Perubahan Parameter

Beban Minimal Diberikan pada Sistem

Error center -2.986 -1.688 0 1.499 2.921

width 3.069 3.065 0.544 2.912 3.042

Delta Error center -9.998 -4.997 0 5.002 10.002

width 9.995 9.997 5 9.997 9.996

Singleton U_p -0.52 -0.296 0 0.28 0.507

Singleton V_i -0.826 -0.463 0 0.4479 0.8139

Beban Minimal Dihilangkan dari Sistem

Error center -2.975 -1.741 0 1.565 2.86

width 3.095 3.154 0.786 2.857 3.037

width 10.005 10.005 5.006 10.002 10.003

Singleton U_p -0.528 -0.328 0 0.322 0.522

(50)

Beban Maksimal

Delay (detik) 0.285 τ : 1.03 y(τ) 3.16 Ess : 0.006 tss 4.013 tp -ts(5%) : 1.378 tr(5%-95%) 0.9 %Mp : -Td : 0.34 t beban ON 7.35 tss 16.32 %Mp : 3.26 t beban OFF 18 tss 26 %Mp : -3.5

(51)

Perubahan Parameter

Beban Maksimal Diberikan pada Sistem

Error center -2.983 -1.504 0 1.522 2.995

width 2.993 3.016 0.708 2.978 2.992

width 9.997 9.998 5.004 10 9.997

Singleton U_p -0.505 -0.273 0 0.274 0.506

Singleton V_i -0.808 -0.4368 0 0.4384 0.8096

Beban Maksimal Dihilangkan dari Sistem

Error center -2.977 -1.525 0 1.525 2.976

width 3.001 3.037 0.477 2.963 3

width 10 9.999 4.999 10.002 10

Singleton U_p -0.511 -0.298 0 0.298 0.511

(52)

Variasi Delay (Beban Minimal)

Delay = 0.3152 detik Delay (detik) 0.315 τ : 0.9541 y(τ) 3.156 Ess : 0.006 tss 3.19 tp -ts(5%) : 1.425 tr(5%-95%) 0.9 %Mp : -Td : 0.33 t beban ON 7.47 tss 13.74 %Mp : -19.5 t beban OFF 15.73 tss 24.44 %Mp : 6.5

(53)

Perubahan Parameter

Error center -2.993 -1.709 0 1.498 2.911

width 3.077 3.069 0.644 2.907 3.047

width 9.995 9.998 5.001 9.995 9.993

Singleton U_p -0.521 -0.298 0 0.281 0.508

Singleton V_i -0.8336 -0.4768 0 0.4496 0.8128

Error center -2.954 -1.91 0 1.657 2.723

width 3.161 3.312 1.025 2.696 3.029

width 10.015 10.009 5.006 10.009 10.014

Singleton U_p -0.553 -0.387 0 0.387 0.55

(54)

Variasi Delay (Beban Minimal)

Delay = 0.3352 detik Delay (detik) 0.335 τ : 0.9215 y(τ) 3.156 Ess : 0.006 tss 3.67 tp 1.86 ts(5%) : 1.242 tr(5%-95%) 0.574 %Mp : 2.24 Td : 0.38 t beban ON 10.62 tss 18.2 %Mp : -23.12 t beban OFF 20.7 tss 26.6 %Mp : 6.5

(55)

Perubahan Parameter

Error center -2.989 -1.706 0 1.509 2.922

width 3.07 3.056 0.654 2.901 3.037

width 9.99 9.995 5.003 9.994 9.989

Singleton U_p -0.521 -0.298 0 0.282 0.508

Singleton V_i -0.8336 -0.4768 0 0.4512 0.8128

Error center -2.985 -1.77 0 1.578 2.849

width 3.104 3.158 0.918 2.849 3.036

width 10.005 10.004 5.005 10.001 10.001

Singleton U_p -0.529 -0.329 0 0.324 0.525

(56)

Variasi Delay (Beban Minimal)

Delay = 0.3852 detik Delay (detik) 0.385 τ : 1.011 y(τ) 3.156 Ess : 0.006 tss 5.2 tp 1.43 ts(5%) : 1.18 tr(5%-95%) 0.61 %Mp : 9.98 Td : 0.43 t beban ON 7 tss 17.26 %Mp : -60.5 t beban OFF 19.07 tss 25.32 %Mp : -10.88

(57)

Perubahan Parameter

Error center -2.948 -1.847 0 1.59 2.785

width 3.119 3.216 0.823 2.744 3.038

Delta Error center -10 -5.003 0 5.008 10.002

width 9.997 9.999 5.003 9.999 9.997

Singleton U_p -0.546 -0.362 0 0.349 0.534

Singleton V_i -0.8736 -0.5792 0 0.5584 0.8544

Error center -2.954 -1.91 0 1.657 2.723

width 3.161 3.312 1.025 2.696 3.029

width 10.015 10.009 5.006 10.009 10.014

Singleton U_p -0.553 -0.387 0 0.387 0.55

(58)

Variasi Delay (Beban Minimal)

Delay = 0.4352 detik Delay (detik) 0.435 τ : 1.052 y(τ) 3.156 Ess : 0.006 tss 4 tp 1.5 ts(5%) : 2.33 tr(5%-95%) 0.57 %Mp : 15 Td : 0.47 t beban ON 8.8 tss -%Mp : -t beban OFF 18.7 tss -%Mp :

(59)

-Variasi Delay (Beban Maksimal)

Delay = 0.3852 detik Delay (detik) 0.385 τ : 1.0093 y(τ) 3.158 Ess : 0.006 tss 4.22 tp 1.47 ts(5%) : -tr(5%-95%) 0.59 %Mp : 4.74 Td : 0.39 or 0.46 t beban ON 7.75 tss 16.5 %Mp : 3.5 t beban OFF 18.46 tss 25.57 %Mp : -3.5

(60)

Perubahan Parameter

Error center -2.981 -1.506 0 1.525 2.992

width 2.994 3.02 0.752 2.975 2.991

width 9.997 9.999 5.003 9.999 9.997

Singleton U_p -0.505 -0.274 0 0.276 0.506

Singleton V_i -0.808 -0.4384 0 0.4416 0.8096

Error center -2.982 -1.538 0 1.52 2.966

width 3.01 3.046 0.554 2.962 3.007

width 10.002 10.001 4.999 10.002 10.003

Singleton U_p -0.511 -0.296 0 0.296 0.511

(61)

Variasi Delay (Beban Maksimal)

Delay = 0.5852 detik Delay (detik) 0.585 τ : 1.1 y(τ) 3.158 Ess : 0.006 tss 4.55 tp 1.66 ts(5%) : 3.58 tr(5%-95%) 0.36 %Mp : 43.26 Td : 0.67 t beban ON 8.8 tss 16.55 %Mp : 3.5 t beban OFF 20.25 tss 28.15 %Mp : -3.5

(62)

Perubahan Parameter

Error center -2.978 -1.511 0 1.532 2.987

width 2.994 3.028 0.825 2.969 2.991

width 9.998 9.999 5.002 10 9.998

Singleton U_p -0.505 -0.273 0 0.276 0.507

Singleton V_i -0.808 -0.4368 0 0.4416 0.8112

Error center -2.966 -1.573 0 1.532 2.936

width 3.019 3.083 0.66 2.93 3.014

width 10.003 10.001 5.001 10.003 10.003

Singleton U_p -0.515 -0.306 0 0.304 0.514

(63)

Variasi Delay (Beban Maksimal)

Delay = 0.6852 detik Delay (detik) 0.685 τ : 1.2158 y(τ) 3.158 Ess : 0.006 tss 11.56 tp 1.85 ts(5%) : 9.7156 tr(5%-95%) 0.4328 %Mp : 56 Td : 0.72 t beban ON 15.25 tss 23.21 %Mp : 4.5 t beban OFF -tss -%Mp :

(64)

-Perubahan Parameter

Nilai Linguistik NB NS Z PS PB Error center _-2.973 _-1.513 ₀ _1.539 _2.985 width _2.992 _3.034 _0.882 _2.962 _2.988 Nilai Linguistik NB NS Z PS PB Delta Error center _-9.998 _-4.996 ₀ _5.002 _10.002 width _9.998 _9.999 _5.002 ₁₀ _9.998

Singleton U_p

-0.506 -0.279 0 0.283 0.509

Singleton V_i

(65)

Variasi Delay (Beban Maksimal)

(66)

L/O/G/O

Kesimpulan & Saran

(67)

Kesimpulan

1. Pengaruh delay pada SPB dapat dikompensasi melalui penggunaan konroler FNN. Akan tetapi, jika pengaruh delay lebih besar dan lebih cepat dari kecepatan adaptasi FNN, respon sistem tidak dapat berada pada kondisi tetap.

2. Untuk respon sistem dengan perubahan set point dapat mengikuti nilai set point tersebut dengan ess = ± 0.5% dan Mp = ± 21.25%.

3. Sistem dengan beban nominal dan delay kondisi normal SPB dapat mengikuti nilai set point dengan ess = ± 0.12% dan %Mp = ± 0%. Untuk pembebanan nominal dengan variasi delay diperoleh respon dapat mengikuti nilai set point akan tetapi memiliki overshoot terbesar senilai %Mp = 56% pada delay 0.6852 detik dan ess = ± 0.12%.

4. Pada pembebanan minimal dengan variasi delay diperoleh respon sistem dapat mengikuti set point dalam waktu yang bervariasi sebanding dengan

diperbesarnya nilai delay jaringan. Nilai overshoot dan error keadaan steady terbesar diperoleh pada nilai delay 0.4352 detik sebesar %Mp = ± 60.5% dan ess = ± 0.12%.

5. Pada pembebanan maksimal dengan variasi delay diperoleh respon sistem dapat mengikuti set point dalam waktu yang bervariasi pula. Nilai overshoot dan error keadaan steady terbesar diperoleh pada nilai delay 0.6852 detik sebesar %Mp = ± 4.5% dan ess = ± 0.12%.

(68)

Saran

Selain kesimpulan hasil pengujian, dapat dirumuskan beberapa rekomendasi untuk penelitian berikutnya sebagai berikut:

1. Respon sistem dengan kontroler FNN melalui jaringan pada penelitian Tugas Akhir ini masih memiliki nilai overshoot. Maka, untuk penelitian Tugas Akhir berikutnya lebih dititikberatkan pada perancangan algoritma FNN yang tidak menimbulkan overshoot pada respon sistem.

2. Pengujian dapat dilakukan pada plant yang bervariasi dan dilakukan pembandingan antara respon sistem tanpa melalui jaringan dengan respon sistem dengan jaringan.

3. Pengujian dapat dilakukan dengan melakukan pengaturan beberapa

plant sehingga pengaruh variasi kepadatan lalu lintas jaringan dapat

(69)

L/O/G/O