DESAIN INTERAKTIF KENDALI LOGIKA FUZZY PADA PENGATURAN PROSES DL 2314

Teks penuh

(1)

DESAIN INTERAKTIF KENDALI LOGIKA FUZZY PADA PENGATURAN PROSES DL 2314

Achmad Shoim1, Son Kuswadi2, Wahyu Tjatur S.3, Universitas Dr. Soetomo Surabaya1 1

Jurusan Teknik Elektronika – Fakultas Politeknik Elektronika Negeri Surabaya 2

Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111

Telp.: +6285-755429759, e-mail: 1achmadshoim031@gmail.com

Abstract

This paper described the development of an integrated fuzzy logic controller (IFLC) design tool to controlprocess control module DL 2314. Process is controlled at the module level. By using IFLC, the fuzzy logic controller parameters (i.e. membership function inputs , membership function outputs and rules) can be designed interactively. The method used is the zero-order Sugeno method. Display of IFLC software is designed user friendly. Not only can users set parameters in fuzzy logic easily but fuzzy logic controller can be used safely even by users who are not familiar with. The advantage of IFLC software is the user does not need to make the design more by making the program again, but when the process running the user can change the parameters when the expected outcome was not optimal. The performance/response of the controller can be measured by evaluating its capability in handling the interaction between the loops and in compensating the disturbance.

Keywords: process control, level, fuzzy logic, to handle disturbance.

1. PENDAHULUAN

Sistem kontrol bertujuan untuk

mengendalikan sesuatu sesuai dengan parameter yang ada[1]. Sampai saat ini kendali yang masih banyak digunakan untuk keperluan proses adalah kendali PID[2], yang mana kendali ini masih konvensional tetapi masih cukup bisa diandalkan kerena kendali modern belum begitu dikenal [3].

Sudah banyak dikembangkan kendali

proses[3,4,5], baik menggunakan metode kendali konvensional maupun modern, tetapi sedikit sekali yang memperhatikan sistem gangguan terhadap beban. Oleh karena itu dalam penelitian

ini dibuat suatu sistem yang bisa mengendalikan besaran pada modul pengaturan proses DL 2314[6], tidak hanya menghasilkan keluaran yang bagus tetapi juga mampu menangani gangguan yang diakibatkan oleh interaksi besaran lain.

Pada penelitian ini dibuat kendali logika fuzzy yang bisa diterapkan dalam dunia industri karena dalam industri pengendalian tidak hanya mengendalikan satu besaran saja, tetapi beberapa besaran. Saat besaran satu dikendalikan tidak menutup kemungkinan juga ada pengaruh besaran

lain yang mengganggu apabila tidak

dikendalikan.

Kendali logika fuzzy dapat diaplikasikan secara luas. Pengendali ini dapat digunakan pada suatu sistem yang non-linier, fungsi waktu. Artinya sistem yang model matematikanya berubah dengan waktu dapat dikontrol dengan

menggunakan algoritma tersebut, karena

kemampuannya dalam menghadapi perubahan sistem yang dikontrol. Untuk mengendalikan level, dibentuk fungsi keanggotaan dan aturan-aturan yang berbeda. Karena tidak semua kasus dalam dunia nyata dapat diselesaikan dengan cara yang sama. Pada penelitian ini dibentuk lima label keanggotaan dalam fungsi keanggotaan baik untuk masukan dan keluaran juga aturan-aturan yang dapat diubah sesuai dengan keinginan pengguna agar hasilnya bisa lebih baik.

2. METODE

Modul pengaturan proses terdiri dari empat besaran yang bisa dikendalikan dengan suatu pengendali. Besaran-besaran tersebut adalah level, aliran, suhu, dan tekanan. Sedangkan untuk sensor berjumlah empat, aktuator berjumlah empat, dan pengendali berjumlah dua. gambar 1 menunjukkan gambar dari plant.

Sensor terdiri dari:

1) sensor level menggunakan LVDT 2) sensor aliran menggunakan IR opflow 3) sensor suhu menggunakan PTC

(2)

Pengendali terdiri dari : 1) On-off

2) PID analog

Aktuator yang digunakan adalah :

1) linier driver yang mengendalikan pompa 2) on-off driver yang mengendalikan katup

solenoid

3) on-off driver yang mengendalikan katup motor 4) linier driver yang mengendalikan pemanas

(heater)

Gambar 1. Modul pengaturan proses DL 2314[6] Pengendalian besaran pada modul pengaturan proses DL 2314 memerlukan desain yang tepat. Salah satu cara adalah menggunakan sistem logika fuzzy metode Sugeno orde nol. Metode ini

mirip dengan algoritma Mamdani namun

parameter konsekuen yang digunakan adalah fungsi singletone [7]. Kelebihan metode ini dibandingkan dengan Algoritma Mamdani yang

menggunakan fungsi keanggotaan selain

singletone adalah proses perhitungan nilai

keluaran lebih mudah.

Fungsi keanggotaan yang digunakan adalah fungsi segitiga dan trapesium pada proses fuzzifikasi. Masing-masing fungsi keanggotaan memiliki lima fungsi keanggotaan. Besaran yang diproses pada langkah ini adalah error dan delta

error dari keluaran level. Jumlah aturan-aturan

yang digunakan adalah dua puluh lima.

Gambar 2 adalah diagram alir dari sistem logika fuzzy yang diusulkan. Setting point adalah target keluaran yang diinginkan. Nilai error didapatkan dari selisih target keluaran dan keluaran sekarang sedangkan delta error

didapatkan selisih dari error sekarang dengan

error lalu.

Perangkat lunak yang digunakan adalah Microsoft Visual Basic 6.0 sedangkan perangkat tatap muka menggunakan ADAM seri 5000 dengan komunikasi serial. Gambar 4 dan 5 menunjukkan tampilan dari perangkat lunak sistem logika fuzzy yang digunakan untuk

mengendalikan level pada modul pengaturan proses DL 2314.

Gambar 3 adalah tampilan utama perangkat lunak. Selain animasi dari tangki proses beserta komponen-komponen lainnya, juga grafik dari keluaran dari kendali logika fuzzy. Pada perangkat lunak tersebut user hanya memasukkan angka yang diinginkan melalui scrollbar sehingga user tidak mungkin salah memasukkan level yang diinginkan.

Gambar 2. Diagram alir dari sistem logika fuzzy Jika keluaran sistem logika fuzzy tidak bagus maka user masuk ke form pengaturan parameter-parameter logika fuzzy. Tampilannya ditunjukkan pada gambar 4. Tampilan tersebut user dapat mengubah parameter-parameter baik premis

maupun konsekuen sesuai dengan yang

diinginkan. Hal itu tentunya agar keluaran yang dihasilkan lebih bagus dari sebelumnya.

User tidak perlu khawatir salah untuk

memasukkan nilai-nilai parameter karena sudah difasilitasi dengan tombol-tombol yang mudah dipahami dan sistem sudah diberi pengaman agar

user tidak salah memasukkan nilai. Jadi perangkat

lunak ini mutlak aman jika digunakan oleh user yang tidak paham tentang sistem logika fuzzy. Selain itu jika user ingin mengembalikan pada kondisi semula maka user tinggal menekan tombol default. Kelebihan lain yang sangat vital

START SET POINT LEVEL

DELTA ERROR = ERROR SEKARANG – ERROR LALU

FUZZIFIKASI ERROR dan D ERROR

I F THEN RULE

+

ERROR = SET POINT - LEVEL

Error ≤

toleransii DEFUZZIFIKASI

OUTPUT

(3)

+ Logika fuzzy solenoid valve

process tank set point level

(cm) output (cm)

+ -

untuk sistem adalah aplikasi ini tidak dapat ditutup apabila sistem logika fuzzy sedang

berjalan.

Gambar 3. Blok diagram dari sistem logika fuzzy

(4)

Gambar 5. Tampilan untuk mengubah parameter-parameter logika fuzzy Berikut ini adalah persamaan fungsi

keanggotaan pada proses fuzzifikasi. Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan segitiga dan trapesium. Persamaan 1 adalah fungsi keanggotaan segitiga. Persamaan 2 untuk fungsi keanggotaan trapesium yang letaknya di sebelah kiri atau nilai error atau delta

error negatif. Sedangkan persamaan 3 untuk

fungsi keanggotaan trapesium yang letaknya di sebelah kanan atau nilai error atau delta error positif.                     . , 0 . , . , . , 0 ) , , ; ( x c c x b b c x c b x a a b a x a x c b a x segitiga (1)               . , 0 . , . , 1 ) , ; min( _ b x b x a b a b x a x b a x trap (2)               . , 1 . , . , 0 ) , ; ( _ b x b x a a b a x a x b a x plus trap (3) 3. DISKUSI

Fungsi keanggotaan sistem logika fuzzy pada penelitian ini menggunakan fungsi segitiga dan trapesium. Masing-masing input (error dan delta

error) terbagi menjadi lima fungsi keanggotaan.

Fungsi paling kiri dan paling kanan menggunakan fungsi trapesium dan yang lainnya menggunakan fungsi segitiga. Hal ini bertujuan jika error yang sangat besar pun dapat dikendalikan dengan sistem ini.

Aturan-aturan yang berjumlah dua puluh lima adalah kombinasi dari lima fungsi keanggotaan

error dan lima fungsi keanggotaan delta error.

Hal ini bertujuan untuk setiap kemungkinan kondisi plant dapat ditangani oleh sistem. Operasi yang digunakan adalah operasi AND. Fungsi segitiga dan trapesium ditunjukkan di persamaan 1, 2, dan 3. Berikut adalah penentuan fungsi keanggotaan dari sistem logika fuzzy. Sedangkan tabel 1 menunjukkan tabel dari aturan-aturan sistem logika fuzzy.

Fungsi keanggotaan error level terdiri dari fungsi keanggotaan:

(5)

1) error_level_NB = trap_min(error, -5, -2) 2) error_level_NS = segitiga(error, -4, -2, 0) 3) error_level_AZ = segitiga (error, -2, 0, 2) 4) error_level_PS = segitiga(error, 0, 2, 4) 5) error_level_PB = trap_plus(error, 2, 5) Fungsi keanggotaan delta error level terdiri dari fungsi keanggotaan:

1) d_e_level_NB = trap_min(d_error, -6, -4) 2) d_e_level_NS = segitiga(d_error, -6, -2, 0) 3) d_e_level_AZ = segitiga (d_error, -1, 0, 1) 4) d_e_level_PS = segitiga(d_error, 0, 2, 4) 5) d_e_level_PB = trap_plus(d_error, 4, 6)

Tabel 1. Aturan-aturan dalam sistem logika fuzzy

Aturan ke- Aturan

1 If error =error_level_NB AND d_error = d_e_level_NB then PWM = 100

2 If error =error_level_NB AND d_error = d_e_level_NS then PWM = 100

3 If error =error_level_NB AND d_error = d_e_level_AZ then PWM = 100

4 If error =error_level_NB AND d_error = d_e_level_PS then PWM = 100

5 If error =error_level_NB AND d_error = d_e_level_PB then PWM = 100

6 If error =error_level_NS AND d_error = d_e_level_NB then PWM = 100

7 If error =error_level_NS AND d_error = d_e_level_NS then PWM = 100

8 If error =error_level_NS AND d_error = d_e_level_AZ then PWM = 90

9 If error =error_level_NS AND d_error = d_e_level_PS then PWM = 90

10 If error =error_level_NS AND d_error = d_e_level_PB then PWM = 90

11 If error =error_level_AZ AND d_error = d_e_level_NB then PWM = 90

12 If error =error_level_AZ AND d_error = d_e_level_NS then PWM = 90

13 If error =error_level_AZ AND d_error = d_e_level_AZ then PWM = 0

14 If error =error_level_AZ AND d_error = d_e_level_PS then PWM = -90

15 If error =error_level_AZ AND d_error = d_e_level_PB then PWM = -90

16 If error =error_level_PS AND d_error = d_e_level_NB then PWM =- 90

17 If error =error_level_PS AND d_error = d_e_level_NS then PWM = -90

19 If error =error_level_PS AND d_error = d_e_level_PS then PWM = -100

20 If error =error_level_PS AND d_error = d_e_level_PB then PWM = -100

21 If error =error_level_PB AND d_error = d_e_level_NB then PWM = -100

22 If error =error_level_PB AND d_error = d_e_level_NS then PWM = -100

23 If error =error_level_PB AND d_error = d_e_level_AZ then PWM = -100

24 If error =error_level_PB AND d_error = d_e_level_PS then PWM = -100

25 If error =error_level_PB AND d_error = d_e_level_PB then PWM = -100

Setelah nilai-nilai parameter konsekuen didapatkan dari aturan-aturan tersebut maka untuk penentuan keluaran PWM pada solenoid valve menggunakan metode centre of area (COA). Metode tersebut ditunjukkan pada persamaan 4.

   25 1 25 1 ) ( ) ( ) ( z i z i z i i i z COA

(4) dengan:

μZ = nilai derajat keanggotaan dari

aturan

z = parameter konsekuen tiap aturan i = jumlah aturan

Z

COA = keluaran logika fuzzy

Untuk pengujian level batasan keluaran pada level pada tangki proses adalah antara 6,5 cm sampai dengan 13,5 cm. Sedangkan untuk katup solenoid diberi PWM dengan frekuensi 0,1 Hz. Gambar 6 menunjukkan keluaran dari sistem kendali logika fuzzy untuk besaran level.

(6)

Performa sistem yang diperhatikan pada penelitian ini adalah maximum overshoot, settling

time, band settling time, dan respond time. Maximum overshoot adalah perbedaan antara respon puncak pertama sistem dengan respon kondisi terakhir sistem. Settling time adalah waktu yang diperlukan untuk mencapai respon kondisi terakhir sistem. Band settling time adalah daerah atau pita pada kondisi settling time. Sedangkan rise time adalah waktu yang dibutuhkan untuk mencapai mulai dari 10% sampai dengan 90% dari kondisi terakhir sistem[8].

Performa dari sistem tersebut menghasilkan

maximum overshoot = 0,228 cm atau 3,040 %, band settling time = 6,262 %, settling time = 462

detik, dan rise time = 291,06 detik.

Pengaturan level 0 2 4 6 8 10 12 14 16 1 201 401 601 801 t (s) le v e l (c m ) Set point Output

Gambar 6. Hasil keluaran level dengan ketentuan pertama

Pengaturan level dengan gangguan

0 2 4 6 8 10 12 14 16 2.5 200 397.5 595 t (s) lev el ( c m ) Set point Output

Gambar 7. Hasil uji coba bila level diberi gangguan

Gambar 7 menunjukkan kehandalan sistem saat diberikan gangguan dengan mengubah aliran yang keluar pada tangki proses pada saat sistem sedang berjalan. Gangguan tersebut dengan cara membuka katup needle sehingga PWM pada

katup solenoid berubah menyesuaikan dengan buka-tutup nya katup needle. Gangguan tersebut ditunjukkan pada gambar 8. Dimana pada setiap waktu tertentu katup dibuka dan ditutup berubah-ubah, tetapi sistem tidak mengalami gangguan yang berarti. Gangguan 0 0.5 1 1.5 2 2.5 3 3.5 2.5 200 397.5 595 t (s) p u ta ra n Gangguan

Gambar 8. Gangguan berupa membuka katup

needle 4. HASIL

Desain logika fuzzy penelitian ini mengendalikan level pada pengaturan proses DL 2314. Desain tersebut menggunakan metode logika fuzzy Sugeno orde nol. Jumlah fungsi keanggotaan yang digunakan adalah fungsi segitiga dan trapesium. Masing-masing input untuk proses fuzzifikasi, yaitu error dan delta

error dari level, berjumlah lima. Sedangkan untuk

aturan yang digunakan berjumlah dua puluh lima.

Untuk penentuan hasil defuzzifikasi

menggunakan metode COA.

Sistem logika fuzzy yang didesain pada paragraf sebelumnya menghasilkan performa sistem sebagai berikut: maximum overshoot = 0,228 cm atau 3,040 %, band settling time = 6,262 %, settling time = 462 detik, dan rise time = 291,06 detik. Performa pada sistem tersebut pada kondisi settling time membutuhkan waktu yang lama tetapi untuk daerah pita band settling time termasuk bagus karena dibawah 5%.

Pada penelitian ini dapat disimpulkan sistem kendali logika fuzzy tersebut termasuk handal terhadap gangguan yang diakibatkan oleh besaran lain. Karena pada saat aliran yang keluar dari tangki proses diubah pada saat sistem sedang berjalan, keluaran dari level tidak berubah. Hal itu

ditunjukkan pada gambar 7 sedangkan

gangguannya ditunjukkan pada gambar 8.

Desain tampilan perangkat lunak dibuat sedemikian rupa sehingga user yang tidak tahu tentang logika fuzzy dapat mengoperasikan sistem ini tanpa membahayakan dari tangki proses

(7)

User juga bisa dengan mudah mengubah

parameter-parameter dalam sistem logika fuzzy tanpa harus membuka source code dari perangkat lunak karena disediakan fasilitas untuk hal

tersebut. Apabila user dalam mengubah

parameter ingin kembali ke posisi semula, maka

user tinggal menekan tombol default saja. 5. DAFTAR PUSTAKA

[1] K. Ogata, Teknik Kontrol Automatik,

Erlangga, Jakarta, 1997.

[2] S. Kuswadi, Kendali Cerdas, Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Surabaya, 2000.

[3] S. Tzafestas, dan N. P. Papanikopolous, “Incremental Fuzzy Expert PID Control”,

IEEE Trans. on Industrial Electronics,

vol.37, no. 5, 5 Oktober 1990.

[4] S.Tunyasrirut, dan S. Wangnipparnto, “Level Control in Horizontal Tank by Fuzzy-PID Cascade Controller”, World Academy of

Science, Engineering and Technology 25,

Bangkok, 2007.

[5] Z. L. Baus, S. N. Nikolovski, dan P. Z. Maric, “Process Control for Thermal Comfort Maintenance Using Fuzzy Logic”, Journal of electrical engineering, vol. 59, no. 1, 2008.

[6] VL. Rogmana, Manual Book, Process

Control DL 2314 Tranducer, De Lorenzo,

Italia, 1992.

[7] J.S.R Jang, C.T. Sun, dan E. Mizutani,

Neuro-Fuzzy and Soft Computing, Upper Saddle River, NJ 07458, Prentice Hall PTR,

1997.

[8] K. Ogata, Discrete-time control systems, Prentice Hall, 1987.

Figur

Memperbarui...

Referensi

Memperbarui...

Related subjects :