Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini membahas perancangan program simulasi sistem pengendalian dengan telmik pengendali PID, self tuning dan fuzzy, perangkat simulasi ini dapat mengirim dan menerima sinyal 1-5 Volt DC dari peralatan luar atau antar program simulasi dalam dua komputer yang berbeda dengan rnenggunakan antannuka ADC-DAC. Penurunan algoritma untuk ketiga teknik pengendalian dibahas dan kemudian diimplementasikan dengan hahasa pemprograman beroriemasi objek dan berbasis graphical user inlerface (GUI).Pada perangkat simulasi terdapat empat jenis proses sebagai visualisasi proses yang disimulasikan, yaitu proses temperatur, flow, tekanan dan level. Untuk mernasukkan parameter kendali disediakan fasilitas-fasilitas berbasis window. Pada pengendali PID terdapat fasilitas PID Parameter dengan nilai masukan parameter Proportional Band (PB), Time Integrator (Ti) dan Nme Derrivaiive (Td) dengan tiga Struktur yaitu paralel, seri dan campuran. Pada pengendali Self Tuning terdapat fasilitas Desired Pole sebagai masukan untuk aka: persamaan kutub yang akan dicapai dan Initialize untuk memasukkan model sistem dengan orde model maksimum sepuluh.Pada pengendali Fuzzy tersedia fasilitas Editor fuzzy untuk memasukkan basis pengetahuan yang terdiri dari dua input dan satu output dengan maksimum lima variabel linguistik dan maksimum 25 aturan. Untuk parameter proses terdapat fasilitas System Cofgigure dengan persamaan matematis berbentuk state variabel dengan sistem satu masukan satu keluaran maksimum berorde sepuluh, dengan tambahan Pasilitas non-linier bempa salurasi dan dead zone, Serta fasilitas waktu tunda. Selain itu pada perangkat ini terdapat recorder berbentuk graiis dan numerik. Melalui validasi dan uji coba didapat bahwa program simulasi bekelja dcngan baik dengan kesalahan yang cukup kecil dibandingkan dengan program Matlab 5.0 produksi Mathwork.

---

This thesis discuss the design of a simulation program for control system with PID, self-tuning dan lirzzy control techniques. The program is designed to have the capability to send and receive l-5 Volt DC signal from other devices or simulation programs on two different computer using ADC~DAC interface. Control Algorithms will be implemented using object oriented programming language and graphical user interface (GUI).The simulation program provides four kind of process to be visualized, i.e. temperature process, flow process, pressure process and level process. The program also provides several facilities to entered the control parameter. For PID controller, there are facilities to enter the three conditional PID parameter, i.e. Proportional Band, Time Integration and Time derivative with three different structure of PII), i.e. parallel, series and mixed. On self-tuning controller, there are facilities for desired pole enter and initialize to estimated system model with maximum order system of ten.On Fuzzy logic controller, there are facilities for to build the knowledge bases and niles. The knowledge bases have two input variable and one input variable with maximum of five linguistic variable and maximum of twenty tive rules. The system configure facilities is provided to entered the system parameters in the state variable model with maximum order of ten. There are also other facilities, such as nonlinear facilities, time delay facilities, and graphical and numeric recording facilities. Through validation and testing, the simulation program has resulted good performance with small error in comparation with Matlab 5.0 of MathWork."

"Untuk meningkatkan kinerja pengendali PI, maka pengendali PI dibuat adaptif dengan menambahkan pengendali fuzzy. Pengendali fuzzy akan menghitung nilai ΔKp dan ΔKi, sehingga nilai Kp dan Ki di pengendali PI akan terus diperbaharui seiring dengan masukan error di pengendali fuzzy maupun PI. Dengan potensi tersebut, pengendali ini akan diterapkan pada salah satu sistem multivariabel yang ada di proses industri kimia, yaitu kolom distilasi. Model kolom distilasi yang digunakan dalam simulasi ini adalah model kolom distilasi linier 2 × 2 McAvoy dan Weischedel seperti yang ditunjukkan dalam Marlin. Simulasi akan dilakukan dengan piranti MATLAB/Simulink dengan bahasa pemrograman C (C MEX S-function). Parameter kinerja pengendali yang digunakan adalah overshoot, settling time, dan IAE (integral absolute error). Berdasarkan hasil pengujian perubahan set point dan gangguan, pengendali fuzzy-PI berhasil meningkatkan kinerja pengendali yang berupa penurunan nilai IAE. Hal ini disebabkan karena Kp dan Ki yang berubah sesuai kondisi sistem, walaupun perubahan yang terlihat tidak signifikan karena penyetelan parameter Kp dan Ki awal yang sudah agresif.

---

To improve the PI controller performance, the PI controller is made to be adaptive by adding a fuzzy controller. The fuzzy controller will calculate the values of ΔKp and ΔKi, so that the values of Kp and Ki in the PI controller will always be updated based on the error input in both PI and fuzzy controller. With these potentials, this controller will be implemented in one of the multivariable systems in chemical processes, which is distillation column. The distillation column model used in this simulation is linear distillation column 2 × 2 by McAvoy and Weischedel as mentioned in Marlin. The simulation will be done with the MATLAB/Simulink software and the program routines are made with C (C MEX S-function). Verification of the control performance improvement will be reviewed from three parameters, which are overshoot, settling time, and IAE (integral absolute error). Based on the set point and disturbance change test, the fuzzy-PI controller succeeded in improving the control performance, which can be seen by the lower values of IAE. This is due to the change in the values of Kp and Ki based on the systems condition, even though the change did not seem to be significant because of the initial values of Kp and Ki used is already aggressive enough.

"

"LC merupakan pengendali yang sangat Iuas penggnnaannya dalam bidangindustri. Seiring dengan berkembangnya kebutuhan pengendalian proses dalamindustri, fasilitas pongendali dalam PLC pun lurut dikembangkan. Dalam PLCgenerasi barn, seperti yang dignnakan dalam skripsi ini, telah terintegrasi fungsi-fungsi pengendali proses seperti PID dan fuzzy.Dalam skripsi ini. digunakan PLC. Modicon Micro 3122 untukmengendalikan suatu sistem dua tangki (Coupled Tanks CEIOS). Pengendaliansistem tersebut dilakukan untuk mengendalikan tinggi air pada tangki 2 denganmasukan pada tangki 1. Pengendali yang digunakan adalah pengendali PID yangparameter-parameternya ditala secara on-line dengan menggunakan algoritma fuzzy,atau biasa disebut Fuzzy-PID. Pemrograman PLC dibuat dengan bantuan softwarePL7 Pro V4.0 yang merupakan bagian integral dari PLC tersebut denganmenggunakan bahasa pemrograman Strubtured Text. Prancangan pengendali dibuatagar pengendalian dapat dilakukan melalui jaringan ethemet dan intemet.Setelah masing-masing sub sistem diuji dan kemudian di integrasikan menjadisebuah sistem, dilakukan beberapa uji coba untuk mengamati kinerja sistem sertapengendali yang telah dirancang. Uji coba tersebut meliputi uji coba tanpapengendali dan dengan pengendali. Pada uji coba dengan pengendali dilakukanpembandingan antara pengendali Fuzzy-PID dan PID dcngan parameter retap. Ujicoba dengan pengendali ini mencakup uji coba dengan setpoint tetap, dengansetpoint berubah-ubah, dengan porubahan parameter sistem, dan dengan gangguandari Iuar.Dari beborapa uji coba yang dilakukan, dapal disimpulkan bahwa sistemdapat bekerja dengan baik. Pengendalian dengan menggunakan algoritma Fuzzy-PIDmampu mengatasi berbagai keadaan sistem dengan hasil yang lebih baikdibandingkan pengendali PID dengan parameter tetap. Dengan demikian, terbuktibahwa PLC merupakan salah satu pengendali yang dapat diandalkan dalampengendalian proses-proses industri. "

"Motor Induksi di dalam perindustrian sangat banyak dibandingkan dengan motor lainnya, karena harga dan kemudahan operasi motor induksi tersebut. Banyaknya aplikasi yang menggunakan motor induksi menyebabkan cukup banyak research mengenai pengendalian motor induksi agar dapat berjalan lebih efektif, efisien, dan ekonomis.Pada penelitian ini dibahas mengenai bagaimana menala proposional gain dan integral gain bila kecepatan referensi diubah dengan menggunakan adaptif fuzzy. Pada perancangan sistem kendali adaptif fuzzy disini menggunakan Observer Model reference adaptif system (MRAS) untuk melakukan estimasi kecepatan motor induksi. Pemodelan motor induksi tiga phasa dan MRAS dilakukan dalam kerangka acuan direct-quadrature (dq), ini ditujukan agar tidak diperlukan lagi melakukan banyak transformasi, karena bagian pengendali, fluks model, serta banyak besaran lainnya berada pada sumbu dq.Hasil simulasi dengan C-MEX Sfunction Matlab/Simulink 6.5 menunjukkan bahwa penggunaan kendali Adaptif Fuzzy untuk self tuning PI dapat menala gain proporsional dan gain integral dengan ketepatan 97%. Respon kecepatan rotor dengan menggunakan observer MRAS lebih baik dari Observer full order, pada kecepatan referensi 140 rad/det tidak mengalami overshoot di t = 3 detik. Pada parameter motor yang sama, motor dengan nilai momen inersia besar memiliki putaran lebih stabil.

---

Induction motor in industrial is using more than any other motor because the price and the operation of the induction motor is easy. Many application that used induction motor causing many research about the controlling of induction motor so the motor can run more effective, efficient and economist.In this research we are talking about how to tuned the proportional gain dan the integral gain if the motor paramaeter being changed using adaptif fuzzy. On the adaptif fuzzy planning system here we use Observer Model Adaptif System (MRAS) to do the estimating the speed of the induction motor. The using of the observer is being hope to reduce the using of speed sensor, that can reduce the cost. Induction three phases motor modeled and MRAS is done in the references of direct-quadrature (dq), this aim to not doing many transformation, because in the control part, flux model, and many other values is in the dq axis.The simulation results with C-MEX S-function Matlab/Simulink 6.5 shown that the using of adaptive fuzzy for self tuning PI can tuned proportional gain and internal gain with the proximation of 97%. Motor speed response with observer MRSA has the better performance than the full observer order, at the 147 rad/sec reference speed doesn?t have overshoot at t = 3 second. Value of moment inertia is rather then big have rotation be stable with the same motor parameters."

"Proses Thermal Mixing adalah jenis dari proses pencampuran yang penting di berbagai industri, seperti industri pangan, pupuk, farmasi, material sampai petrochemical. Proses Thermal Mixing merupakan proses Multi input multi ouput (MIMO), karena bekerja dengan mengendalikan dua flow air panas dan air dingin untuk mengendalikan temperatur dan level campuran. Meskipun memiliki respon yang kurang baik untuk mengendalikan MIMO, namun PID masih banyak digunakan karena kesederhanaannya. Algoritma non konvensional yang lebih baik seperti fuzzy control memiliki kerumitan yang tinggi dibanding PID. Algoritma Adaptive Fuzzy PID Controller (AFPIDC) merupakan gabungan dari keduanya, memiliki basis PID yang cukup sederhana namun ditambahkan aspek Fuzzy untuk mempercepat pengendalian dengan cara mengubah konstanta PID secara real-time (on the fly). Algoritma AFPIDC ini diterapkan pada simulasi sistem pengendalian temperatur dan level air pada proses water Thermal Mixing dan dilakukan pada program MATLAB/SIMULINK di PC. Fuzzy yang digunakan memiliki dua input berupa error dan perubahan error, dan memiliki tiga output berupa perubahan nilai konstanta PID. Pengujian sistem dilakukan dengan simulasi perubahan setpoint dan gangguan berupa kebocoran flow. Dari hasil pengujian sistem, pengendali AFPIDC memiliki performa yang lebih baik dari PID dalam mengendalikan temperatur dan level pada sistem. Dalam pengendalian temperatur, didapatkan nilai settling time PID sebesar 830 detik, AFPIDC sebesar 328 detik dan untuk nilai overshoot PID 6,3% dan AFPIDC 0%. Untuk pengendalian level didapatkan settling time PID 3221 detik dan AFPIDC 235 detik dengan nilai overshoot PID 10,5% dan AFPIDC 0%. Dari pengujian sistem terhadap gangguan kebocoran, pengendali temperatur membutuhkan waktu untuk kembali stabil pada PID 780 detik, AFPIDC 250 detik. Sedangkan untuk pengendalian level untuk kembali stabil membutuhkan waktu PID 4510 detik, AFPIDC 225 detik.

---

The Thermal Mixing Process is a type of mixing process that is important in various industries, such as the food, fertilizer, pharmaceutical, material to petrochemical industries. The Thermal Mixing Process is a multiple-input multiple-output process (MIMO), because it works by controlling hot water and cold-water flows to control the temperature and level of the mixture. Although it has a poor response to control MIMO system, PID is still widely used because of its simplicity. There are some better control algorithm, such as fuzzy control, but have higher complexity than PID. The Adaptive Fuzzy PID Control (AFPIDC) algorithm is a combination of the two, has a simple PID basis with added Fuzzy aspects to speed up control by changing the PID constant in realtime. The AFPIDC algorithm is applied to the simulation of temperature and water level control systems in the process of water Thermal Mixing and is done on the MATLAB/SIMULINK program on a PC. The fuzzy algorithm uses two inputs in the form of errors and changes in errors and has three outputs in the form of changes in the value of the PID constant. System testing is done by simulating setpoint changes and disruption in the form of leakage flow. From the results of system testing, AFPIDC controllers have better performance than PID in controlling temperature and level in the system. In temperature control, the PID settling time is 830 seconds, AFPIDC is 328 seconds and the PID overshoot is 6,3% and AFPIDC is 0%. In level control, the settling time of PID is 3221 seconds while AFPIDC is 235 seconds with PID overshoot is 10,5% while AFPIDC 0%. From testing the system with leakage disturbance, the temperature controller needs time to regain stability at PID 780 seconds, AFPIDC 250 seconds. Meanwhile the level controlling stabilizes at PID 4510 seconds, and AFPIDC at 225 seconds."