Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini berfokus pada perancangan pengendali Adaptive Model Predictive Control (MPC) atau MPC Adaptif pada sistem tata udara presisi atau Precision Air Conditioning (PAC) untuk mengendalikan termperatur dan kelembapan relatif, keluaran PAC tersebut, agar sesuai dengan yang diinginkan. PAC yang dikendalikan ini akan digunakan sebagai pendingin kabinet-kabinet yang ada di ruang pusat data (data center) sebuah perusahan telekomunkasi. Untuk itu, diharapkan keluaran dari PAC yang sudah dikendalikan berada pada kisaran 20°C hingga 22°C untuk temperaturnya dan 40% - 55% untuk kelembapan relatif (RH)-nya. Namun, penelitian ini masih pada tahap perancangan pengendali untuk temperatur saja. Pengendali MPC Adaptif yang dirancang adalah pengendali MPC dengan constraint yang memanfaatkan identifikasi rekursif. Dengan demikian, masukan MPC berupa parameter ruang keadaan akan di-update secara rekursif melalui tahap identifikasi sehingga mampu menghasilkan nilai keluaran sistem yang lebih baik untuk setiap updateannya. Identifikasi yang dilakukan adalah menggunakan algoritma PO-MOESP rekursif. Adapun pengendali MPC Adaptif yang dirancang masih menggunakan model SISO (single input single output), dimana hanya masukan kompresor dan keluaran temperatur yang diukur, sementara masukan kipas dijaga konstan dan keluaran kelembapan relatifnya diabaikan. Sebelum MPC Adaptif diterapkan, terlebih dahulu dirancang pengendali MPC dengan constraint untuk identifikasi offline, dan apabila hasil keluarannya sudah sesuai dengan yang diinginkan, maka pengendali MPC tersebut akan digabungkan dengan identifikasi rekursif. Pengendali MPC Adaptif yang dirancang masih menggunakan m-file. Akan tetapi, program m-file ini bisa diaplikasikan untuk sistem MIMO (multi input multi ouput). Pengendali yang didesain diharapkan mampu menjamin kestabilan sistem dengan error yang cenderung lebih kecil dibandingkan pengendali MPC biasa, serta mampu menjaga kestabilan temperatur apabila direalisasikan pada PAC.

---

This research focuses on Adaptive MPC Design for Precision Air Conditioning (PAC) in order to control the temperature and the relative humidity produced by PAC on desired interval. This controlled PAC would be utilized as air conditioner for cabinets in data center for telecommunication. Therefore, the controlled PAC is expected to produce temperature within 20°C - 22°C and relative humidity within 40% - 55%. Nevertheless, this research is still focusing on controlling the temperature, whereas on controlling relative humidity would be in further research.

The proposed adaptive MPC is designed by integrating recursive identification on MPC with constraint. Thus, Inputs (state variables) for MPC is updated recursively by online identification which is expected to produce better output for each update.

Identification itself implements recursive PO-MOESP algorithm for SISO (single input single output) by measuring the compressor as the input and temperature as the output, whereas the fan (input) is made constant and the relative humidity (output) is neglected. MPC with constraint for offline identification is firstly designed before implementing it with online identification. Online identification would be integrated to modeled MPC only if the modeled MPC for offline identification produces desired output.

The proposed adaptive SISO MPC is designed using m-file program in Matlab. Nevertheless, the m-file program is also applicable for MIMO (multi input multi output) system. The designed controller is expected to minimize the error and to guarantee the stability of the system. Besides, the designed adaptive SISO MPC is also expected to be able to control the temperature when it's embedded to PAC system."

"Pengendalian level fluida di dalam tabung dan pengendalian aliran fluida antar beberapa tabung merupakan permasalahan dasar dalam industri proses. Masukan aliran fluida ke dalam tabung dan antar tabung haruslah dijaga pada kondisi tertentu sehingga keluaran sistem bisa sesuai dengan yang diinginkan. Berbagai macam pengendali dirancang untuk mengendalikan level fluida ini dengan baik, sehingga error yang dihasilkan pun semakin bisa diminimalisir. Pengendali PID dan MPC merupakan contoh pengendali yang bisa digunakan dalam mengontrol level fluida tersebut.Di dalam seminar tesis ini akan dirancang pengendali PID (Proportional-Integral-Derivative) dan Model Predictive Control (MPC) untuk mengendalikan level fluida di dua tangki terhubung. Sebelum pengendali PID dan MPC ini dirancang, model non-linier terlebih dahulu dibentuk bedasarkan sistem dua masukan aliran fluida dan dua keluaran sistem berupa ketinggian level fluida pada kedua tabung. Model non-linier sistem multivariabel (Two Input Two Output - TITO) ini kemudian dilinierisasi pada titik kerja yang dipilih untuk memperoleh nilai ruang keadaan A, B, C dan D yang kemudian digunakan untuk membentuk fungsi alih sistem. Selain proses linierisasi, identifikasi dengan metode Kuadrat Terkecil juga dilakukan untuk menghasilkan model linier sistem yang baru sebagai pendekatan dalam mengontrol model non-linier sistem dengan MPC.Dalam sistem multivariabel coupled-tanks ini masih terdapat interaksi yang kuat antar variabel masukan-keluaran, sehingga fungsi alih dekopler pun dirancang untuk mengurangi atau menghilangkan efek kopling antar variabel masukan-keluaran ini. Pengendali PID dan MPC yang dirancang akan digunakan dalam simulasi untuk mengendalikan model linier/fungsi alih (dengan dekopler) dan model non-linier sistem.Hasil simulasi pengendali PID dan MPC untuk model linier menunjukkan respon sistem yang baik, dimana waktu settling-nya cenderung relatif kecil. Juga hasil simulasi pengendali PID dan MPC untuk model non-linier, meskipun menunjukkan respon sistem yang cenderung lambat, masih bisa dikatan relatif baik. Setelah membandingkan hasil simulasi sistem dengan pengendali PID dan MPC yang dirancang, maka MPC merupakan pengendali yang lebih baik digunakan untuk mengendalikan sistem multivariabel coupled-tanks ini.

---

The control of liquid level in tanks and flow between tanks is a basic problem in the process industries. The amount of liquid flowed into tanks and the flow of liquid between tanks has to be maintained at certain conditions in order to meet the desired performances. Many controllers have been designed to control the liquid level in tanks with the intention of reducing errors during and or after control process. PID controller and MPC are two of many controllers that could be designed to control the liquid level in tanks.

In this Master's thesis, PID (Proportional-Integral-Derivative) controller and Model Predictive Control (MPC) are designed to control the liquid levels in two coupled tanks. Before designing PID controller and MPC, the complete nonlinear dynamic model of the plant needed to be introduced for a case involving two input flows of liquid and two output variables, which are the level of the liquid in two tanks.

This multivariable (Two Input Two Output - TITO) nonlinear model would be then linearised based on selected operating point in order to obtain the value of state-space variables A, B, C and D. These values are converted to transfer function form. Besides that, system identification with Least Square method is also used to yield a new state-space model as an approach model to control the nonlinear model with MPC. Due to the high interactions between input-output variables, decoupler needed to be designed with the aim of reducing or eradicate these between input-output variables coupling effects. Afterwards, the designed PID controller and MPC will be used in simulation in controlling the linear model/transfer function (with decoupler) and the nonlinear model of the coupled-tanks multivariable system.

The result of simulation using PID controller and MPC in controlling the linear model of the system shows good performance in terms of rise time and settling time. In Addition, the result of simulation using nonlinear model, despite the slow system's response, shows satisfactory performance in terms of steady-state behavior, in which the output signals eventually meets the desired reference signals. After comparing the results of system simulation both with PID Controller and MPC, the writer may then infers that MPC is the better one to control this coupled-tanks multivariable system."