JURNAL
“PENERAPAN KENDALI CERDAS PADA SISTEM TANGKI AIR MENGGUNAKAN
LOGIKA FUZZY”
NAMA : Syendi Nazera T
NPM : 16115775
KELAS : 3KA13
NAMA DOSEN : EEL SUSILOWATI,SKOM,MM
UNIVERSITAS GUNADARMA
SISTEM INFORMASI
PTA 2017/2018
ABSTRAK
Implementasi kendali cerdas pada sistem tangki air menggunakan logic fuzzy
disajikan pada makalah ini. Sistem tangki air yang merupakan sistem yang
dikontrol adalah suatu model dari proses kontrol dengan sensor tunggal dan
aktuator tunggal. Kendali logik Fuzzy sebagai
kendali cerdas pada penelitian ini didisain dan diimplementasikan untuk
membuat ketinggian air mengikuti
perubahan ketinggian air acuan secepat mungkin dan mempertahankan ketinggian
air sedekat mungkin dengan ketinggian air acuan, dibawah variasi
lingkungan. Proses disain dari kontrol
logik fuzzy dilakukan menggunakan nilai
error (e) dan beda error (de) ketinggian
air diukur oleh sensor sedangkan keluaran kendali adalah input tegangan untuk
mensupply motor pompa (u). Secara matematik, operasi fuzzy set dan aturan fuzzy
diberlakukan pada input dan ouput ini untuk meminimalisasi harga error dan perubahan error. Dari hasil
eksperimen, kendali logik fuzzy
mempunyai 7 set fuzzy untuk input error, 3 fuzzy set untuk perubahan
error dan 21 aturan fuzzy untuk aksi kendali. Eror “steady state” yang
dihasilkan lebih kecil 37.5% dari pengendali konvensional PI/Proporsional dan
Integral (sebagai pengendali pembanding). Untuk respon dari variasi ketinggian
air, kendali logik fuzzy cukup cepat tetapi lebih lambat 55.5% dari pengendali PI.
I.
PENDAHULUAN
Sektor industri memegang peranan yang sangat penting
dalam roda kehidupan. Industriindustri ini meliputi manufaktur, proses,
fabrikasi dan sebagainya. Di dalam Industri proses, secara umum ada empat macam
pengendalian variabel proses dasar yaitu: kecepatan aliran, ketinggian cairan,
tekanan dan temperatur. Seluruh variabel proses ini dapat ditemukan di hampir
semua industri proses. Untuk itu sangat
dibutuhkan metode kendali yang baik untuk dapat menunjang proses berjalannya
industri tersebut dan untuk meningkatkan efektifitas dan efisiensi dalam proses
produksi. Karena itu dalam makalah ini dipaparkan suatu eksperimen teknik
kendali yang diharapkan dapat memberikan kontribusi dalam dunia industri.
Dalam makalah ini akan dipaparkan tentang eksperimen
pengendalian ketinggian air dengan metode kendali logika fuzzy. Logika fuzzy
merupakan salah satu bentuk soft computing yaitu sistem komputasi yang lebih
mendasarkan pada kemampuan melakukan pemetaan vektor (tidak linear), optimasi,
identifikasi dan kemampuan lainnya. Berbagai penerapan telah menunjukkan bahwa
pengendali berbasis logika fuzzy dapat mengatasi sifat ketidakpastian yang
selalu muncul pada sistem kendali. Ketidakpastian utama yang ditemukan dalam
sistem ini adalah ketidaklinearan elemen-elemen sistem kendali. Ketidaklinearan
ini berupa gesekan pada komponen-komponen sistem, dead zone dan saturasi yang
terdapat pada aktuator yang digunakan, mekanisme gerak sistem, proses
pemasangan alat dan lain-lain. Dalam penerapannya pengendali logika fuzzy
memanfaatkan pengalaman seorang pakar
yang oleh perancang pengendali diekstrak ke dalam bentuk aturan-aturan
jika-maka (if-then). Oleh karena itu,
proses pengendalian akan mengikuti pendekatan secara linguistik.
Pendekatan secara linguistik berupa
interpretasi manusia (operator atau ahli) tentang tingkat keadaan suatu sistem,
yang merupakan informasi penting dalam menggambarkan perilaku sistem dan jauh
lebih mudah untuk diperoleh. Pengendali logika fuzzy tidak memiliki
ketergantungan pada variabel-variabel proses kendali sehingga pengendali ini
banyak digunakan pada sistem yang memiliki sifat tidak linear dan perilaku
dinamik yang berubah terhadap waktu. Namun dasar-dasar pengetahuan tentang
sistem yang akan dikendalikan akan sangat membantu dalam memperoleh prestasi
pengendalian yang memadai. Sistem tangki air yang digunakan dalam penelitian
ini dibuat untuk menguji kemampuan pengendali logika fuzzy sebagai kendali
cerdas dalam penelitian ini untuk membuat ketinggian air mengikuti tinggi air
referensi secepat mungkin dan menstabilkannya pada ketinggian tertentu di bawah
variasi lingkungan. Sebagai pembanding unjuk kerjanya, digunakan pengendali
konvensional Proporsional dan IntegraI
(PI).
II.
PERANGKAT PENGUJIAN SISTEM
Model pengendalian tinggi air tangki terdiri dari sistem
tangki air, sensor strain gage, penguat sensor, rangkaian penggerak motor pompa
dan komputer PC yang berisi program akusisi data dan program kendali. Skema
perangkat pengujian ini bisa dilihat pada Gambar 1. Sistem tangki air terdiri
dari satu reservoar dan satu tangki air. Sistem atur dalam penelitian ini
adalah tangki air. Model tangki air berupa gelas ukur yang dilengkapi dengan sebuah katup dan
slang. Katup yang digunakan adalah katup bola (ball valve) yang berfungsi
sebagai pengatur keluarnya air dari tangki.
Sebagai pendeteksi
ketinggian air pada pengujian ini digunakan sensor strain gage jenis foil
dengan sensitivitas 2.14 1% ± dan tahanan 120 0.5% ± . Sensor ini dipasang pada
sebuah balok kantilever dengan material pelat aluminium dan diletakkan pada bagian bawah tangki agar
memudahkan sensor mendeteksi perubahan tinggi air. Sinyal analog dari strain
gage dikondisikan dengan menggunakan sebuah rangkaian jembatan wheatstone dan
dikuatkan dengan menggunakan strainmeter amplifier jenis TML Strainmeter model DC-92D.
Pengolahan data dalam format analog dan
digital dilakukan oleh sebuah kartu akusisi. Kartu akusisi ini memiliki 16
channel masukan ADC (Analog to Digital Converter) dan 1 channel keluaran DAC
(Digital to Analog Converter), masingmasing memiliki resolusi 12 bit. Kartu
akusisi data ini dipasang pada slot ISA komputer PC pentium I 100 Mhz.
Untuk menaikkan air dari reservoar ke tangki, digunakan
sebuah aktuator berupa pompa. Pompa ini digerakkan oleh sebuah motor DC yang
dikendalikan oleh algoritma pengendali. Pompa motor DC ini memiliki masukan
tegangan listrik maksimum 12 volt. Tegangan listrik di atas 12 volt tidak boleh
diberikan ke motor karena dapat menyebabkan kerusakan (terbakar). Namun
tegangan yang diterima motor berada dalam batasan 8.5 volt yang disesuaikan
dengan tegangan maksimum yang mampu
diterima kartu akusisi. Debit yang berubah-ubah akan dikeluarkan oleh pompa
sesuai dengan variasi tegangan masukan ke motor pompa sebagai akibat dari aksi
kendali melalui komputer. Pompa dan motor (tidak dapat dipisahkan) dilengkapi
dengan sebuah rangkaian penggerak motor (driver motor). Rangkaian ini berfungsi
memperkuat arus keluaran DAC sebelum masuk
ke motor pompa.
Komputer PC berisi program akusisi data dan algoritma
pengendali. Bahasa pemrograman yang digunakan adalah Turbo Basic V.1. Tegangan
analog dari sensor akan dibaca oleh program kendali, kemudian dikonversikan ke
dalam format digital, selanjutnya dilakukan analisis fuzzy berdasarkan
tegangan yang terbaca dari sensor. Hasil
analisis adalah berupa perintah pada sistem aktuator untuk menurunkan dan
menaikkan tegangan listrik agar mencapai kenaikan air yang diinginkan dalam
tangki. Pengendalian sistem tangki air merupakan sistem pengendalian lup
tertutup [1]. Blok diagram pengendalian sistem tangki air dapat dilihat pada
Gambar 2.
I. III.
PERANCANGAN PENGENDALI LOGIKA
FUZZY
Secara umum, proses perancangan pengendali logika
fuzzy dinyatakan dalam bentuk skema seperti yang diperlihatkan pada Gambar 3.
Fuzzifikasi
Fuzzifikasi dapat
didefinisikan sebagai pemetaan dari wawasan (domain) masukan terukur (masukan
pengendali) menjadi himpunan fuzzy pada wawasan tertentu. Proses ini terdiri
atas pengambilan harga masukan dan perhitungan tingkat fuzzynya, sesuai dengan
fungsi keanggotaan (membership function)
yang digunakan [2]. Pada proses ini dilakukan perubahan informasi dari himpunan
tegas manjadi himpunan fuzzy.
Besaran masukan
harus berada dalam jangkauan semesta dari kurva derajat keanggotaan yang akan
menghasilkan nilai antara 0 dan 1. Dari diagram blok pengendalian sistem yang
terdapat pada Gambar 2, terlihat variabel masukan bagi pengendali fuzzy adalah
error (e) dan beda error (de) yang terbaca oleh sensor beban, sedangkan
variabel keluaran adalah tegangan ke pompa tangki.
Masukan error (e)
Masukan error (e) didefinisikan
sebagai selisih antara tinggi air yang diinginkan dalam bentuk sinyal referensi
dengan tinggi air aktual yang terbaca oleh sensor dituliskan dalam persamaan 1
[3] :
dimana : x(n) adalah tinggi air referensi dan y(n-1)
adalah tinggi air aktual.
Harga error positif
menunjukkan tinggi air aktual di bawah tinggi muka air referensi dan harga
error negatif menunjukkan tinggi air aktual di atas tinggi air referensi.
Variabel numerik error ini dipetakan dengan menggunakan gabungan fungsi
keangotaan trapesium dan segitiga [4], menjadi tujuh himpunan fuzzy yaitu
Negatif Sangat Besar (NSB), Negatif Besar (NB), Negatif Kecil (NK), Zero (Z),
Positif Kecil (PK), Positif Besar (PB), Positif Sangat Besar (PSB). Himpunan
masukan error diperlihatkan pada Gambar 4.
Masukan beda error (de)
Masukan beda error merupakan perubahan error terhadap waktu [3]:
dimana : e(n)
adalah error saat ke n dan e(n-1) error saat ke n-1.
Laju perubahan error menggambarkan kecenderungan gerakan
muka air. Jika beda error positif berarti error cenderung turun dan jika beda
error negatif maka error menaik. Himpunanhimpunan fuzzy untuk beda error
terdiri atas tiga tingkat, yaitu Negatif (N), Zero (Z), Positif (P) seperti
pada Gambar 5.
Keluaran pengendali (u)
Himpunan fuzzy
untuk keluaran pengendali u mempunyai lima buah himpunan yaitu Zero (Z),
Positif Kecil (PK), Positif Menengah (PM), Positif Besar (PB), Positif Besar
(PSB). Seluruh himpunan fuzzy keluaran pengendali bernilai positif disebabkan
motor pompa DC yang digunakan hanya mempunyai satu arah putaran, yaitu CW
(searah jarum jam). Himpunan-himpunan fuzzy untuk keluaran ini diperlihatkan
pada Gambar 6.
Rentang harga
keluaran adalah sebesar 3.5 s/d 8.5 volt. Tegangan 3.5 volt merupakan kondisi
motor pompa mulai mengeluarkan debit air dan
8.5 volt adalah tegangan maksimum yang
dikirim ke motor pompa.
Mesin Inferensi Fuzzy
Pada tahap ini,
pengambilan keputusan dilakukan berdasarkan harga-harga masukan error dan beda
error yang telah difuzzifikasi untuk diolah berdasarkan logika-logika yang
telah dibangun sehingga menghasilkan suatu keputusan berupa perintah atau tindakan pada aktuator
agar melaksanakan pengendalian yang diinginkan. Penentuan aturan-aturan ini
dibangun melalui suatu penalaran sederhana yang diekstrak dari pengetahuan
perancang dalam usaha mencapai ketinggian air yang diinginkan.
Untuk memudahkan penyusunan aturan-aturan,
maka digunakan matriks keputusan seperti yang terlihat pada Tabel 1. Dengan
menggunakan tabel ini, keluaran pengendali dihasilkan berdasarkan aturan
“jika-maka”. Tabel konsekuensi adalah matriks dengan tujuh kolom (jumlah
tingkat keanggotaan error) dan tiga baris (jumlah tingkat keanggotaan beda
error). Matriks keputusan diperlihatkan pada Tabel 1.
Aturan jika-maka
diterapkan berdasarkan cara berikut,
misalkan error adalah NB dan beda error adalah P, maka untuk kasus ini
aturannya menjadi : JIKA error adalah NEGATIF BESAR dan beda error adalah
POSITIF, MAKA u adalah ZERO. Berdasarkan harga error dan beda error pada tabel
1 di atas telihat bahwa pada setiap saat diperoleh satu atau lebih aturan
jika-maka. Perhitungan tegangan pengendali u dilakukan berdasarkan perpotongan
(intersection) dan gabungan (union) dari himpunan-himpunan fuzzy.
Antar Muka Defuzzifikasi
Pada penelitian ini
defuzzifikasi dilakukan dengan menggunakan metode titik pusat massa dari himpunan
fuzzy. Metode ini merupakan metode yang padat komputasi (computationally
intensive), yang dapat menghasilkan suatu nilai keluaran tertentu berdasarkan
pada keanggotaan relatif dari semua aturan yang berlaku.
Keluaran aksi kendali logika fuzzy dapat
disimulasikan dengan menggunakan Toolbox Logika Fuzzy [5] yang terdapat pada
perangkat lunak Matlab. Hasil simulasi ini diperlihatkan pada Gambar 7. Pada
Gambar 7(a) dapat dilihat bahwa keluaran pengendali merupakan fungsi dari harga
error (e) dan beda error (de) dan pemetaannya merupakan fungsi tidak linear.
Sebagai bahan perbandingan, pada Gambar 7(b)
diperlihatkan variasi keluaran pengendali terhadap perubahan harga error. Pada
gambar ini, harga beda error dipertahankan konstan sebesar 0.1 volt.
Pada Gambar 8 terlihat bahwa untuk harga error yang
sangat kecil akan diperoleh tegangan keluaran minimum dan sebaliknya untuk
harga error yang sangat besar akan diperoleh tegangan keluaran maksimum.
I.
PENGUJIAN PRESTASI
PENGENDALI
Pengujian dilakukan
terhadap kedua pengendali dengan kondisi satu harga referensi dan variasi harga
referensi dalam kondisi katup bukaan setengah. Sebagai sinyal referensi
ketinggian air digunakan fungsi step dengan rentang tegangan dari 1 volt sampai
3.5 volt.
Pengendali Logika Fuzzy
Respon dan aksi kendali sistem dengan kondisi tinggi air pada tegangan
referensi 3 volt, setara dengan 800 ml diperlihatkan pada Gambar 8. Pada Gambar
8(a) terlihat bahwa pada saat kondisi awal, harga error bernilai positif sangat
besar. Hal ini terjadi karena pada kondisi awal, tinggi air aktual jauh dibawah
tinggi referensi. Beberapa saat kemudian sistem kendali dapat berjalan dengan
baik, yang ditandai oleh respon kendali yang
bergerak menuju tinggi referensi.
Waktu yang dibutuhkan untuk mencapai tinggi referensi
oleh pengendali logika fuzzy tercapai pada detik ke 225, dengan mengalami overshoot terlebih dahulu
sebesar 0.25 volt. Setelah mencapai
tinggi referensi, tinggi air dalam tangki tidak banyak berubah karena debit
yang dikeluarkan pompa konstan, seperti yang ditunjukkan oleh grafik aksi
kendali pada Gambar 8(a). Grafik respon yang cenderung lurus mendekati tegangan
referensi selama proses pengendalian menunjukkan bahwa pengendali logika fuzzy
dapat mempertahankan tinggi air pada tinggi referensi. Hal ini berarti bahwa
matriks keputusan pada Tabel 1 telah mampu menghasilkan prestasi kendali yang
memadai.
Untuk melihat
lebih jauh prestasi pengendali logika fuzzy, maka dilakukan variasi harga
tinggi air referensi secara dinamis dari 1 volt menjadi 2 volt. Gambar 9
menunjukkan respon dan aksi kendali sistem terhadap variasi tinggi referensi.
Pada Gambar 9(a) ditunjukkan tinggi referensi berubah dari 1 volt kemudian
dinaikkan menjadi 2 volt. Dari grafik tersebut dapat dilihat bahwa dibutuhkan
waktu ±200 detik untuk mencapai perubahan tinggi referensi dengan kesalahan
tunak sekitar 0.05 volt. Aksi kendali yang ditunjukkan oleh Gambar 9(b)
terlihat lebih halus ditandai dengan
tidak adanya variasi tegangan yang dikirimkan ke pompa.
Pengendali Proporsional dan Integral (PI)
Pada pengujian ini
konstanta Kp dan Ki pada pengendali PI diperoleh melalui metode cobacoba. Harga konstanta
proporsional (Kp) optimal yang diperoleh sama dengan 41 dan konstanta integral
(Ki) sebesar 0. 3 105 − ⋅ .
Pada tinggi
referensi sebesar 3 volt yang ditunjukkan pada Gambar 10(a), pengendali PI mempunyai waktu respon yang
cepat lebih kurang 100 detik kemudian berosilasi disekitar tinggi referensi.
Kondisi kesalahan tunak yang terjadi yaitu sebesar 0.08 volt.
Variasi tinggi referensi seperti yang ditunjukkan pada
Gambar 11(a) dengan cukup cepat direspon oleh pengendali PI dengan waktu yang
dibutuhkan ±100 detik. Kesalahan tunak yang terjadi sebesar 0.01 volt. Osilasi
yang terlihat pada respon kendali menyebabkan
aksi kendali berfluktuatif selama proses pengendalian seperti yang ditunjukkan
oleh 11(b).
Dari pengujian
prestasi kedua pengendali pada sistem tangki air menunjukkan bahwa waktu respon
pengendali PI relatif lebih cepat dibandingkan pengendali logika fuzzy. Hal ini
disebabkan oleh pada suatu kondisi dimana harga error dan beda error yang sama,
pengendali PI akan menghasilkan tegangan keluaran yang lebih besar dibandingkan
pengendali logika fuzzy. Tegangan keluaran yang lebih besar ini memperbesar
debit air yang masuk ke dalam tangki dan mempercepat tercapainya tinggi air
referensi. Konsekuensinya adalah aksi kendali keluaran pengendali PI terlihat
sangat tidak stabil. Pada kondisi setelah mencapai tinggi referensi pengendali
PI mengirim tegangan yang bervariasi ke pompa untuk mempertahankan kondisi
kestabilan. Namun akibat variasi tegangan keluaran ini menyebabkan timbulnya
osilasi pada sistem.
Kemampuan
pengendali logika fuzzy dalam meredam osilasi yang terjadi lebih bagus
dibandingkan pengendali PI. Hal ini ditandai dengan lebar pita (bandwidth)
respon kendali dan kesalahan tunak yang terjadi kecil. Aksi kendali keluaran
pengendali logika fuzzy lebih halus (smooth) dibanding pengendali PI. Sinyal
aksi kendali pengendali logika fuzzy yang lebih halus tentunya akan lebih
‘menyehatkan’ pompa dibandingkan aksi
kendali pengendali PI. Kondisi menyehatkan disini bisa diartikan sebagai
kondisi dimana pompa beroperasi pada kondisi yang baik. Respon kendali yang
ditunjukkan oleh kedua pengendali dipengaruhi oleh derau yang dibawa oleh sinyal hasil pengukuran
sensor.
KESIMPULAN
Berdasarkan
hasil-hasil yang telah diperoleh, maka dapat ditarik kesimpulan yaitu
pengendali logika fuzzy merupakan pengendali yang relatif mudah dalam
perancangannya, karena tidak dibutuhkan model matematik eksak dari sistem.
Dengan pendekatan berbasis aturan-aturan dan logika sederhana, pengendali
dirancang dan dibangun. Penalaan logika fuzzy dilakukan secara trial and error
untuk mendapatkan respon yang diinginkan.
Pengendali logika fuzzy mampu mengendalikan tinggi
air dalam tangki dan merespon perubahan variasi tinggi air yang berubah secara
dinamik. Pengendali ini mampu mengurangi
derau yang terbawa oleh sinyal hasil pengukuran sensor, mengakibatkan aksi
kendali yang dihasilkan tidak bervariasi seperti pengendali PI. Hasilnya,
aktuator bekerja pada kondisi yang baik.
UCAPAN TERIMA KASIH
Secara khusus penulis mengucapkan terima kasih
pada Lovely Son atas bimbingan dan dukungan yang telah diberikan, hingga
terselesaikannya penelitian ini. Bapak Masno Ginting atas masukannya dalam
perbaikan dan penyempurnaan penulisan makalah ini.
DAFTAR PUSTAKA
1. Raven, F., “Automatic Control Engineering”. Singapore,
McGraw-Hill International Inc., 1995
2. Jang, J.-S. R, Sun, C.-T., Mizutani, E., “Neuro-Fuzzy
and Soft Computing”. New Jersey, PrenticeHall International Inc., 1997
3. Son, Lovely, “Pengendalian Mekanisme Gerakan Lurus
Presisi dengan Menggunakan Teknik Kendali Kompensasi Gesekan dan Logika Fuzzy”.
Tesis Magister, Jurusan Teknik Mesin, ITB, 2001.
4. Lin, Lih-Chang & Chen,Chiang-Chuan., “Rigid
Model-based Fuzzy Control of FlexibleJoint Manipulators”. Journal of
Intelligent and Robotic Systems, 1995.
5. Jang, J.-S. R
& Gulley, Ned., “MATLAB Fuzzy
Logic Toolbox User’s Guide”., The Mathwork Inc., 1997.
No comments:
Post a Comment