Oleh:
Dr. Fatmawati, M.Si
Departemen Matematika
Fakultas Sains dan Teknologi
Universitas Airlangga
2012
Daftar Isi
1 Pendahuluan
1.1
1.2
2.1
2.2
2.3
Fungsi Transfer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4
2.5
11
11
3.1.1
Keterkendalian . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
3.1.2
Keterobservasian . . . . . . . . . . . . . . . . . . . . . . . . . .
13
4 Kestabilan Sistem
15
17
5.1
Keterstabilan Sistem . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
5.2
Keterdeteksian Sistem . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
6 Optimasi Statis
19
6.1
20
6.2
21
7 Prinsip Pontryagin
24
7.1
24
7.2
26
27
8.1
. . . . . . . .
29
8.2
30
8.3
31
8.4
33
8.5
Steady-State Feedback
34
. . . . . . . . . . . . . . . . . . . . . . . . . . .
36
Daftar Pustaka
39
Pendahuluan
1.1
= x2 (t)
x(t)
dengan x(t) =
x1 (t)
x2 (t)
0 1
0 0
x(t) +
dan u(t) =
u1 (t)
u2 (t)
0 0
1 1
u(t)
(1)
Kendala Fisik.
Definisikan kendala atau constraint dari state x.
Diasumsikan mobil bergerak dari keadaan diam dan berhenti di titik e.
t0 : waktu pada saat meninggalkan O
tf : waktu pada saat tiba di e, sehingga diperoleh
x1 (t0 ) = 0 x1 (tf ) = e,
x2 (t0 ) = 0 x2 (tf ) = 0.
Dalam notasi matriks, syarat batas tersebut dapat ditulis sebagai
0
e
x(t0 ) = , x(tf ) = .
0
0
(2)
Syarat tambahan
0 x1 (t) e,
0 x2 (t).
(3)
M2 u2 (t) 0.
(4)
Sebagai tambahan, misalkan mobil bergerak dengan G liter bensin, maka constraint lainnya adalah
tf
(5)
t0
Kriteria Performansi.
Untuk mengevaluasi performansi (kinerja) sistem, para desainer/perancang (designer ) memilih ukuran performasi.
Kontrol optimal didefinisikan sebagai salah satu alat untuk meminimumkan (memaksimumkan) ukuran performansi.
Misalkan performansi dari sistem dievaluasi berdasarkan ukuran dengan bentuk
sebagai berikut
Z
tf
J = h(x(tf ), tf ) +
(6)
t0
dengan t0 dan tf masing-masing adalah waktu awal dan akhir, h dan g adalah
fungsi skalar.
tf mungkin sudah ditentukan atau bisa juga bebas, tergantung pada permasalahan yang dibicarakan.
3
1.2
= g(x(t), u(t), t)
mengikuti trayektori yang diperkenankan x , yang meminimumkan ukuran performansi
Z
tf
J = h(x(tf ), tf ) +
t0
(7)
2.1
.
Teori kontrol klasik berdasarkan pada transformasi Laplace yang dinyatakan
dalam bentuk fungsi transfer (domain frekuensi ) dan hanya memuat single-input
dan single-output (SISO).
Teori kontrol modern dinyatakan dalam bentuk ruang keadaan (domain waktu)
sehingga dapat diaplikasikan pada sistem dengan multi-input dan multi-output
(MIMO), linear atau nonlinear, time-invariant atau time-varying.
Fungsi transfer pada sistem linear, time-invariant (SISO) didefinisikan sebagai
hasil bagi (rasio) antara tranformasi Laplace dari output terhadap transformasi
Laplace dari input, dengan asumsi nilai awal nol dan dinyatakan sebagai
G(s) =
Y (s)
,
U (s)
(8)
2.2
Setiap persamaan diferensial biasa (PDB) linear dengan koefisien konstan dapat
dinyatakan dalam bentuk ruang keadaan berikut
x(t)
= Ax(t) + Bu(t),
(9)
dengan x(t) disebut vektor keadaan, u(t) vektor input, y(t) vektor output, dengan
x(t) Rn , u(t) Rm , y(t) Rp dan A, B, C dan D adalah matriks-matriks yang
ukurannya bersesuaian.
Diberikan persamaan diferensial sebagai berikut
q n (t) + a1 q (n1) (t) + a2 q (n2) (t) + ... + an1 q(t)
+ an q(t) = u,
(10)
= x2
x 2
..
.
= x3
x (n1)
= xn
x n = an x1 + a(n1) x2 ... a1 xn + u,
sehingga dapat ditulis dalam bentuk persamaan diferensial matriks
x 1
x 2
..
x (n1)
x n
x1
0 x2
..
1 x(n1)
xn
a1
0
..
.
0
..
.
..
.
an an1 a2
u.
1
0
..
.
Jika output sistem didefinisikan sebagai y = x1 , maka dapat dinyatakan sebagai bentuk
matriks berikut
y=
1 0 0 0 0
x1
x2
..
.
xn
Dari uraian di atas terlihat bahwa bentuk PDB (10) dapat dikonversi menjadi bentuk
sistem (9).
2.3
Fungsi Transfer
Transformasi Laplace
Transformasi Laplace dari fungsi kontinu f (t), dinotasikan dengan L[f (t)], didefinisikan sebagai
Z
L[f (t)] = F (s) =
0
f (t)est dt,
(11)
(12)
(13)
Dari (11), f (t) disebut invers transformasi Laplace dari F (s), ditulis sebagai
L1 [F (s)] = f (t).
Transformasi Laplace bersifat linear yakni untuk konstanta , berlaku
L[f1 (t) + f2 (t)] = F1 (s) + F2 (s).
Fungsi Transfer
Diberikan sistem linear waktu kontinu, time-invariant berikut ini
x(t)
= Ax(t) + Bu(t),
y(t)
x1 (t)
x(0) = 0,
= Cx(t) + Du(t).
x2 (t)
Misalkan x(t) = .
.
..
xn (t)
L[x1 (t)]
L[x2 (t)]
Definisikan L[x(t)] =
..
L[xn (t)]
X (s)
1
X2 (s)
=
..
.
Xn (s)
Dengan definisi
tersebut,
maka
L[x 1 (t)]
sX1 (s) x1 (0)
L[x 2 (t)] sX2 (s) x2 (0)
=
L[x(t)]
=
..
..
.
.
L[x n (t)]
sXn (s) xn (0)
7
= X(s)
= sX(s) x(0).
(14)
(15)
2.4
Pada bagian ini akan diuraikan pengertian turunan dan integral pada matriks seprti
yang tertuang pada definisi berikut ini.
Definisi 1 Misalkan A(t) = [aij (t)], maka
d
A(t)
dt
=
= A(t)
A(t) =
R
d
(a
(t))
dan
ij
dt
aij (t)dt .
Contoh.
A(t) =
=
A(t)
6
2t
2 cos 2t
0
6t
sin 2t
t +2
maka,
, dan
A(t) =
3t
1 3
t
3
+ 2t
12
cos 2t
3t
+ C,
Berdasarkan definisi tersebut, sifat-sifat turunan dan integral kalkulus juga dapat
diaplikasikan pada matriks.
Jika dan adalah konstanta dan diberikan matriks A(t) dan B(t). Maka,
i.
d
dt
+ B(t).
ii.
Rb
(A(t) + B(t)) dt =
iii.
d
(A(t)B(t)
dt
Rb
a
A(t)dt +
Rb
a
B(t)dt.
= A(t)B(t)
+ A(t)B(t).
Eksponensial Matriks.
Berikut ini akan diberikan pengertian eksponsial matriks dan sifat-sifatnya.
Definisi 2 Misalkan A adalah matriks persegi berukuran n n, maka
eAt =
X
(At)n
n=0
n!
= I + At +
1 22 1 33
A t + A t + ...
2!
3!
dengan I = A0 .
Berdasarkan Definisi 2, beberapa sifat ekponensial dapat diterapkan pada eksponensial
matriks, antara lain:
i. eA(t+s) = eAt eAs .
ii. (eAt )1 = eAt
iii.
d
dt
eAt = AeAt = eAt A.
1 t
2.5
Pada bagian ini akan diuraikan solusi dari sistem persamaan (9). Persamaan tersebut
merupakan gabungan antara persamaan diferensial dan persamaan aljabar. Pandang
kembali sistem persamaan diferensial berikut
x(t)
= Ax(t) + Bu(t),
9
x(0) = x0 .
(16)
x(t) = e x0 +
(17)
(18)
Dengan demikian output y(t) pada persamaan (9) dapat dinyatakan sebagai
Z t
(ts)
At
e
Bu(s)ds + Du.
(19)
y(t) = C e x0 +
0
Matriks eksponensial eAt pada solusi (17) merupakan matriks transisi dari sistem
x(t)
10
3.1
x(t, x0 , u)
(21)
(22)
3.1.1
Keterkendalian
Wc (t) =
eA BB eA d
n1
B AB A B A
(t )
1
Wc (t1 )1 eAt x0 x1 .
v eAt BB eA t v = 0,
Dari sini, diperoleh v eAt B = 0,
t [0, t1 ].
(23)
Kalikan (23) deari kiri dengan vektor v sehingga diperoleh 0 = v eAt1 x(0). Jika dipilih
nilai awal x(0) = eAt1 v, maka akan diperoleh v = 0 sehingga timbul kontradiksi.
Dengan demikian, terbukti bahwa Wc (t) > 0 untuk sebarang t > 0.
12
3.1.2
Keterobservasian
Wo (t) =
eA C CeA d
0
CA
O = CA2
..
CAn1
sebarang t1 > 0 dan input u sehingga berlaku y(t, x0 , u) = y(t, x1 , u) untuk semua
t [0, t1 ]. Karena y(t, x0 , u) = y(t, x1 , u), maka berakibat
Z t
Z t
A(t )
At
At
CeA(t ) Bu( )d + Du(t).
Ce
Bu( )d + Du(t) = Ce x1 +
Ce x0 +
0
Dari sini diperoleh CeAt x0 = CeAt x1 atau CeAt (x0 x1 ) = 0 untuk semua t [0, t1 ].
Kemudian integralkan CeAt (x0 x1 ) = 0 terhadap t sebanyak (n 1) kali, sehingga
diperoleh
CeAt (x0 x1 )
CAeAt (x0 x1 )
t = 0 C(x0 x1 ) = 0
= 0,
= 0,
t = 0 CA(x0 x1 ) = 0
..
.
t = 0 CAn1 (x0 x1 ) = 0.
Dari sini, diperoleh O(x0 x1 ) = 0. Karena rank(O) = n, maka ker(O) = 0. Akibatnya x0 x1 = 0 atau x0 = x1 . (i) (iii)
Misalkan rank(O) < n. Diambil dua vektor yang berbeda x0 dan x1 sedemikian sehingga x0 x1 ker(O). Maka
C(x0 x1 ) = CA(x0 x1 ) = . . . CAn1 (x0 x1 ) = 0.
Berdasarkan Teorema Cayley-Hamilton, akan diperoleh CAk (x0 x1 ) = 0, k = 0, 1, . . ..
Akibatnya
CeAt (x0 x1 ) =
X
tk
k=0
k!
CAk (x0 x1 ) = 0
untuk semua t. Hal ini ekivalen dengan y(t, x0 , u) = y(t, x1 , u) untuk semua t. Dari
sini dapat disimpulkan bahwa sistem (A, B, C, D) tidak terobservasi.
Catatan: Teorema Cayley-Hamilton diberikan dalam teorema berikut.
Teorema 3 Misalkan A Cnn dengan polinomial karakteristik diberikan oleh p() =
det(I A). Maka A memenuhi p(A) = 0.
Dari sini dapat dikatakan bahwa An dapat dinyatakan sebagai kombinasi linear dari
Aj , j = 0, 1, . . . , n 1.
14
Konsep Dualitas
Walaupun sifat-sifat keterkendalian dan keterobservasian sangat berbeda, tetapi kondisi rank matriks keterkendalian dan keterobservasian sangat mirip, seperti yang tertuang dalam teorema berikut.
Teorema 4 Pasangan (A, B) terkendali jika dan hanya jika pasangan (B T , AT ) terobservasi. Demikian pula, Pasangan (C, A) terobservasi jika dan hanya jika pasangan
(AT , C T ) terkendali.
h
i
Bukti: (A, B) terkendali rank B AB A2 B An1 B = n
h
iT
2
n1
rank B AB A B A B
=n
BT
T
T
B A
T
T 2
rank
=n
B (A )
..
B T (AT )( n 1)
(B T , AT ) terobservasi.
Bagian kedua dapat dibuktikan secara similar.
Berdasarkan teorema sebelumnya dapat disimpulkan bahwa sistem x(t)
= Ax(t) +
Bu(t) terkendali jika dan hanya jika sistem z(t)
= AT z(t), y(t) = B T z(t) terobservasi.
Transpos dari matriks adalah contoh sederhana dari konsep dualitas.
catatan:
Ruang dual dari Rn adalah himpunan semua fungsi-fungsi linear : Rn R dan
untuk kasus ini isomorfis dengan himpunan vektor-vektor baris berdimensi n. Ruang
dual ini biasanya ditulis sebagai (Rn ) yang dapat diidentifikasi sebagai Rn itu sendiri.
Kestabilan Sistem
Konsep kestabilan memegang peranan penting pada sistem. Berikut ini akan disajikan
definisi titik setimbang (titik stasioner, titik tetap).
Definisi 5 Diberikan sistem autonomous
x = f (x),
15
(24)
= Ax(t) dengan A
berukuran n n dengan nilai eigennya adalah i , i = 1, 2, ...n. Titik asal x = 0 stabil
asimtotis jika dan hanya jika Rei < 0.
Berikut ini akan disajikan karakterisasi kestabilan Lyapunov.
Teorema 6 Diberikan sistem persamaan diferensial linear x(t)
16
(25)
5.1
Keterstabilan Sistem
Selain sifat kestabilan, pada sistem juga dikenal sifat keterstabilan. Hal ini biasanya
berkaitan dengan sistem yang tidak stabil, sehingga kita ingin mengubah perilaku
sistem yang tidak stabil tersebut menjadi sistem yang stabil.
Definisi 8 Sistem x(t)
= (A+BF )x
terkendali, maka sistem tersebut juga terstabilkan.
Teorema 7 dikenal juga sebagai Teori Penempatan Pole.
5.2
Keterdeteksian Sistem
Berikutnya akan diberikan pengertian keterdeteksian sistem yang merupakan sifat dual
dari keterstabilan sistem.
Definisi 9 Sistem x(t)
= Ax(t), y(t) = Cx(t) atau pasangan (C, A) dikatakan terdeteksi jika terdapat matriks L sehingga A + LC stabil asimtotis, atau, nilai eigen dari
A + LC, Re() < 0.
17
18
Optimasi Statis
Misalkan x Cn adalah vektor, s C skalar dan f (x) Cm berupa fungsi vektor
dari x.
Diferensial terhadap x dan turunannya terhadap x berturut-turut adalah
dx1
dx1 /ds
dx2
dx
/ds
dx
2
,
.
dx =
=
..
..
ds
dxn
dxn /ds
Jika s adalah fungsi dari x, maka gradient dari s terhadap x berupa kolom vektor
s/x1
s/x2
s
.
sx =
=
..
x
s/xn
(Catatan: Beberapa referensi kadang dinyatakan dengan vektor baris.)
Diferensial total terhadap s dinyatakan sebagai
T
n
X
s
s
ds =
dx =
dxi .
x
xi
i=1
Jika s adalah fungsi dari dua vektor x dan y, maka
T
T
s
s
ds =
dx +
dy.
x
y
Hessian dari s terhadap x adalah turunan kedua yaitu
2
s
2s
=
,
sxx =
x2
xi xj
yang tak lain berupa matriks simetri berukuran n n.
Ekspansi deret Taylor dalam bentuk gradient dan Hessian dari s(x) disekitar x0
adalah
s(x) = s(x0 ) +
s
x
T
1
2s
(x x0 ) + (x x0 )T 2 (x x0 ) + O(3),
2
x
(26)
(27)
X f
f
df =
dx =
dxi .
x
xi
i=1
Beberapa rumus turunan matriks yang sering digunakan adalah
xT y = y,
yTx
= x
x
xT AT y = AT y
y T Ax = x
x
y T f (x) = x
f T (x)y = fxT y,
x
xT Ax
= Ax + AT x,
x
(28)
(29)
(30)
(31)
6.1
xT Qx
= 2Qx,
x
(x y)T Q(x y) = 2Q(x y).
(32)
(33)
Index performansi skalar L(u) diberikan sebagai fungsi dari kontrol atau vektor
keputusan u Rm . Tujuan kita adalah bagaimana memilih u sehingga L(u)
minimum.
Perhatikan ekspansi deret Taylor untuk increment (pertambahan) dalam L sebagai
1 T
dL = LT
u du + du Luu du + O(3),
2
dengan Lu =
L
u
(34)
2L
u2
adalah matriks
Hessian.
Titik kritis (stasioner) dicapai ketika Lu = 0. Agar titik kritis bersifat minimum
lokal, maka
1
dL = duT Luu du + O(3)
2
Hal ini dicapai ketika Luu definit positif, yaitu Luu > 0.
20
(35)
Jika Luu definit negatif maka titik kritis Lu bersifat maksimum lokal.
6.2
Sekarang pandang index performansi skalar L(x, u) sebagai fungsi dari vektor
kontrol u Rm dan vektor keadaan (state) x Rn . Permasalahannya adalah
bagaimana memilih u sehingga L(u) minimum dan memenuhi persamaan constraint
f (x, u) = 0,
(36)
(37)
(38)
Catat bahwa
H =
H
= f (x, u),
(39)
(40)
(41)
Hx = 0,
(42)
Pilih sehingga
21
sehingga diperoleh
H
= Lx + fxT = 0.
x
(43)
(44)
(45)
Dengan demikian, syarat cukup titik minimum dari L(x, u) yang memenuhi constraint f (x, u) = 0 adalah
H
H
x
H
u
= f = 0,
(46)
= Lx + fxT = 0,
(47)
= Lu + fuT = 0,
(48)
T T dx
L
L
dx
xu
+ 1 dxT duT xx
+ O(3)
dL = Lx Lu
2
du
Lux Luu
du
f
f
dx
dx
+ 1 dxT duT xx xu
+ O(3),
df = [fx fu ]
2
fux fuu
du
du
dengan fxu =
2f
,
ux
dst.
22
dL
dx
H
H
dx
xu
= HxT HuT
+ 1 dxT duT xx
[1 T ]
2
df
du
Hux huu
du
+O(3).
Untuk mencapai titik stasioner kita memebutuhkan f = 0 dan juga orde pertama
dari dL sama dengan nol untuk semua increment dx, du. Karena f = 0, maka
df = 0, sehingga kondisi ini mengakibatkan Hx = 0 dan Hu = 0 sebagaimana
diberikan oleh (46)-(48).
23
Prinsip Pontryagin
7.1
= f (x, u, t)
(49)
(50)
t0
dengan (x(tf ), tf ) adalah fungsi bobot akhir yang tergantung pada state akhir
x(tf ) dan waktu akhir tf . Sedangkan fungsi bobot L(x, u, t) tergantung pada
state dan input pada interval waktu [t0 , tf ].
Masalah optimal kontrol di sini adalah menentukan input kontrol u (t) pada
interval [t0 , tf ] sehingga akan membawa plant (49) sepanjang trayektori x (t)
sedemikian sehingga Indeks Performansi (50) minimum.
Input kontrol u(t) ini selanjutnya disebut Kontrol Optimal.
Kita akan menggunakan Pengali Lagrange untuk menggabungkan plant (49) dengan Indeks Performansi (50) ke dalam suatu fungsi skalar J 0 (t0 )
Z tf
0
J (t0 ) = (x(tf ), tf ) +
L(x(t), u(t), t) + T (t) (f (x, u, t) x)
dt.
(51)
t0
Karena persamaan (49) berlaku untuk setiap t [t0 , tf ], sehingga kita membutuhkan pengali Lagrange (t) Rn , yang merupakan fungsi terhadap waktu.
Jika didefinisikan Fungsi Hamiltonian sebagai berikut
H(x, u, t) = L(x(t), u(t), t) + T (t)f (x, u, t),
24
(52)
(53)
t0
R tf
t0
h(x(t), t)dt
tf
T
hx (x(t), t)x dt,
(54)
t0
dengan
x(ta ) = dx(ta ) x(t
a )dta .
(55)
Dengan menggunakan aturan ini, maka total differensial dari fungsi J 0 (t0 ) pada
persamaan (53) adalah
T
T
T
dJ 0 (t0 ) = T
tf (H x)dt|
t0
x dx|tf + t dt|tf + (H x)dt|
Rt
T dt.
+ t0f HxT x + HuT u T (t) x + (H x)
Perhatikan bahwa
Z tf
Z
T
T
T
(t) xdt
= x|tf + x|t0 +
t0
tf
T xdt.
(56)
(57)
t0
Jika persamaan (57) dan (55) disubstitusikan ke persamaan (56), maka diperoleh
dJ 0 (t0 ) = (x )T dx|tf + (t + H)dt|tf Hdt|t0 + T dx|t0
i
Rt h
T
T x + H T u + (H x)
+ t0f (Hx + )
dt.
u
(58)
Menurut Teori Lagrange, nilai minimum dari Indeks Performansi (50) dengan
kendala sistem (49) dicapai untuk nilai minimum dari fungsi tanpa kendala (51).
Fungsi (51) akan bernilai minimum apabila dJ 0 (t0 ) = 0.
Dengan membuat koefisien dari setiap differesial d() bernilai nol, maka kita
peroleh syarat cukup agar Indeks Performansi (51) bernilai minimum.
25
7.2
(59)
L f T
H
=
+
.
u
u
u
(60)
H
= f (x, u, t),
t t0 .
(61)
(t)
=
f T
L
H
=
+
,
x
x
x
t tf ,
(62)
(63)
5. Subsititusikan solusi dari x(t) dan (t) dari Langkah 4 ke dalam ekspresi
kontrol optimal u (t) yang diperoleh dari Langkah 2.
26
= A(t)x(t) + B(t)u(t),
x(t0 ) diberikan,
(64)
y(t) = C(t)x(t).
yang bersesuaian dengan Indeks Performansi berikut
Z
1 T
1 tf T
J(t0 ) = x (tf )S(tf )x(tf ) +
x Q(t)x + uT R(t)u dt,
2
2 t0
(65)
dengan S(tf ) dan Q(t) adalah matriks bobot yang bersifat simetri dan semidefinit
positif. Sedangkan R(t) adalah matriks simetri yang definit positif.
Kita akan menentukan hukum kontrol u(t) pada sistem (64) yang akan meminimumkan Indeks Performansi Kuadratik (65) dengan menggunakan persamaanpersamaan (61)-(63).
Bentuk fungsi Hamiltonian berikut
H(x, u, t) =
1 T
x Qx + uT Ru + T (t) (Ax + Bu) .
2
(66)
H
= Ax + Bu.
27
(67)
Persamaan Costate
=
H
= Qx + AT .
x
(68)
Syarat Stasioner
0=
H
= Ru + B T .
u
(69)
(70)
(71)
Sementara itu, syarat batas x(t0 ) diberikan dan diasumsikan state final x(tf )
adalah bebas (free). Dengan demikian dx(tf ) 6= 0 dan dtf = 0, sehingga koefisien
dari dx(tf ) pada persamaan (63) haruslah nol yaitu
(tf ) =
|t = S(tf )x(tf ).
x f
(72)
(73)
+ S x = Sx
+ S(Ax BR1 B T Sx).
= Sx
(74)
Perhatikan bahwa
28
(75)
Karena persamaan (75) dipenuhi untuk seluruh x(t) pada interval [t0 , tf ], maka
haruslah
S = AT S + SA SBR1 B T S + Q.
(76)
(77)
(78)
8.1
(79)
Selanjutnya akan ditentukan Indeks performansi (ongkos) optimal dengan menggunakan hukum kontrol state-feedback. Perhatikan bahwa
Z
1
1
1 tf d T
x (t)S(t)x(t) dt = xT (tf )S(tf )x(tf ) xT (t0 )S(t0 )x(t0 ).
2 t0 dt
2
2
Aplikasikan fungsi Ongkos (65) pada kesamaan (80), maka diperoleh
Z
1 T
1 tf T
J(t0 ) = x (t0 )S(t0 )x(t0 ) +
[x Q(t)x + uT R(t)u + x T S(t)x
2
2 t0
+xT S(t)x
+ xT S(t)x]dt.
(80)
(81)
tf
[xT S + Q + AT S + SA x
t0
(82)
J(t0 )
+ 12
(83)
R tf T
x SBR1 B T Sx + xT S(t)Bu + uT B T S(t)x + uT Ru dt.
t0
Notasikan kvk2R = v T Rv sebagai norm-R dari vektor v (untuk R > 0), maka
bentuk (83) dapat ditulis sebagai
Z
1
1
J(t0 ) = xT (t0 )S(t0 )x(t0 ) +
2
2
tf
(84)
t0
Substitusikan hukum kontrol (77) pada (84), maka diperoleh nilai optimal sebagai
berikut
1
J(t0 ) = xT (t0 )S(t0 )x(t0 ).
2
8.2
(85)
Model sistem
x(t)
= A(t)x(t) + B(t)u(t),
t t0
Indeks Performansi
1
1
J(t0 ) = xT (tf )S(tf )x(tf ) +
2
2
tf
T
x Q(t)x + uT R(t)u dt
t0
dengan asumsi
S(tf ) 0,
Q 0,
R > 0,
ketiganya simetri
30
t tf ,
S(tf ) diberikan
8.3
= Ax(t) + Bu(t),
t0 diberikan.
dan syarat akhir berupa nilai yang tetap yaitu x(tf ) = r(tf ).
Karena waktu akhir dan state akhir fixed, maka dtf = 0 dan dx(tf ) = 0.
Misalkan S(tf ) = 0 dan Q = 0, maka bentuk Indeks Performansi kuadratik (65)
dapat ditulis sebagai
1
J(t0 ) =
2
tf
uT R(t)udt.
(86)
t0
Dibentuk Hamiltonian
1
H(x, u, t) = uT Ru + T (t) (Ax + Bu) .
2
(87)
H
= Ax + Bu.
(88)
Persamaan Costate
=
H
= AT .
x
(89)
Syarat Stasioner
0=
H
= Ru + B T .
u
(90)
(91)
31
(92)
T (t t)
f
(tf ),
(93)
T (t t)
f
(tf ),
(94)
x(t) = e
x(t0 )
eA(t ) BR1 B T eA
T (t )
f
(tf )d.
(95)
t0
Untuk menentukan nilai (tf ), evaluasi (95) pada saat tf , sehingga diperoleh
x(tf ) = eA(tf t0 ) x(t0 ) G(t0 , tf )(tf ),
(96)
(97)
t0
Sebelumnya telah diasumsikan bahwa x(tf ) = r(tf ), sehingga dari (96) didapat
(tf ) = G1 (t0 , tf ) r(tf ) eA(tf t0 ) x(t0 ) .
(98)
Selanjutnya, substitusikan (98) dan (93) pada hukum kontrol (91) sehingga diperoleh
u(t) = R1 B T eA
T (t t)
f
G1 (t0 , tf ) r(tf ) eA(tf t0 ) x(t0 ) .
(99)
Jika (A, B) terkontrol, maka terdapat kontrol energi-minimum yang menggerakkan state x(t0 ) ke r(tf ) yang diinginkan.
Kontrol seperti ini disebut Kontrol Lup-Terbuka (Open-loop control ), karena u(t)
tidak tergantung pada state x(t).
Perhatikan bahwa solusi dari persamaan Lyapunov berikut
P (t) = AP + P AT + BR1 B T ,
t > t0 ,
(100)
adalah
P (t) = e
A(tt0 )
P (t0 )e
AT (tt0 )
+
t0
32
eA(t ) BR1 B T eA
T (t )
d.
(101)
J (t0 ) =
d (t0 , tf )G1 eA(tf t) BR1 RR1 B T eA (tf t) G1 d(t0 , tf )dt.
2 t0
Perhatikan bahwa d(t0 , tf ) dan G1 (t0 , tf ) tidak tergantung pada t, sehingga
didapat
1
J (t0 ) = dT (t0 , tf )G1 (t0 , tf )d(t0 , tf ),
2
atau
1
J (t0 ) = dT (t0 , tf )P 1 (tf )d(t0 , tf ),
2
dengan P (t) memenuhi persamaan Lyapunov (100).
8.4
Model sistem
x(t)
= Ax(t) + Bu(t),
t t0 , x(t0 ) diberikan
r(tf ) diberikan
Indeks Performansi
1
J(t0 ) =
2
tf
uT R(t)udt,
R>0
t0
P (t0 ) = 0
Kontrol Lup-Terbuka
u(t) = R1 B T eA
T (t t)
f
P 1 (tf )d(t0 , tf ),
(102)
8.5
Steady-State Feedback
= Ax(t) + Bu(t).
Pada bagian ini, Indeks Performansi yang diberikan berupa Infinite-time LQR
(infinite horizon) yaitu
1
J(t0 ) =
2
xT Qx + uT R(t)u dt,
S(t)
= 0 , sehingga diperoleh Persamaan Riccati berikut
0
= AT S + SA SBR1 B T S + Q,
= R1 B T S
= Kx
34
(103)
Jika S adalah solusi dari ARE (103), maka optimal gain untuk kasus infinitehorizon berupa matriks konstan yaitu
K
u
= R1 B T S
= K x
J = 12 xT (0)S x(0).
Sedangkan plant dari lup-tertutup untuk kondisi ini (steady-state) mempunyai
bentuk dinamik sebagai berikut
x(t)
= (A BK )x(t) = Ac x,
(104)
dengan Ac = A BK .
Ada beberapa pertanyaan yang berkaitan dengan skema steady-state feedback
1. Kapan terdapat solusi limit terbatas S bagi persamaan Riccati untuk semua pemilihan fungsi bobot akhir S(tf )?
2. Secara umum, S tergantung pada S(tf ). Sedangkan untuk kasus steadystate, S(tf ) diabaikan. Jadi, pada saat kapan terdapat S yang tunggal
yang tidak tergantung pada pemilihan S(tf )?
3. Kapan plant lup-tertutup Ac bersifat stabil asimtotis?
Untuk menjawab ketiga pertanyaan di atas diperlukan teorema-teorem berikut
Teorema 9 Misalkan pasangan (A, B) terstabilkan. Maka untuk setiap S(tf )
terdapat solusi limit terbatas S untuk persamaan Riccati. Lebih lanjut, S
merupakan solusi yang bersifat semi-definit positif untuk persamaan Riccati Aljabar (ARE).
Teorema 10 Misalkan C sebarang matriks sehingga Q = C T C.
Misalkan pasangan (A, C) terobservasi. Maka pasangan (A, B) terstabilkan jika dan
hanya jika:
35
1. Terdapat dengan tunggal solusi limit S yang bersifat definit positif untuk persamaan Riccati. Lebih lanjut, S adalah solusi tunggal yang bersifat definit positif
untuk ARE (103).
2. Plant Lup-Tertutup (104) bersifat stabil asimtotis, dengan K = K diberikan
oleh K = R1 B T S .
= Ax(t) + Bu(t),
y(t)
x(t0 ) diberikan.
= Cx(t).
(105)
(106)
Untuk menjaga agar output (106) dengan trayektori r(t) Rs yang diinginkan,
maka dipilih Indeks Performansi Kuadratik berikut
1
2
(Cx(tf ) r(tf ))T P (Cx(tf ) r(tf )
Rt
+ 21 t0f (Cx r)T Q(Cx r) + uT Ru dt,
J(t0 ) =
(107)
dengan P dan Q adalah matriks simetri yang semidefinit positif dan R adalah
matriks simetri yang definit positif.
Kita akan menentukan hukum kontrol u(t) pada sistem (105) yang akan meminimumkan Indeks Performansi Kuadratik (107) dengan menggunakan persamaanpersamaan (61)-(63).
Bentuk fungsi Hamiltonian berikut
H(x, u, t) =
1
(Cx r)T Q(Cx r) + uT Ru + T (t) (Ax + Bu) .
2
(108)
H
= Ax + Bu.
(109)
Persamaan Costate
=
H
= AT + C T QCx C T Qr.
x
36
(110)
Syarat Stasioner
0=
H
= Ru + B T .
u
(111)
(112)
(113)
Sementara itu, syarat batas x(t0 ) diberikan dan agar syarat batas (63) dipenuhi,
maka haruslah berlaku hubungan berikut
(tf ) =
|t = C T P Cx(tf ) C T P r(tf ).
x f
(114)
(115)
dengan
S(tf ) = C T P C,
v(tf ) = C T P r(tf ).
(116)
Jika kita berhasil menentukan matriks S(t) dan v(t), maka asumsi bahwa costate
dapat dinyatakan sebagai persamaan (115) adalah benar.
Perhatikan bahwa
+ S x v = Sx
+ S(Ax BR1 B T ) v.
= Sx
37
(117)
(119)
v + SBR1 B T v AT v C T Qr = 0.
(120)
dan
Jika S(t) dan v(t) adalah solusi dari persamaan (119) dan (120) dengan syarat
batas diberikan pada persamaan (116), maka asumsi kita terhadap persamaan
(115) adalah benar.
Dari sini, maka fungsi kontrol input optimal u(t) yang dinyatakan oleh persamaan
(112) dapat dinyatakan sebagai
u = R1 B T = R1 B T Sx R1 B T v,
(121)
dengan K = R1 B T S.
38
(122)
Daftar Pustaka
[1] Olsder, G.J., and Vander Woude, J.W., 1994, Mathematical System Theor y, Lecture Notes, Delft.
[2] Burghes, D. N., and Graham, A., 1980, Introduction to Control Theory: Including
Optimal Control, John Wiley & Sons, New York.
[3] William II, R. L., and Lawrence, D. A., 2007, Linear State-Space Control Systems,
John Wiley & Sons, Inc, New York.
[4] Lewis, F. L., and Syrmos, V. L., 1994, Optimal Control, John Wiley & Sons, Inc,
Canada.
39