4.3.

Implementasi Kendali Adaptif Model Acuan Menggunakan

Penguat Operasional (Operational Amplifier – Op-Amp).
Untuk mengimplementasikan kendali adaptif model acuan berbasis metode gradien
untuk sistem pengatur suhu ruang diperlukan beberapa komponen penting di antaranya:
komponen fungsi alih model acuan, pengali analog, integrator, penguat (gain), penjumlah
dan pengurang. Komponen yang cukup penting untuk implementasi ini adalah fungsi alih
model acuan yang akan dibahas pada subbab berikut.

4.3.1. Implementasi dan Simulasi Model Acuan Berbasis Op-Amp.

Gambar 4.26 di bawah ini menunjukkan salah satu model implementasi op-amp yang
paling optimal, yaitu membutuhkan jumlah op-amp yang paling sedikit. Dua bagian
komponen pada gambar tersebut yang dapat diubah untuk mengubah model acuan adalah
R1 dan R2. Nilai K dari model acuan berasosiasi dengan nilai K pada R2 yang diset pada
skala MegaOhm. Sedangkan nilai T dari model acuan berasosiasi dengan nilai T pada R1
yang diset pada skala kiloOhm.

(a)

(b)
Gambar 4.26. Salah satu model rangkaian op-amp model acuan.

46
Model fungsi alih dari rangkaian elektronid pada Gambar 4.26 adalah:

1
Ym ( s ) R1C1 R2 C 2
= (4.32)
U C ( s) 1 1
s2 + s+
R1C1 R1C1 R2 C 2

Dengan mengubah nilai C1=1000µ F, C2=100µ F, R1=τ kOhm (dimana τ = T), dan
R2=K MOhm, maka persamaan (4.32) dapat ditulis kembali sebagai
1 1
Ym ( s ) τ K (10 )10
9 −7
τ K (10 2 )
= = (4.33)
U C ( s) 1 1 1 1
s2 + s+ s2 + s +
τ (10 )10
3 −3
τK (10 )10
9 −7
τ τ K (10 2 )

Jadi model acuan sekarang dapat diubah-ubah dengan mengubah nilai-nilai R1 untuk τ
dan R2 untuk K.
S IM U LA S I M A TL A B /S IM U LIN K
1. 2

1. 1

0. 9

0. 8

0. 7
Uc - Ym (volt)

0. 6

0. 5

0. 4

0. 3

0. 2

0. 1

0
0 100 20 0 30 0 400 5 00 60 0 700 8 00 900
W a k tu (d et ik )

(a) (b)
Gambar 4.27. Simulasi model acuan dengan nilai K=1, dan τ =80. (a) menggunakan
Matlab/Simulink, (b) menggunakan EWB.

S IM U LA S I M A TL A B /S IM U LIN K
1. 2

1. 1

0. 9

0. 8

0. 7
Uc - Ym (volt)

0. 6

0. 5

0. 4

0. 3

0. 2

0. 1

0
0 100 20 0 30 0 400 5 00 60 0 700 8 00 900
W a k tu (d et ik )

(a) (b)

47
Gambar 4.28. Simulasi model acuan dengan nilai K=1, dan τ =50. (a) menggunakan
Matlab/Simulink, (b) menggunakan EWB.

4.3.2. Implementasi Berbasis Op-Amp untuk Sistem Kendali Adaptif Model Acuan
Berbasis Metode Gradient.
Untuk mengimplementasikan pengendali adaptif model acuan berbasis metode
gradien untuk kendali pengatur suhu ruang dibutuhkan kurang lebih 17 IC op-amp, 6 IC
pengali analog, 28 buah resistor dan 8 buah kapasitor. Hasil impelentasinya ditunjukkan
pada Gambar 4.29. Rangkaian tersebut dibuat menggunakan program CAD Circuit Maker
versi 6.0.

V1
0V 0/1V
C7 .IC
100uF R30
10k R4 C5 .IC
10k 100uF
R15 U17 1mHz U15
R14 500k MULT MULT
1000k R31 R3 +12v
10k +12V R9
+ 100k + +12V 10k +

100uF C6 V2 U14
-12V
.IC

0/1V MULT
-12
C9
100uF .IC -12V
0V 1mHz
R5 C4 .IC V3
10k 100uF 0/1V U13
R17 U18 MULT
R16 500k MULT
1000k R6 +12v
100k +12V R10 1mHz
+ 10k +

-12V
0V
.IC

-12
100uF C8 R8 C3 .IC
10k 100uF

R19 10k U8
MULT R7 +12v
100k +12V R11 A
+12v + 10k +
R18 10k +
R2 10k
-12V
-12
R1 -12v
10k

C1
100uF .IC 10k

10k 10k
10k
R29 +12V
1000k R20 10k + 10k
500k +12V
10k + +12V
10k +
-12V

-12V
-12V
.IC

100uF C2

Gambar 4.29. Hasil implementasi pengendali adaptif model acuan berbasis metode
gradien untuk sistem pengatur suhu ruang.

4.3.3. Pengujian dan Hasil Simulasi

A. Model pengujian dengan MATLAB
Untuk mengamati apakah keluaran dari hasil implementasi pengendali adaptif
berbasis op-amp sudah sesuai, terlebih dahulu mesti dibuatkan model pengendali adaptif
dalam bentuk Simulink. Hal ini dilakukan karena dalam simulasi menggunakan program
CAD, model kendalian tidak direalisasikan. Gambar 4.30 menunjukkan model pengendali

48
adaptif yang dalam Simulink yang dibuat dari model sistem kendali adaptif dengan
menyisihkan bagian kendaliannya.
Dari model pada Gambar 4.30 tersebut maka diperoleh ada 3 buah masukan dan satu
buah keluaran pengendali adaptif. Masukannya adalah Uc (sinyal komando), y (keluaran
kendalian yaitu keluaran sensor), dan ydot (sinyal turunan keluaran y, bila dilihat dari
model kendalian, ini adalah keluaran dari rele). Sedangkan keluarannya adalah sinyal
kendali U.
Uc 0.0002
s2 +0.02s+0.0002

Model Acuan
y
ym y, ym
ydot error
Uc

Uc y

y pf u
U
Teta1 error, e
Uc, ydot U
Teta2
Parameter
1 Teta3
1 Integ2
Integ1 1
s Integ3 Kontroler
s
s

Gain1 g Gain2 g
Gain -g g=0.1
Scope

Prod3
Prod2
Prod1
0.0002
s2 +0.02s+0.0002
e e e
Model Acuan1

0.0002
s2 +0.02s+0.0002

Model Acuan2

Gambar 4.30. Model pengendali adaptif dalam Simulink.

B. Perbandingan Hasil Simulasi Matlab/Simulink dengan program CAD

Bagian yang akan diuji dari rangkaian elektronik pengendali adalah keluaran model
acuan ym, keluaran sinyal kesalahan e, sinyal parameter pengendali (teta1 (θ 1), teta2 (θ 2),
dan teta3 (θ 3))., dan sinyal kendali u. Selain itu beberapa sinyal hasutan ke dalam
pengendali juga akan diamati seperti sinyal komando uc, sinyal keluaran rele ydot, dan
sinyal keluaran sensor kendalian y. Program CAD yang digunakan untuk simulasi adalah
Circuit Maker versi 6.0.
Gambar 4.31 dan 4.32 masing-masing menunjukkan perbandingan hasil simulasi
menggunakan Simulink dan Circuit Maker untuk sinyal ym, y, dan e. Gambar 4.33 dan
4.34 menunjukkan perbandingan hasil simulasi menggunakan Simulink dan Circuit Maker

49
untuk sinyal parameter pengendali, sedangkan Gambar 4.35 dan 4.36 untuk sinyal uc, ydot,
dan u. Dari keenam gambar hasil simulasi, nampaknya implementasi berbasis op-amp telah
menunjukkan hasil yang sangat memuaskan. Masalah ketidakakurasian keadaan transien
dapat diatasi dengan memilih pasangan resistor-kapasitor yang tepat.

1
.5

1
ym

0
.5

0
0 5
00 1
000 1
500 2
000 2
500 3
000 3
500 4
000 4
500 5
000
1
.5
1
0
.5
y

0
-0
.5
0 5
00 1
000 1
500 2
000 2
500 3
000 3
500 4
000 4
500 5
000
1

0
error

-1

-2
0 5
00 1
000 1
500 2
000 2
50 0 3
000 3
500 4
000 4
500 5
000
Wa
ktu(d
etik)

Gambar 4.31. Hasil simulasi Matlab/Simulink berturut-turut: ym (keluaran model acuan),

y (keluaran sensor kendalian), dan sinyal kesalahan, e = y – ym.

Xa : 5 . 00 0 k X b : 0 . 0 00 a- b : 5 . 00 0 kfr e q : 2 00 . 0u
Yc : 1 . 20 0 Y d : 0 . 0 00 c- d : 1 . 20 0

b a
A 1 .2 c
1
800m
600m
400m
200m
0 d
0 83 3 1. 6 7k 2. 5 k 3. 3 3k 4 . 17 k 5k
R e f =G r ou n d X =8 3 3/ D iv Y =v o lt a ge

Xa : 5 . 00 0 k X b : 0 . 0 00 a - b : 5 . 00 0 kfr e q : 2 00 . 0u
Yc : 1 . 20 0 Y d : 0 . 0 00 c - d : 1 . 20 0

b a
A 1.2 c
1
8 0 0m
6 0 0m
4 0 0m
2 0 0m
0 d
0 83 3 1 . 6 7k 2. 5 k 3. 3 3k 4 . 17 k 5k
R e f = G r ou n d X =8 3 3/ D iv Y =v o l t a ge

X a : 5. 00 0k Xb : 0. 00 0 a- b: 5 . 00 0kf r e q: 2 00 .0 u
Y c : 1. 20 0 Yd :- 1. 20 0 c- d: 2 . 40 0

b a
A 1.2 c
800m
400m
0
-4 00 m
-8 00 m
-1.2 d
0 833 1. 67 k 2.5k 3.33k 4 .1 7k 5k
R e f = G r o u nd X= 83 3/ D iv Y =v ol ta g e

50
Gambar 4.32. Hasil simulasi Circuit Maker berturut-turut: ym (keluaran model acuan), y
(keluaran sensor kendalian), dan sinyal kesalahan, e = y – ym.

15

10
teta1

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
5

0
teta2

-5

-10
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
10

5
teta3

-5
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
W aktu(detik)

Gambar 4.33. Hasil simulasi Matlab/Simulink untuk parameter pengendali berturut-turut:

teta1 (θ 1), teta2 (θ 2), dan teta3 (θ 3).

X a : 5 . 0 0 0 k X b : 0 . 0 0 0 a - b : 5 . 0 0 0 kf r e q : 2 0 0 . 0 u
Yc: 15.00 Yd:-3.000 c-d: 18.00

b a
A 15 c
12
9
6
3
0
-3 d
0 83 3 1 .67 k 2.5k 3.33k 4.1 7k 5k
Ref=Ground X= 83 3/D iv Y= vol ta ge

X a : 5 . 0 0 0 k X b : 0 . 0 0 0 a - b : 5 . 0 0 0 kf r e q : 2 0 0 . 0 u
Yc : 6.0 00 Y d:- 6. 000 c-d : 12. 00

b a
A 6 c
4
2
0
-2
-4
-6 d
0 833 1 .67 k 2.5k 3.33k 4.17k 5k
Ref=Ground X=833/Div Y=voltage

X a : 5 . 0 0 0 k X b : 0 . 0 0 0 a - b : 5 . 0 0 0 kf r e q : 2 0 0 . 0 u
Yc: 8.000 Yd:-4.000 c-d: 12.00

b a
A 8 c
6
4
2
0
-2
-4 d
0 83 3 1 .67 k 2.5k 3.33k 4.1 7k 5k
Ref=Ground X= 83 3/D iv Y= vol ta ge

51
Gambar 4.34. Hasil simulasi Circuit Maker untuk parameter pengendali berturut-turut:
teta1 (θ 1), teta2 (θ 2), dan teta3 (θ 3).

1.5
1
Uc

0.5
0
-0.5
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
1.5
1
ydot

0.5
0
-0.5
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
5

0
U

-5

-10
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
W aktu(detik)

Gambar 4.35. Hasil simulasi Matlab/Simulink berturut-turut: Uc (sinyal komando uc),

ydot (keluaran rele), dan U (sinyal kendali u).
X a : 5 . 0 0 0 kX b : 0 . 0 0 0 a - b : 5 . 0 0 0fkr e q : 2 0 0 . 0 u
Yc: 1.200 Yd: 0.000 c-d : 1.200

b a
A 1.2 c
1
800m
600m
400m
200m
0 d
0 833 1 .67k 2.5k 3.33k 4.17k 5k
Ref=Ground X=833/Div Y=voltage

X a : 5 . 0 0 0 kX b : 0 . 0 0 0 a - b : 5 . 0 0 0fkr e q : 2 0 0 . 0 u
Yc: 1.200 Yd: 0.000 c-d: 1.200

b a
A 1.2 c
1
800m
600m
400m
200m
0 d
0 833 1.67k 2.5k 3.33k 4.17k 5k
Ref=Ground X=833/Div Y=voltage

52
 X a : 5 . 0 0 0 k X b : 0 . 0 0 0 a - b : 5 . 0 0 0 kf r e q : 2 0 0 . 0 u
Yc: 2.000 Yd:-10.00 c-d: 12.00

b a
A 2 c
0
-2
-4
-6
-8
-10 d
0 83 3 1 .67 k 2.5k 3.33k 4.1 7k 5k
Ref=Ground X= 83 3/D iv Y= vol ta ge

Gambar 4.36. Hasil simulasi Circuit Maker berturut-turut: Uc (sinyal komando uc), ydot
(keluaran rele), dan U (sinyal kendali u).
BAB 5
PENUTUP

5.1. Kesimpulan Hasil Penelitian

5.1.1. Kesimpulan Khusus Untuk Sistem Kendali Pengatur Suhu Ruang
1. Sistem pengatur suhu ruang mengandung model dengan karakteristik rele histeresis.
Oleh karena kendali adaptif akan dirancang berdasarkan model liniernya, maka model
rele tadi didekati dengan model sistem orde-1 untuk mendapatkan model acuan. Suhu
ruang juga mengandung model integrasi sehingga secara keseluruhan model kendalian
berorde-2, sehingga model acuan yang dipilih juga berorde-2.
2. Sistem kendali adaptif model acuan berbasis metode gradien telah mampu
memperbaiki kinerja sistem pengatur suhu ruang dengan membuat pita riak perubahan
suhu ruang menjadi lebih sempit. Proses ini terjadi karena sistem kendali adaptif
berhasil memaksakan sistem tak linier mengikuti perilaku model acuan yang memiliki
riak maksimum (maximum overshoot) yang cukup kecil.
3. Dengan kinerja seperti disebutkan di atas, sistem kendali adaptif dapat digunakan
untuk mengatur suhu ruang dengan pita suhu yang cukup kecil, yaitu persentasi riak
maksimumnya tidak begitu besar.
4. Sistem pengatur suhu ruang tanggap terhadap kenaikan suhu ruang lebih cepat
ketimbang menanggapi penurunan suhu. Sistem kendali adaptif masih belum bisa
mengubah perilaku seperti ini. Oleh karena itu sistem kendali adaptif tidak bisa
memaksakan sistem untuk mengikuti (men-tracking) referensi suhu yang mengalami
penurunan dari suhu tinggi ke suhu rendah dengan kecuraman yang cukup besar.

5.1.2. Kesimpulan Khusus Untuk Sistem Kendali Pendulum Terbalik

53
1. Sistem kendali adaptif model acuan berbasis teori Lyapunov dirancang dari hasil
linierisasi model tak liniernya. Dalam simulasi selanjutnya, kendali adaptif yang telah
dirancang digunakan untuk mengendalikan model tak linier pendulum terbalik.
2. Dari hasil simulasi, sistem kendali adaptif model acuan berbasis teori Lyapunov
mampu mempertahankan kestabilan sistem pendulum terbalik yaitu dengan membuat
posisi pendulum tetap tegak diam berdiri meskipun kereta diberi gaya dorong yang
kecil ke kiri dan ke kanan.
3. Kestabilan sistem pendulum terbalik memiliki batas-batas kestabilan yaitu sistem
kendali adaptif tidak mampu mempertahankan kestabilan sistem bila kondisi awal
sistem berada di luar batas kestabilannya. Secara praktis hal ini ditunjukkan oleh
kondisi awal sudut pendulum yang tentu saja tidak dapat dipertahankan stabil bila
berawal dari posisi sudut tegak lurus terhadap garis vertikal (garis tegaknya).

5.1.3. Kesimpulan Umum

1. Sistem kendali adaptif model acuan yang dirancang dari pendekatan linier dari sistem
tak linier mampu untuk mengendalikan model tak linier seperti ditunjukkan pada dua
kasus: sistem pendulum terbalik dan sistem pengatur suhu ruang (yang mengandung
model karakteristik rele histeresis).
2. Pemilihan model acuan yang tepat adalah penting untuk menjamin bahwa sistem
kendali adaptif mampu memperbaiki kestabilan dan kinerja sistem tak linier.
3. Sistem kendali adaptif adalah sistem kendali yang memiliki parameter-parameter yang
dapat beradaptasi. Bila parameter-parameter tersebut telah mencapai nilai optimalnya
maka secara langsung kendali adaptif juga telah berfungsi optimal. Proses untuk
mendapatkan parameter-parameter optimal dapat dilakukan dengan menghasut sistem
kendali dengan sinyal komando yang berosilasi dengan frekuensi tertentu. Oleh karena
itu, dalam simulasi terkadang sistem kendali perlu diberi sinyal komando dengan
frekuensi tertentu untuk mendapatkan parameter-parameter optimalnya.

5.2. Saran-saran Untuk Penelitian Lanjut

Tantangan yang sangat menarik setelah melaksanakan penelitian ini adalah
bagaimana mengimplementasikan sistem kendali adaptif dalam sebuah rangkaian
elektronis. Pada penelitian ini telah dicoba mengimplementasikan strategi kendali adaptif
dengan pendekatan sinyal analog menggunakan komponen-komponen IC op-amp, IC
pengali analog, resistor dan kapasitor. Hasil simulasi menggunakan program CAD

54
menunjukkan bahwa rangkaian pengendali analog mampu menghasilkan sinyal kendali
sesuai dengan yang diharapkan sepanjang sinyal hasutan yang masuk ke dalam rangkaian
tidak melampaui batas operasi. Selain itu pemilihan nilai-nilai pasangan komponen resistor
dan kapasitor untuk nilai parameter tertentu perlu dilakukan secara tepat.
Pendekatan lain selain sinyal analog adalah pendekatan sinyal digital. Dewasa ini
tersedia beberapa piranti digital yang mengandung sejumlah gerbang logika yang sangat
besar dan dapat diprogram untuk aplikasi tertentu. Piranti yang dimaksud adalah CPLD
(complex programmable logic device) dan FPGA (field programmable gate array). Kedua
piranti dapat diprogram menggunakan bahasa deskripsi perangkat keras (HDL, hardware
description language). Dua bahasa HDL yang cukup terkenal adalah Verilog dan VHDL.
Penelitian ini tidak mengkaji usaha untuk menggunakan kedua piranti tersebut untuk
tujuan implementasi. Namun pada masa yang akan tidak tertutup kemungkinan tim peneliti
kami melakukannya.

DAFTAR PUSTAKA

[1] A.R. Benaskeur, A. Desbiens. “Backstepping-based Adaptive PID Control”.

Electronic paper from Decision Support Systems Section, Defence Research
Establishment Valcartier (DREV), Quebec, Canada.
[2] B. Gough, J. Kay. “Minimum Effort adaptive Control of Pulp Brightness”. Electronic
paper from R&D and Product Division, Universal Dynamics Technologies Inc.
Richmond, British Columbia, Canada.
[3] B. Wilson, B. Gough, J. Kay. “Adaptive Control of Sulphur Recovery Units”.
Electronic paper from Suncor, Fort McMurray, Alberta and Universal Dynamics
Technologies Inc. Richmond, British Columbia, Canada.
[4] C. Tai, T.-C. Tsao. “Adaptive Nonlinear Feedforward Control of an Electrohydraulic
Camless Velvetrain”. Proc. Of American Control Conference, Chicago, Illinois, June
2000.
[5] D. H. Frakes, T. H. Healy, S. Sharma, J. W. Monaco, M. J. T. Smith, A. P.
Yoganathan. “Application of an Adaptive Control Grid Interpolation Technique To
Total Cavopulmonary Connection Blood Flow Image Reconstruction”. Prof. Of
Bioengineering Conference, ASME, BED-Vol 50, 2001.

55
[6] D. Wu, Q. Zhang, J. F. Rheid, H. Qiu. “Adaptive Control of Electrohydraulic
Steering System for Wheel-Type Agricultural Tractor”. Paper No. 993079, An
ASAE Meeting Presentation UILU-ENG-99-7018.
[7] F. Pourboghrat, I. Panahi. “Adaptive Control of Induction Motors with Unknown
Load and Rotor Resistance”. Electronic paper from Electrical Eng. Dept. Southern
Illinois University, and DSP Control Systems Applications, Texas Instrument Inc.
[8] G. L. Plett. “Adaptive Inverse Control of Plants With Disturbances”. PhD
Dissertation at Electrical Eng. Dept. Stanford University, May 1998.
[9] J.-J. E. Slotine, Weiping Li. “Applied Nonlinear Control”. Prentice-Hall, 1991.
[10] J. Y. Cao, Z. Salcic, S. K. Nguang. “Digital Self-Tuning Regulator in a Single FPLD
Chip”. Electronic paper from Dept. Electrical Eng. The University of Auckland. New
Zealand.
[11] J. Zhao, I. Kanellakopoulos. “Discrete-Time Adaptive Control of Output Feedback
Nonlinear Systems”. Proc. Of The 36th IEEE Conference on Decision and Control,
San Diego, CA, December 1997.
[12] K. GiannaKopoulos, T. Deliyannis. “Complementary Transformation of One and
Two-OpAmp Biquads”. Recent Advances in Circuit and Systems. Pp. 37-42. World
Scientific Singapore, 1998.
[13] K. J. Astrom, B. Wittenmark. “Adaptive Control”.2nd ed. Addison Wesley, 1995.
[14] L. Sun, J. M. Krodkiewski, Y. Cen. “Control law Synthesis for Self-Tuning Adaptive
Control of Forced Vibration in Rotor Systems”. Electronic paper from Dept. Of
Mechanical and Manufacturing Eng. The University of Melbourne, Australia.
[15] M. Bodson, J. E. Groszkiewicz. “Multivariabel Adaptive Algorithms for
Reconfigurable Flight Control”. IEEE Trans. On Control Systems Technology, Vol.
5, No. 2, March 1997.
[16] P. J. Gawthrop. “Self-Tuning PID Controllers: Algorithms and Implementation”.
IEEE Trans. On Automatic Control, Vol. AC-31, No. 3, March 1986.
[17] P. R. Gray, R. G. Meyer. “Analysis and Design of Analog Integrated Circuit.” 2nd ed.
John Wiley and Sons, 1984.
[18] R. Isermann, K.-H. Lachman, D. Matko. “Adaptive Control Systems”. Prentice-Hall,
1992.
[19] S.-M. Guo, L.-S. Shieh. C.-F. Lin, J. Chandra. “Adaptive Control for Nonlinear
Stochastic Hybrid Systems with Input Saturation”. Electronic paper from IEEE,
2001.

56
[20] W. H. Ray. “Advanced Process Control”. Butterworths, 1989.
[21] Y. Hong, H. O. Wang, L. G. Bushnell. “Adaptive Finite-Time Control of Nonlinear
Systems”. Electronic paper from Dept. Electrical Of Computer Eng. Duke
University, Durham.
[22] K. Nam, A. Arapostathis. “A Model Reference Adaptive Control Scheme for Pure-
Feedback Nonlinear Systems”. IEEE Transaction on Automatic Control, Vol.33,
No.9, September 1988.

57