Identifikasi Parametrik

- Studi Simulasi terhadap Motor DC M Nur Qomarudin 1 Surabaya, 18 April 2013

Abstrak
Saya memulai dokumen ini Dengan Nama Tuhan Pencipta Semesta Alam, Sang Maha Pengasih dan Maha Penyayang. Sang Maha Tunggal, yang tidak dilahirkan dan juga tidak butuh Keturunan. Saya mencoba melakukan eksperimen dan simulasi sederhana tentang topik Identifikasi Parametrik. Simulasi ini: dilakukan terhadap plant Motor DC menggunakan data input-output Motor DC dengan sinyal uji PRBS (Pseudo Random Binary Signal) menggunakan Matlab v5.3 menggunakan model ARMA

Luaran
Model matematik plant motor DC yang direpresentasikan dalam model auto regressive moving average (ARMA)

Metodologi
1. Merekam data Input-Output dari Plant Motor DC dengan sinyal uji PRBS 2. Menentukan model matematik ARMA 3. Mengestimasi parameter model ARMA 4. Menguji model ARMA hasil estimasi

Merekam Data Input-Output

Proses identifikasi plant membutuhkan data input output (I/O) dari motor dc. Data I/O diambil dari plant motor dc secara open loop dengan menggunakan Pseudo
1

mnurqomarudin.blogspot.com, email: alfiyahibnumalik@gmail.com

Random Binary Signal (PRBS) sebagai sinyal uji. Ketika pengambilan data, motor dc diberi beban berupa rem magnetik dengan skala 3. Data I/O yang terekam kemudian disimpan dalam sebuah file teks dengan nama data.txt.

Meng-import Data ke Matlab

Identifikasi plant dilakukan dengan menggunakan software Matlab versi 5.3. Data I/O yang telah diperoleh kemudian diimpor ke dalam workspace Matlab untuk diolah oleh algoritma identifikasi. Impor data ke workspace Matlab dilakukan dengan perintah berikut. load data.txt

Menentukan Model Matematik

Model yang digunakan sebagai model plant adalah ARMA dengan dan sehingga persamaan model yang dibentuk adalah ( ) ( ) ( ) [ ( ) ( ] ) , ,

Matriks parameter model dinyatakan dalam

Mengestimasi Parameter Model

Setelah menetapkan model plant, perlu dicari setiap parameter yang terdapat dalam model plant. Teknik yang digunakan untuk estimasi parameter adalah pendekatan regresi linier. Persamaan model plant dinyatakan dalam bentuk persamaan regresi linier berikut. () dimana [ Dan () () () ( ( ( ) ) ) ] [ ] () () () ()

()

Dengan pendekatan regresi linier, persamaan model plant dinyatakan dalam matriks berikut. ( ) dan [ ]

[ dengan

. Dengan representasi yang lebih

singkat, matriks di atas dinyatakan dalam notasi

sehingga

Algoritma penyelesaian dengan pendekatan regresi linier seperti penjelasan di atas ditulis dalam file code2.m. Ketika file atau algoritma tersebut dieksekusi, diperoleh parameter model plant sebagai berikut.

Model Hasil Estimasi

Eksekusi algoritma penyelesaian dengan pendekatan regresi linier berhasil mendapatkan parameter model plant. Artinya, model plant motor dc hasil identifikasi adalah sebagai berikut. ( ) ( ) ( ) ( ) ( )

Menguji Model Matematik

Pengujian terhadap model plant hasil identifikasi dilakukan untuk mengetahui tingkat keakuratan model plant. Pengujian dilakukan dengan membandingkan keluaran dari model dengan input PRBS ketika pengambilan data dan sinyal output yang terekam saat pengambilan data. Blok diagram simulasi untuk pengujian plant disimpan dalam file bloksim.mdl. Hasil pengujian ditampilkan dalam grafik di bawah ini. Dalam grafik ini terlihat bahwa, ouput model secara keseluruhan dapat mengikuti nilai output plant yang terekam waktu pengambilan data pada plant motor dc.

Gambar 1 Blok diagram pengujian model plant

Pengujian Hasil Identifikasi 4 3.5 3 2.5

Keluaran

2 1.5 1 0.5 0 Output Model Output Plant Terekam 0 1 2 3 4 5 6 Waktu (detik) 7 8 9 10

Gambar 2 Hasil pengujian model plant motor dc