PENGENDALIAN TEKANAN PADA

PRESSURE PROCESS RIG 38-714

MELALUI MODBUS MENGGUNAKAN
KONTROLER FUZZY-PID

Tedy Ade Wijaya

2208 100 639

Simulasi Sidang Tugas Akhir

22 januari 2011

Pembahasan Materi

Pendahuluan
Perancangan Sistem
Perancangan Kontroler
Implementasi Kontroler
Pengujian Kontroler
Analisa
Kesimpulan

Pendahuluan

Latar Belakang
Perumusan Masalah
Batasan Masalah
Tujuan

Latar Belakang

Pengendalian plant pressure riil berhubungan

dengan perubahan beban tertentu , noise dan
respon yang lambat.
MODBUS standar protokol komunikasi di dunia
industri.
Pengendali PID memiliki tingkat kerja yang tinggi
apabila gain diatur oleh seseorang yang memiliki
pengalaman pada plant yang akan dikontrol.

Perumusan Masalah

Plant Pressure Process Rig 38-714 memiliki perubahan

variable beban dan juga noise yang bersifat acak.
Pengendali PID hanya mampu mengendalikan plant
apabila perubahan parameter yang terjadi tidak
terlalu besar.
Logika Fuzzy yang digunakan harus memiliki nilai pada
Fuzzy rule yang tepat agar parameter yang dihasilkan
untuk tiap perubahan beban dapat menghasilkan
pengendali PID yang dapat mengontrol plant dengan
stabil.

Batasan Masalah

Logika Fuzzy digunakan untuk menentukan nilai

gain parameter PID apabila terjadi perubahan
beban pada plant.
Pendekatan sistem pada plant adalah sistem orde
2.
Perancangan dan implementasi pengendali
menggunakan software LabVIEW.

Tujuan
1.

2.

3.

4.

5.

Mendapatkan data melalui komunikasi MODBUS

untuk keperluan identifkasi dan pengendalian.
Mendapatkan model matematis Pressure Conrol
Trainer Feedback 38-714.
Merancang pengendali tekanan dengan pengendali
Fuzzy-PID .
Mengimplementasikan hasil desain pengendali pada
Pressure Process Rig 38 714.
Menganalisa kestabilan respon sistem closed-loop
terhadap perubahan parameter plant.

Perancangan Sistem

Pengenalan Plant
Identifikasi Plant
Desain Program Simulasi
Desain Program Implementasi

Pengenalan Plant

Mode Komunikasi Modbus

Unicast

Broadcast

Mode Komunikasi Modbus

Konfigurasi Identifikasi

Process
Controller 38-300

Pressure Process
RIG 38-714
Sensor Tekanan
Pneumatik Kontrol
Valve

4 20 mA

4 20 mA

4 20 mA

Process Interface
38-200

PC
MODBUS

OPC
OLE

LabVIEW

Identifikasi Model Plant Menggunakan

Metode Strejc

Parameter yang dicari :

Yss 191
K=
=
= 0.955
Xss 200
Tu 13
n=
=
= 0,139
Ta 93
Ta
93
T=
=
= 34,21633
2,718 2,718
Tu
Tu ' =
Ta = 0,104 95 = 9,672
Tatable

= Tu Tu ' = 13 9,672 = 3,328

n Ta/T parameter
Tu/T Tu/Ta
Berdasarkan
yang didapat
1Maka 1Persamaan
0 model 0plant untuk
2 2,718 kondisi
0,282nominal
0,104
3 3,695 0,805
S
4 4,463 Ke1,425
s) =
5 G (5,119
(Ts +2,100
1)n
G (s) =
G ( s) =

0,218
0,319
0,410

0,955e 3.328 S

(34,21633s + 1)2
3.17824 s + 0.955
1170,75761s 2 + 68,43267 s + 1

Validasi Model
1 n ( x x' )
MSE =

n i =1 x
RMSE = MSE

MSE = 9,561%
RMSE = 3,09%

Persamaan Model Plant

Kondisi Beban
Nominal
Maksimal
Minimal

Persamaan Model Plant

RMSE

3.17824s + 0.955
1170.75761s 2 + 68.43267 s + 1

3,09%

1.44 s + 0.9
1353.6335s 2 + 73.583518s + 1

2,67784 s + 0.895
802,5693s 2 + 56.659308s + 1

0,19%
1,19%

Identifikasi Loop Tertutup

U(s)

R(s) +
Set point

Kp

G(s)

K(As + 1)
G(s) =
(s 2 + s + 1)
R(s)
KpK(As + 1)/(s 2 + s + 1)
=
U(s) 1 + KpK(As + 1)/(s 2 + s + 1)

KpK
(As + 1)
R(s)
KpK + 1
=

+ KpK
U(s)
s2 +
s +1
KpK + 1
KpK + 1

Bila:
KpK
(As + 1)
KpK + 1
K' (A's + 1)
=
2

+ KpK
( ' s + ' s + 1)
2
s +
s +1
KpK + 1
KpK + 1

Maka :
KpK
K '=
KpK + 1

A' = A

'=

KpK + 1

'=

+ KpK
KpK + 1

Persamaan Model Plant loop terbuka

Kondisi
Beban

Nominal

0,8488 3,328 26016,576

Maksimal

0,2432

Minimal

1,6

0,0852 2,992

G ( s )nom =

13536,335
7643,517

1498,4888
726,8351
531,0886

0,84888(3,328s + 1)
26016,57561s 2 + 1498,48879 s + 1

0,24324(1,6 s + 1)
G ( s )maks =
13536,335s 2 + 726,83518s + 1
0,08523(2,992 s + 1)
G ( s ) min =
7643,51714 s 2 + 531,08864 s + 1

Desain Program Simulasi

Desain Program Implementasi

Perancangan Kontroler

Desain Kontroler PID

Desain Kontroler Fuzzy PID

Desain Kontroler PID

R(s)

E(s)
-

C ( s)
=
R( s)

Jika :

s
1
+ d 1
Kp 1 +
i s d 2s +1

U(s)

K (s + 1)
1 2 2
s +
s +1
2

KKp[ i ( d 1 + d 2 ) s 2 + ( i + d 2 ) s ]s + 1
1 2 2

i s ( d 2 + 1) 2 s + s + 1 + KKp[ i ( d 1 + d 2 ) s 2 + ( i + d 2 ) s ]s + 1
n
n

d2 =

i + d2 =
Kp =

*K

i ( d 1 + d 2i ) =

C(s)

C (s)
KKp
=
R ( s ) i s + KKp
C (s)
1
=
is
R( s)
+1
KKp

C (s)
K
=
R( s) * s + 1

Respon menyerupai plant orde 1 maka:

Maka:

d2 =

i + d2 =
Kp =

*K

i ( d 1 + d 2i ) =

Kriteria respon yang diinginkan:

Kondisi Nominal : ts(5%) sekitar 30s , zero overshoot
Kondisi Maksimal : ts(5%) sekitar 35s , zero overshoot
Kondisi Minimal : ts(5%) sekitar 60s , zero overshoot

Desain Kontroler PID

Kondisi

Kp

d1

d2

Nominal

17.61484

1495,28879

14,08042

3,32

Maksimal

25.55593

725,23518

17,06475

1,6

Minimal

30.98068

528,09664

11,48178

2,992

Desain Kontroler Fuzzy PID

3 Membership Function
N

Flow
DFlow

Kp

3 Membership Function
N

Flow
DFlow

3 Membership Function
N

Flow
DFlow

d1

3 Membership Function
N

Flow
DFlow

d2

Rule Base 3 membership function

i

KP
Error/D
Error

Error/D
Error

d2

d1
Error/D
Error

Error/D
Error

Rule Base 5 membership function

i

KP
F/DF

Nz

Pz

F/DF

Nz

Pz

SM

BM

Nz

SM

Nz

BM

SM

BM

BM

SM

Pz

BM

Pz

SM

BM

SM

Rule Base 5 membership function

d2

d1
F/DF

Nz

Pz

F/DF

Nz

Pz

SM

BM

Nz

SM

Nz

BM

SM

BM

BM

SM

Pz

BM

Pz

SM

BM

SM

5 Membership Function
Flow
DFlow

Kp

5 Membership Function
Flow
DFlow

5 Membership Function
Flow
DFlow

d1

5 Membership Function
Flow
DFlow

d2

Pengujian Kontroler

Pengujian Kontroler PID

Pengujian Kontroler Fuzzy PID

Implementasi Kontroler PID

Respon Kondisi Beban Nominal

Implementasi Kontroler PID

Respon Kondisi Beban Maksimal

Implementasi Kontroler PID

Respon Kondisi Beban Minimal

Pengujian Kontroler Fuzzy PID

Respon Kontroler Fuzzy PID 3 Membership Function

Pengujian Kontroler Fuzzy PID

Respon Kontroler Fuzzy PID 5 Membership Function

Analisa

Analisa Kontroler PID Analisis

Analisa Kontroler Fuzzy PID

Performansi Kontroler PID Analisis

Kondisi

Mp(%)

Ts(5%)(detik)

Ess(%)

Nominal

46,1

3,6

Maksimal
Minimal

0
7

20,6
30,2

0,05
2

Analisis Kontroler Fuzzy PID 3

membership Function
Kondisi
awal

Kondisi
MP(%) Ts(5%) Ess(%)
perubahan
(detik)

0
Nominal
Nominal
Maksimal
Maksimal
Minimal
Minimal

Nominal
Maksimal
Minimal
Nominal
Minimal
Nominal
Maksimal

0
0
6,5
0
6,7
0
0

14,2
12,1
7,3
0
15,4
0
9,4

0,01%
0,4
2,4
0,85
3,25
0,4
0,6

Analisis Kontroler Fuzzy PID

5 membership Function
Kondisi
awal

Kondisi
MP(%) Ts(5%)( Ess(%)
perubahan
detik)

0
Nominal
Nominal
Maksimal

Nominal
Maksimal
Minimal
Nominal

0,04
0
6,05
0

14,5
13,4
27.7
0

0,02
0,5
2,8
0,75

Maksimal Minimal

28

Minimal
Minimal

0
0

0
3,3

0,45
0,5

Nominal
Maksimal

Kesimpulan

Pengendali fuzzy PID memiliki respon yang lebih cepat dari

pengendali PID konvensional. Hal ini dapat dilihat dari
respon plant pada kondisi nominal saat ts(5%) sebesar 14,2
detik untuk pengendali fuzzy PID dan 46,1 untuk
pengendali PID.
Jumlah membership function berpengaruh dalam pemilihan
rule base. Semakin banyak jumlah rule base maka akan
semakin sulit menempatkan rule base pada kondisi yang
tepat. Efek yang paling terlihat adalah pada saat kondis
perubahan beban menuju kondisi beban minimal.
pengendali fuzzy PID menggunakan 3 membership function
dapat tercapai dengan waktu 7,3 detik dan pengendali
fuzzy PID menggunakan 5 membership function dengan
waktu 27,7 detik.