TUGAS BESAR

SISTEM KENDALI LINIER

SISTEM KONTINYU DAN DISKRIT

DISUSUN OLEH:
DEDE IRAWAN SAPUTRA (23214031)
IMAM TAUFIQURRAHMAN (23214093)

SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA

TEKNIK KENDALI DAN SISTEM CERDAS
INSTITUT TEKNOLOGI BANDUNG
2015

A.

ANALISIS SISTEM KONTINYU

1.

Pemodelan
a.

Model Matematika
Diketahui sebuah sistem mempunyai rangkaian seperti gambar di bawah ini:
R1
I

VL

R2

VC
I2

I1

Ei(s)

Eo(s)

Gambar 1. Rangkaian Elektrikal Sistem RLC

Pada sistem rangkaian di atas bahwa I terbagi menjadi 2 buah arus yaitu I1 dan I2.
Z1
I2

I1
Z3

Vi

Z2
Z4

Vo

Gambar 2. Bentuk Impedance Sistem

Dengan menganalogikan sistem menggunakan Complex Impedance sehingga
diperoleh persamaan untuk mendapatkan nilai

dan

b.

Transfer Function
Setelah persamaan

dan

diperoleh maka dapat dicari fungsi alihnya dengan

terlebih dahulu mencari persamaan

dan

Maka bisa dituliskan fungsi alih sistem bentuk Complex Impedance sebagai
berikut

Maka bentuk laplacenya adalah,

Jika R1 = 3 , R2 = 2 , L = 1 H, dan C = 2 F. disubstitusikan ke dalam persamaan

fungsi alih

c.

State Space
Setelah mendapatkan fungsi alih, maka langkah selanjutnya adalah mengubah
ke dalam persamaan State Space:

State space model:

Misal

State Space

Kode matlab

clc;
clear;
% Bentuk Polinomial Sistem
num=[1];
denum=[10 13 3];
% Ubah ke dalam bentuk Fungsi Alih
sys=tf(num,denum);
% Ubah dari Fungsi Alih ke State Space
[A,B,C,D]=tf2ss(num,denum);
sys =
1
----------------10 s^2 + 13 s + 3
Continuous-time transfer function.
A =
0
-0.3000

1.0000
-1.3000

B =
0
1
C =
0.1000
D =
0

2.

Analisa Sistem Lingkar Terbuka

a.

Analisa Respon Transien

Dengan memberikan masukan Unit Step kita bisa melakukan analisis Plant
terhadap Input sehingga diperoleh beberapa parameter yaitu Ts (Settling Time),
Rs (Rise Time), SS (Steady State), dan Tp (Peak Time) dan OS (Overshoot Value).
Dengan menggunakan matlab maka dapat diperoleh respon sistem terbuka
seperti gambar dibawah ini.

Gambar 3. Respon Plant terhadap Input Step

Dari Gambar 3 maka diperoleh informasi bahwa respon sistem saat diberi
masukan Unit Step, mempunyai:
Steady State = 0.33 atau Error Steady State = 67%, Settling Time = 14.2 s dan Rise
Time = 7.86 s, untuk sebuah sistem Settling Time dan Rise Time terlampau lama
sehingga perlu diberi kompensator sehingga respon sistem menjadi lebih cepat.

Program matlab m-file

clc;
clear;
% Bentuk Polinomial Sistem
num=[1];
denum=[10 13 3];
% Ubah ke dalam bentuk Fungsi Alih
sys=tf(num,denum);
% Diberi Masukan Unit Step
step(sys,50);
grid

b.

Analisa Root Locus

Dengan menggunakan perintah rlocus pada matlab maka kita bisa mengetahui
kestabilan pada sistem.

Gambar 4. Grafik Root Locus pada Plant

Dari Gambar 4 maka kita bisa melihat bahwa sistem sudah stabil terlihat dari
letak kutub kutub yang terletak sebelah kiri sumbu imajiner.

Program matlab m-file

clc;
clear;
% Bentuk Polinomial Sistem
num=[1];
denum=[10 13 3];
% Ubah ke dalam bentuk Fungsi Alih
sys=tf(num,denum);
% Root Locus
rlocus(sys);
grid

3.

Eigen Value, Controllability, dan Observability

Dalam perancangan sebuah sistem maka penting untuk mengetahui beberapa

parameter diantaranya Eigen Value, Controllability dan Observability untuk mengetahui

sistem dapat dikendalikan maupun diamati.
a.

Eigen value

Sehingga Eigen Value nya :

Program matlab m-file
clc;
clear;
% Bentuk State Space
A=[0 1;-0.3 -1.3];
B=[0;0.1];
C=[1 0];
D=[0];
% Eigen Value
eigen_value = eig(A)

eigen_value =
-0.3000
-1.0000

b.

Controllability

dan

Rank M = 2 sehingga sistem termasuk Controllable

Program matlab m-file
clc;
clear;
% Bentuk State Space
A=[0 1;-0.3 -1.3];
B=[0;0.1];
C=[1 0];
D=[0];
% Controllability
rank([B A*B])
ans =
2

c.

Observability

Rank N = 2 sehingga sistem termasuk observable

Program matlab m-file

clc;
clear;
% Bentuk State Space
A=[0 1;-0.3 -1.3];
B=[0;0.1];
C=[1 0];
% Controllability
rank([C; C*A])
ans =
2

4.

Penentuan Karakteristik
Dari sistem diatas, akan dirancang kendali dengan spesifikasi sebagai berikut:
-

Maximum Overshoot (Mp) = 10 %

Peak Time (Tp) = 3 detik

Error Steady State (Ess) = 0

Berdasarkan kriteria desain tersebut dapat ditentukan persamaan karakteristik sistem

yang diinginkan
Untuk mendapatkan Maximum Overshoot (Mp) = 10 %, maka parameter yang
berpengaruh adalah Damping Ratio maka persamaannya dapat diturunkan sebagai berikut:

Sehingga diperoleh sebesar 0.59

Peak Time (Tp) diinginkan pada posisi 3 detik

Persamaan karakteristiknya adalah :

Sehingga didapat

Setelah mendapatkan persamaan karakteristik, maka selanjutnya adalah menguji

persamaan tersebut apakah sudah sesuai dengan kriteria yang sudah ditetapkan.
Untuk mengetahui apakah sistem stabil maka bisa diketahui dengan grafik Root Locus

Gambar 5. Grafik Root Locus

Dalam grafik Root Locus terlihat bahwa kutub kutub terletak sebelah kiri sumbu
imajiner, hal ini menggambarkan bahwa sistem sudah stabil.

Gambar 6. Respon Sistem terhadap Input Step

Dari gambar di atas terlihat bahwa respon sistem terhadap Input Step terlihat bahwa
sistem telah sesuai dengan karakteristik yang diinginkan yaitu Maximum Overshoot (Mp) = 10
% dan Peak Time (Tp) = 3 detik.
Program matlab m-file
clc;
clear;
% Bentuk Polinomial System
num=[1];
denum=[1 1.5 1.6129];
% Ubah ke dalam bentuk Fungsi Alih
sys=tf(num,denum);
% Root Locus
rlocus(sys);
grid;
step(sys);
grid;

5.

Desain Pengendali pole placement

Setelah mendapatkan persamaan karakteristik, dari spesifikasi sistem yang
diinginkan maka langkah selanjutnya adalah memindahkan kutubkutub Plant, sesuai
dengan kutubkutub yang sudah diperoleh dari persamaan karakteristik, dengan
menambahkan konstanta penguatan K sebagai umpan balik.
Untuk mendapatkan konstanta penguatan K, persamaan karakteristiknya adalah
sebagai berikut:

Maka nilai K adalah

Setelah mendapatkan nilai kendali K maka langkah selanjutnya adalah denngan

merangkai nilai K dengan Plant dengan komposisi

Gambar 7. Simulasi Plant dengan Pengendali K menggunakan Simulink

Program matlab m-file
% State Space
A=[0 1; -0.3 -1.3];
B=[0; 0.1];
C=[1 0];
D=0;
% Find K
pc=roots([1 1.5 1.6125]);
K=acker(A,B,pc);
% New SS
F=A-B*K;
[num,den]=ss2tf(F,B,C,D);
% State Space to Transfer Function
sys_k=tf(num,den);
% Send referensi Unit Step
step(sys_k,10);
grid
% Root Locus
rlocus(sys_k);
grid

Gambar 8. Respon Plant dengan Pengendali K

Dari Gambar 8 bisa dilihat bahwa respon sistem terhadap input unit step sudah
memenuhi spesifikasi sistem yaitu Maximum Overshoot (Mp) = 10% dan Peak Time (Tp)
= 3 detik.
Setelah didapat nilai penguatan K, maka akan dilakukan plot Root Locus untuk
mengetahui tingkat kestabilan sistem dengan melihat letak pole dan zero baru pada
sistem tertutup.

Gambar 9. Root Locus Plant dengan Pengendali K

Gambar 9 menunjukkan tempat kedudukan akar dari persamaan sistem yang
baru. Terlihat bahwa tempat kedudukan akar yang baru sudah sesuai dengan polepole
persamaan karakteristik yang diinginkan. Hal ini memberikan sebuah pengertian bahwa

perubahan atau pemberian nilai K dapat merubah juga letak polepole dari sebuah
sistem

6.

Tracking
a.

Full-State Feedback tanpa referensi

Pada bagian ini akan diuji suatu sistem yang tanpa input yang mensimulasikan

tanggapan sistem terhadap gangguan dari luar. Model yang akan digunakan adalah
sistem kontrol Full-State Feedback tanpa referensi.
u

x Fx Gu

u = -Kx

Gambar 10. Blok diagram Full-State Feedback tanpa referensi.

Simulasi pada matlab menggunakan parameter dengan State awal

Gambar 11. Simulasi Plant Full-State Feedback tanpa Referensi

Gambar 12. Step Respon Full-State Feedback tanpa referensi.

Dari step respon pada Gambar 12 terlihat bahwa sistem akan kembali ke nilai 0
jika gangguannya berhenti. Hal ini menunjukan bahwa sistem bekerja dengan baik
menghadapi gangguan dari luar sistem.
b.

Full-State Feedback dengan referensi

dan

Pada tahap ini akan dilakukan desain kontrol dengan input referensi. Terdapat
penguatan (pengkondisian) Input agar menghasilkan Error Steady State = 0. Berikut
diagram blok sistem Full-State Feedback dengan referensi.

Nu

Plant
y

-K
x

Nx

Gambar 13. Diagram blok Full-State Feedback dengan referensi

dan

State Space

Program matlab m-file

% State Space
A=[0 1; -0.3 -1.3];
B=[0; 0.1];
C=[1 0];
D=0;
% Find Nx Nu
A_Nx = inv([A B; C D]);
N = A_Nx*[0;0;1];
Nx=[N(1,1);N(2,1)]
Nu=N(3,1)
Nx =
1
0
Nu =
3

Dari nilai-nilai Nu, Nx, dan N yang telah diperoleh kemudian dibuat ke dalam
bentuk diagram blok Simulink untuk mengetahui respon sistem yang dihasilkan.
respon sistem yang diamati adalah respon x1, x2, dan u.
Setelah mendapatkan parameter penguatan nilai Nx dan Nu selanjutnya adalah
memasukan parameter tersebut dengan menggunakan referensi dari gambar diagram
blok Full-State Feedback dengan referensi Nx dan Nu

Gambar 14. Simulasi Plant Full-State Feedback dengan referensi

Gambar 15. Step Respon Full-State Feedback dengan referensi

dan

dan

Pada Gambar 15 grafik menunjukkan bahwa respon performansi sistem sesuai

dengan harapan saat desain yang telah disusun. Memiliki Maximum Overshoot (Mp) =10
%, Peak Time = 3 detik, dan Error Steady State (Ess) = 0.
c.

Full-State Feedback dengan referensi

Selain Full-State Feedback dengan referensi

dan

terdapat juga metode

tracking menggunakan referensi .

Plant
y

+
-K

Gambar 16. Diagram blok Full-State Feedback dengan referensi

Persamaannya adalah

Dengan

Sehingga nilai Kendali

Program matlab m-file

, maka :

% State Space
A=[0 1; -0.3 -1.3];
B=[0; 0.1];
C=[1 0];
D=0;
;
% Find Nx Nu
A_Nx = inv([A B; C D]);
N = A_Nx*[0;0;1];
Nx=[N(1,1);N(2,1)];
Nu=N(3,1);
Nbar=Nu+K*Nx
Nbar =
16.1300

Gambar 19. Simulasi Full-State Feedback dengan referensi

Gambar 17. Step Respon Full-State Feedback dengan referensi

Pada gambar di atas grafik menunjukkan bahwa respon performansi sistem sesuai
dengan harapan saat desain yang telah disusun. Memiliki Maximum Overshoot (Mp) =10
%, Peak Time = 3 detik, dan Error Steady State (Ess) = 0. Sehingga performansi dari
Tracking N sesuai dengan teorinya.

7.

Observer
Fakta bahwa belum tentu setiap State bisa diukur atau jika bisa diukur akan

membutuhkan biaya yang sangat besar. Observer atau Estimator merupakan suatu cara
untuk melakukan Estimasi terhadap sebuah State yang tidak dapat diukur secara langsung.
Observer terdiri dari 2 macam yaitu:
-

Full-Order Observer

Reduce-Order Observer
Pada teori, rule of thumb bahwa untuk menentukan sebuah Estimator, dipilih kutub

kutub yang berada di sebelah kiri 26 kali dari kutub Controller hal ini digunakan untuk
menghasilkan kinerja Estimator yang lebih cepat dari Controller, sehingga menghasilkan
respon sistem yang lebih baik.
Pada proses perancangan ini dipilih lokasi kutub Estimator pada -10 dan -10 yang
diharapkan menghasilkan respon sistem mendekati sistem tanpa Estimator.
a.

Full-Order Observer

Gambar 18. Blok diagram Full Order Estimator

Pada Full-Order Observer mengestimasi seluruh state yang berada pada Plant.
Baik state yang dapat diukur maupun tidak dapat diukur.

Persamaan karakteristik Observer yang diinginkan Pole Pole nya adalah :

Jadi :

Maka nilai L adalah

Setelah mendapatkan persamaan K dan L maka persamaan Observer nya

menjadi

Simulasi menggunakan simulink Initial State

dan

Gambar 19. Simulasi Full-State Observer menggunakan Simulink

Kode matlab m file

A=[0 1; -0.3 -1.3];
B=[0; 0.1];
C=[1 0];
D=0;
pc=roots([1 1.5 1.6125]);
K=acker(A,B,pc);
pe=[-10;-10];
L=acker(A',C',pe);
L=L';
X_0=[0.5; 1];
X_0b=[0; 0];

Gambar 20. Step Respon Full-State Observer Sistem

Gambar 20 menunjukan respon bahwa State X_Est:1 berhasil menjejaki state
X_Plant:1 setelah 0.8 detik, sedangkan X_Est:2 berhasil menjejaki State X_Plant:2
setelah 1 detik ini dirasa cukup cepat, hal ini disebabkan untuk membuat karakteristik
Estimator memerlukan percobaan diambil karakteristik yang paling cepat, secara Rule
Of Thumb adalah 2-6 kali dari kendali. Hal ini memberikan kesimpulan bahwa

melakukan Estimasi memerlukan percobaan agar mendapatkan respon yang lebih

cepat menjejaki State Plant.
b.

Reduce-Order Observer
Reduce-Order Observer merupakan suatu Observer yang mempunyai orde (n-

1), dimana n adalah orde sistem. Caranya adalah dengan mengasumsikan salah satu
State bisa diukur secara langsung. Metode ini dapat mempermudah desain Observer
untuk sistem dengan orde tinggi.

Gambar 21. Blok diagram Reduced Order Estimator

Pada perancangan kali ini akan dilakukan perancangan Reduce Order dengan
persamaan karakteristik Estimator yang diinginkan :

Persamaan karakteristik sistem

Persamaan karakteristik kesalahan Estimator:

Substitusikan persamaan karakteristik kesalahan Estimator

Maka nilai L :

Simulasi menggunakan simulink Initial State

dan

Gambar 22. Simulasi Reduce-Order Observer menggunakan Simulink

Program matlab m-file

clc;
clear;
a=1;
b=2;
A=[0 1;-0.3 -1.3];
B=[0; 0.1];
C=[1 0];
D=0;
pc=roots([1 1.5 1.6125]);
K=acker(A,B,pc);
Lr=18.7;
Fr=B(b)-Lr*B(a);
Ar=A(b,b)-Lr*A(a,b);
Br=A(b,a)-Lr*A(a,a);
Cr=[0;1];
Dr=[1;Lr];
X_0=[0;-5];
X_0b=[0;0];

Gambar 23. Step Respon Reduce-Order Observer Sistem

Dari gambar Step respon pada Gambar 23 menunjukan bahwa State X_est:2
berhasil menjejaki State X_plant:2 setelah 0.4 detik, X_plant:1 tidak diestimasi kembali
karena merupakan nilai yang bisa di ukur. Respon Estimator cukup cepat menjejaki
State Plant.

8.

Kompensator
Setelah nilai K dan nilai L didapatkan maka selanjutnya mengkombinasikan kedua nilai

tersebut menjadi sebuah Kompensator, Kompensator = Kendali + Estimator. Kompensator

terdiri atas 3 jenis dan masing masing kompensator mempunyai fungsi yang berbeda
-

Lead untuk memperbaiki respon sistem (PD)

Lag untuk memperbaiki Error Steady State (PI)

Lead Lag untuk memperbaiki Error Steady State dan respon sistem (PID)
a.

Full-Order Compensator
Fungsi alih kompensator adalah hasil perhitungan kontroler dan estimator harus

ditambahkan pada persamaan sistem.

State Space

Nilai Kendali K

Nilai Kendali Estimator L

Sehingga Fungsi Alih Full-Order Compensator adalah

U(s)
K (sI F GK LH ) 1 L
Y(s)

Diagram Blok

Gambar 24. Simulasi Full-State Compensator Dengan Masukan Step

Program matlab m-file
clc;
clear;
% Plant State Space

A=[0 1;-0.3 -1.3];

B=[0; 0.1];
C=[1 0];
D=0;
% Compensator State Space
K=[13.13 2];
L=[18.7;75.39];
A_c=A-B*K-L*C;
B_c=L;
C_c=K;
D_c=0;
% Convert from State Space to Transfer Function Plant
[plant_num, plant_den]= ss2tf(A,B,C,D);
plant=tf(plant_num,plant_den);
% Convert from State Space to Transfer Function Compensator
[comp_num, comp_den]= ss2tf(A_c,B_c,C_c,D_c);
compensator=tf(comp_num,comp_den);
% Plant * Compensator ==> Feedback
sistem=compensator*plant;
sys_feedback=feedback(sistem,1);
Analisa Kompensator
% Plotting
step(plant,sys_feedback);grid

Gambar 25. Root Locus Full-Order Compensator

Dari grafik Root Locus pada Gambar 25. terlihat bahwa posisi Zero mendahului
Pole hal ini menunjukkan bahwa kompensator termasuk jenis kompensator Lead yang
berarti fungsi kompensator adalah untuk memperbaiki respon sistem, atau dikenal
dengan kompensator (PD).
Diagram blok keseluruhan merupakan hasil penggabungan antara fungsi alih FullOrder kompensator dengan fungsi alih sistem kemudian ditambahkan umpan balik
sistem. Gambar diagram blok keseluruhan sistem dapat dilihat sebagai berikut.

Gambar 29. Simulasi Full-State Compensator Dengan Masukan Step

Untuk membuktikan fungsi dari kompensator maka kita harus melihat respon
Plant sebelum dan setelah dipasang kompensator.

Gambar 26. Root Locus Full-Order Compensator * Plant

Dari Gambar 26 menunjukkan sistem stabil dengan nilai K terbatas. Hal ini
menjadi efek dari tuntutan desain kendali kita yang menginginkan performansi yang
sangat tinggi.

Gambar 27. Perbandingan Respon Plant Dan Plant * Kompensator

Step respon pada Gambar 27 menunjukkan bahwa sistem dengan dengan
kompensator menghasilkan respon yang lebih cepat Rise Time (Tr) = 1.3 detik, dengan
Error Steady State (Ess) = 20 %, sedangkan Plant tanpa kompensator mempunyai Rise
Time (Tr) = 7.86, dengan Error Steady State (Ess) = 67 %. Sesuai teori bahwa
kompensator Lead digunakan untuk memperbaiki respon transien sistem. Maka semua
terbukti pada percobaan di atas

b.

Reduce-Order Compensator
State Space

Nilai Kendali K

Nilai Kendali Estimator L

Substitusikan

Sehingga persamaan fungsi alihnya adalah

Program

matlab

clc;
clear;
a=1;
b=2;
% Plant State Space
A=[0 1;-0.3 -1.3];
B=[0; 0.1];
C=[1 0];
D=0;
% Compensator State Space
K=[13.13 2];
Lr=18.7;
Ar=A(b,b)-(Lr*A(1,2))-(B(b)-(Lr*B(a)) )*K(b);
Br=(Ar*Lr)-A(b,a)-(Lr*A(a,a))-(B(b)-(Lr*B(a)))*K(a);
Cr=K(b);
Dr=K(a)+(K(b)*Lr);
% Convert from State Space to Transfer Function Plant
[plant_num, plant_den]= ss2tf(A,B,C,D);
plant=tf(plant_num,plant_den);
% Convert from State Space to Transfer Function Compensator
[comp_num, comp_den]= ss2tf(Ar,Br,Cr,Dr);
compensator=tf(comp_num,comp_den);
% Plant * Compensator ==> Feedback
sistem=compensator*plant;
sys_feedback=feedback(sistem,1);
% Plotting
step(plant,sys_feedback);grid

m-file

Gambar 28. Root Locus Reduce-Order Compensator

Dari grafik Root Locus pada Gambar 28 terlihat bahwa posisi Zero mendahului
Pole hal ini menunjukkan bahwa kompensator termasuk jenis kompensator Lead,
sama seperti percobaan pada kompensator berorde penuh. Fungsi kompensator Lead
adalah untuk memperbaiki respon sistem, atau dikenal dengan kompensator (PD).
Untuk membuktikan fungsi dari kompensator maka kita harus melihat respon plant
sebelum dipasang kompensator dan setelah dipasang kompensator. Blok diagram

Gambar 29. Simulasi Reduce-Order Compensator Dengan Masukan Step

Untuk membuktikan fungsi dari kompensator maka kita harus melihat respon
Plant sebelum dan setelah dipasang kompensator.

Gambar 30. Root Locus Reduce-Order Compensator * Plant

Dari gambar Root Locus pada Gambar 30 terlihat bahwa sistem stabil untuk
semua nilai K. Hal ini telihat bahwa semua pole sistem berada disebelah kiri sumbu
imajiner dan akan selalu stabil untuk semua nilai K.

Gambar 31. Perbandingan Respon Plant dan Plant * Kompensator

Gambar 31 menunjukkan bahwa sistem dengan dengan kompensator
menghasilkan respon yang lebih cepat Rise Time (Tr) = 1.38 detik, daripada Plant tanpa
kompensator mempunyai Rise Time (Tr) = 7.86. sesuai teori bahwa kompensator Lead
digunakan untuk memperbaiki respon sistem. Maka semua terbukti pada percobaan di
atas.
9.

Pengendali KI

Setelah melakukan pengendalian K ternyata sistem masih mempunyai Error Steady

State (ess) yang sangat besar yaitu 93.7%, meskipun sistem sudah memenuhi kriteria untuk
Maximum Overshoot (Mp) dan Peak Time (Tp).
Untuk itu sistem memerlukan adanya kendali integral untuk memperoleh error steady
state (ess) = 0

Dengan menyamakan persamaan karakteristik

Perlu diperhatikan bahwa langkah ini tidak dapat dilakukan perhitungan dengan
menggunakan matlab karena perbedaan orde pada karakteristik sistem.
Dari hasil perhitungan penguatan Ki. Kemudian dapat dibuat kedalam diagram blok
sebagai berikut.

Gambar 32. Simulasi Plant dengan Pengendali KI menggunakan Simulink

Gambar 33. Respon Plant dengan Pengendali KI

Dari hasil simulasi sistem pada Gambar 32 dan 33 dengan menggunakan kendali
integral telah menunjukkan bahwa Error Steady State (ess) = 0 akan tetapi Maximum
Overshoot (Mp) = 53 %, dan Steady State menjadi lama sekitar 45 detik.
10.

Pengendali Robust

Dalam perancangan kendali seringkali dihadapkan pada kebutuhan mendapatkan suatu

sistem yg sanggup menjejaki masukan referensi dan tahan terhadap gangguan yg tidak putus
dengan Error Steady State (Ess) = 0
Referensi gangguan yang diberikan berikan berupa fungsi step. Dengan persamaan
karakteristiknya:

Dapat disusun persamaan sistem yang baru dalam ruang kesalahan sebagai berikut.

Penguatan kendali robust-nya adalah

Dengan menyamakan persamaan karakteristik

Sehingga persamaan nilai kendali K adalah:

Setelah mendapatkan nilai pengendali robust maka selanjutnya adalah menguji sistem
dengan menggunakan matlab simulink

Gambar 34. Simulasi Kendali Robust menggunakan Simulink

Gambar 34 merupakan diagram blok yang dibuat tanpa menggunakan gangguan
penguatan N, hal ini digunakan untuk mengetahui bagaimana keadaan sistem sebelum
diberikan gangguan, adapun untuk membuktikan ketahanan (Robustness) sistem, bentuk
diagram blok dibuat dengan simulasi gangguan penguatan N. Nilai N dapat dirubah untuk
mengetahui sejauh mana ketahanan sistem.

Gambar 35. Simulasi Kendali Robust dengan N menggunakan Simulink

Gambar 36. Respon Plant dengan Pengendali Robust

Respon sistem di atas menunjukkan bahwa sistem mampu mencapai referensi yang
diinginkan, sekaligus memberikan informasi bahwa sebelum diberi gangguan system dalam
keadaan stabil dengan Error Steady State (Ess) = 0

Gambar 37. Respon Plant dengan Pengendali Robust dengan N

Dengan mengganti nilai penguatan N sebesar 0.5, 1, dan 2 dapat dilihat bahwa sistem
tetap dapat mencapai referensi yang diinginkan. Hal ini membuktikan robustness dari sistem
yang mampu menghadapi gangguan.

B.

ANALISA DISKRIT

1.

Diskritisasi Sistem
Setelah mencari kendalian, Observer, dan kompensator dalam bentuk kontinu, maka

selanjutnya sistem akan di rubah ke dalam bentuk diskrit. Metode yang digunakan adalah
Zero Order Hold (ZOH). Dengan menggunakan Sampling Time (Ts) = 0.1 detik.

Gambar 38. Diagram Blok Close Loop Discrete Sistem

Pemilihan dari Time Sampling (Ts) sangat berpengaruh terhadap karakteristik sistem
diskrit yang akan kita dapat dengan menggunakan matlab fungsi c2d, maka didapat fungsi
alih diskrit:

Program matlab m-file

clc;
clear;
% FA Continuous
num=0.1;
den=[1 1.3 0.3];
sys_c=tf(num,den);
% Convert to Digital
Ts=0.1;
sys_d=c2d(sys_c,Ts);

Fungsi alih dalam bentuk diskrit:

Maka representasi State Space nya

2.

Analisa Sistem
Pada tahap ini Plotting Pole dan Zero dari sistem tertutup digunakan untuk mengetahui

letak Pole - Pole dari sistem pada bidang Z-Plane. Melalui perintah pzmap pada Software
Matlab kita bisa menentukan apakah sistem tersebut stabil atau tidak. Berikut hasil Plotting
Pole dan Zero dengan menggunakan Matlab.
Kode matlab
clc;
clear;
% FA Continuous
num=0.1;
den=[1 1.3 0.3];
sys_c=tf(num,den);
% Convert to Digital
Ts=0.1;
sys_d=c2d(sys_c,Ts);
%pole zero pada z-plane
pzmap(sys_d);

Gambar 39. Pole Zero Mapping Plant dengan Time Sampling 0.1 detik
Berdasarkan Pole-Zero Map, dapat dilihat bahwa sistem memiliki 2 pole yang
terletak pada 0.905 dan 0.97 dan Zero pada -0.958. Pole sistem terletak di dalam Unity
Circle, artinya sistem tersebut stabil.

Setelah mengetahui kestabilan dari Plant melalui Root Locus selanjutnya adalah
mengetahui respon Plant terhadap Input, untuk mengetahui Maksimum Puncak (Mp),
Settling Time (Ts), Rise Time (Tr), Error Steady State (Ess), dan Peak Time (Tp).

Gambar 40. Blok diagram Plant dengan menggunakan Simulink

Gambar 42. Respon Sistem Diskrit dengan Masukan Unit Step

Berdasarkan Gambar 42 terlihat bahwa Plant mempunyai respon yang lambat
terlihat dari Rise Time (Tr) = 7.86 detik, dan Settling Time (Ts) = 14.2 detik. Untuk Error
Steady State (Ess) = 0.677 atau 67 %. Plant tidak mempunyai Maksimum Puncak (MP)
dan Peak Time (Tp).
Program matlab m-file

clc;
clear;
% FA Continuous
num=0.1;
den=[1 1.3 0.3];
sys_c=tf(num,den);
% Convert to Digital
Ts=0.1;
sys_d=c2d(sys_c,Ts);
step(sys_c);
grid

3.

Controllability dan Observability

Selanjutnya dilakukan pengecekan Controllability dari sistem. Ini bertujuan untuk

melihat apakah sistem dapat dikontrol, hal ini berkaitan dengan desain kontrol dengan Pole
Placement dan menstabilkan sistem.

Rank = 2, Sistem Fully Controllable

Program matlab m-file
clc;
clear;
% Bentuk State Space
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=[0];
% Controllability
rank([Bd Ad*Bd])

Kita juga harus melihat Observability dari sistem, Hal ini berkaitan dengan desain
Observer atau Estimator. apakah semua state dapat diukur untuk keperluan pengendalian.
Jika semua state dapat diukur, maka dalam proses desain regulator atau kompensator tidak
diperlukan Estimator.

Rank N = 2 sehingga sistem termasuk Observable

Program matlab m-file
clc;
clear;
% Bentuk State Space
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=[0];
% Observability
rank([Cd;Cd*Ad]);

4.

Penentuan Karakteristik
Langkah selanjutnya adalah mendesain pengendali dengan mememindahkan letak

kutub sesuai yang diinginkan, dari Plotting Pole dan Zero dapat dilihat bahwa letak kutub
berada pada Unity Circle. Karena untuk menentukan peletakan pole dan zero harus berada
pada bagian Unity Circle. Maka pada tahap ini untuk melakukan peletakan kutub dilakukan
dengan sangat hati hati, karena letak Pole dan Zero sangat berpengaruh pada kestabilan
sistem.
Pada bentuk kontinu kita sudah mendapatkan persamaan karakteristik sistem dengan
redaman diharapkan memiliki persen Overshoot tidak lebih dari 10% dan Peak Time (tp)
sebesar 3 detik. Dengan karakteristik respon seperti itu, diperoleh persamaan karakteristik
yang diinginkan dalam domain Laplace yaitu:
dan Pole Pole
karakteristik sistem yang diingkan dalam s-plane yaitu

. Pole tersebut

kemudian diubah menjadi pole dalam Z-Plane.

Jika
Jika

persamaan

maka
maka

Maka pole sistem yang diinginkan terletak pada:

dengan 0.103 dalam radian

pole-pole terletak di dalam lingkaran satuan z-plane, sehingga dapat disimpulkan

bahwa sistem yang diinginkan stabil. Dari pole-pole tersebut diperoleh persamaan
karakteristik yang diinginkan:

Sehingga didapat

Setelah mendapatkan persamaan karakteristik, maka selanjutnya adalah menguji

persamaan tersebut apakah sudah sesuai dengan kriteria yang sudah ditetapkan.
Untuk mengetahui apakah sistem stabil maka bisa diketahui dengan grafik Pole Zero
Mapping dan Respon Transien

Gambar 43. Grafik Root Locus

Dalam grafik pada Gambar 43 terlihat bahwa kutub kutub terletak dalam Unity
Circle, hal ini menggambarkan bahwa sistem sudah stabil.

Gambar 44. Respon Sistem terhadap Input Step

Dari Gambar 44 terlihat bahwa respon sistem terhadap Input Step terlihat bahwa
sistem telah sesuai dengan karakteristik yang diinginkan yaitu Maximum Overshoot (Mp) < 10
% dan Peak Time (Tp)

3 detik.

Program matlab m-file

clc;
clear;
%persamaan karakteristik yang diinginkan
z=tf('z',0.1);
Dz=1/(z^2 - 1.846*z + 0.861)
%pole pada z-plane
pzmap(Dz);grid
step(Dz);grid

5.

Desain Pengendali
Setelah mendapatkan spesifikasi sistem yang diinginkan maka yang dilakukan adalah

merancang pengendali,

Maka nilai K adalah

Program matlab m-file

% State Space Discrete
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Pengendali K
pe=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pe);
% New Sistem
sys_dd=ss(Ad-Bd*K,Bd,Cd,Dd,0.1);
step(sys_dd);grid

Setelah mendapatkan nilai Kendali K maka langkah selanjutnya adalah memasang

kendali K pada Plant

Gambar 45. Simulasi Plant dengan Pengendali K menggunakan Simulink

Gambar 46. Root Locus Plant dengan Pengendali K

Gambar 46 terlihat bahwa tempat kedudukan akar yang baru sudah sesuai dengan
polepole persamaan karakteristik yang diinginkan, dan berada pada Unity Circle, itu
menandakan bahwa sistem stabil. Hal ini memberikan sebuah pengertian bahwa perubahan
atau pemberian nilai K dapat merubah juga letak pole pole dari sebuah sistem. Setelah

mendapatkan informasi tentang kedudukan akan maka langkah selanjutnya adalah menguji
system dengan Input Unit Step.

Gambar 47. Respon Plant dengan Pengendali K

Dari Step Respon pada Gambar 47 terlihat bahwa sistem stabil dengan
Error Steady State (Ess) = 93 %, Rise Time (Tr) = 1.44 detik, Settling Time = 4.66 detik, Peak
Time (Tp) = 3.17 detik dan Overshoot (OS) = 10 % pada masukan Step. Hal ini bisa dikatakan
bahwa sistem telah sesuai dengan spesifikasi seperti yang diberikan sebelumnya.
Setelah melakukan kendalian K ternyata sistem masih mempunyai error steady state
(ess) yang sangat besar yaitu 93 %,
Untuk itu sistem memerlukan adanya kendali integral untuk memperbaiki Error Steady State
(ess) = 0

6.

Tracking
Pada

tahap

ini

kita

akan

mensimulasikan

sistem

kontrol

Full-State

Feedback tanpa referensi. Dari simulasi ini dapat dilihat performansi dari sistem kontrol
terhadap gangguan (Disturbance) dari luar. Pada simulasi ini sistem diberikan Initial State
tanpa memberikan Input Referensi.

Gambar 48. Blok diagram Full-State Feedback tanpa referensi

Simulasi pada matlab menggunakan parameter dengan State awal

Gambar 48. Simulasi Plant Full-State Feedback tanpa Referensi menggunakan Simulink

Gambar 49. Step Respon Full-State Feedback tanpa referensi.

Dari step respon pada gambar 49 terlihat bahwa sistem akan kembali ke nilai 0 jika
gangguannya berhenti. Hal ini menunjukan bahwa sistem bekerja dengan baik menghadapi
gangguan dari luar sistem.
Pada tahap ini akan disimulasikan sistem kendali Full-State Feedback dengan Input
Referensi. Pada simulasi ini akan Referensi Input yang digunakan adalah Input Step. Berikut
diagram blok sistem kendalinya:

Plant
y

+
-K

Gambar 50. Diagram Blok Full-State Feedback dengan referensi

Dengan

menggunakan

Matlab,

kita

diberikan Input Step.

Dimana

, maka

akan

memplot

respon

sistem

saat

Jadi persamaan karakteristiknya menjadi

Kode matlab
clc;
clear;
% State Space Discrete
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Pengendali K
pe=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pe);
% New Sistem
sys_dd=ss(Ad-Bd*K,Bd,Cd,Dd,0.1);
[num,den]=ss2tf(Ad-Bd*K,Bd,Cd,Dd);
sys_dd=tf(num,den,0.1);
% Find Parameter N
inverse_N=-Cd*inv(Ad-Bd*K-[1 0;0 1])*Bd
N=inv(inverse_N)
% Plot
step(sys_dd*N);
grid

Gambar 51. Simulasi Plant Full-State Feedback dengan Kendali N menggunakan

Simulink

Gambar 52. Step Respon Full-State Feedback dengan Referensi

Dari

Step

Respon

diatas,

terlihat

bahwa

sistem

stabil

dengan

Error Steady State (ess) = 0, Rise Time (Tr) = 1.44 detik, Settling Time = 4.66 detik,
Peak Time (Tp) = 3.1 detik dan Overshoot (OS) = 10 % pada masukan Step. Hal ini
bisa dikatakan bahwa sistem telah sesuai dengan spesifikasi seperti yang
diberikan sebelumnya.

7.

Observer
Seperti halnya pada analisa sistem kendali kontinyu, kita selanjutnya merancang

Observer

atau

Estimator

yang

berfungsi

untuk

mengestimasi

State

pada

Plant yang tidak dapat diukur secara langsung.

Pada tahap ini kita akan mendesain suatu Full-State Observer dengan kedua pole
Estimator sistem kontinyu berada pada -10 dan -10.
Persamaan karakteristik Estimator sistem kontinu:

Kemudian karakteristik Estimator dalam domain s (Continuous sistem) dirubah ke

domain z (Discrete system)

sehingga persamaan karakteristik Estimator sistem diskritnya adalah

Dengan menggunakan fungsi ackermann maka nilai Estimasi adalah

Setelah mendapatkan persamaan K dan L maka persamaan Observer nya menjadi

Program matlab m-file

clc;
clear;
% State Space Discrete
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Pengendali K
pc=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pc)
pe=roots([1 -0.7358 0.1353]);
L=transpose(acker(Ad',Cd',pe))
% State Initial
X_0=[-1;1];
X_0b=[0;0];

Simulasi menggunakan software matlab dengan initial state

Gambar 52. Simulasi Full-State Observer menggunakan Simulink

Gambar 53. Step respon Full-State Observer

Dari Gambar 53, step respon di atas bahwa State X_Est:1 dan X_Est:2 berhasil
menjejaki state X_Plant:1 dan X_Plant:2 setelah < 1 detik. Sehingga dapat disimpulkan bahwa
estimator dapat menjejaki state pada plant dengan baik dan cepat.
Pada tahap ini akan didesain Reduce Order Observer dengan Pole Observer terletak
pada

dan

s-plane untuk kasus kontinu.

Sehingga persamaan karakteristik Estimator sistem diskritnya adalah

Dari persamaan karakteristik di atas maka kutub kutubnya adalah 0.3750 dan
0.3608. Maka persamaan karakteristik yang diinginkan untuk reduce estimator adalah

Reduksi sistem:

Persamaan karakteristik kesalahan Estimator:

Substitusikan persamaan karakteristik kesalahan Estimator

Maka nilai L:

Bentuk dari minimum order observer sesuai

Gambar 54. Blok diagram Reduce-Order Observer

Setelah diaplikasikan menggunakan simulink dengan Initial State
menjadi

dan

Gambar 55. Simulasi Reduce-Order Observer menggunakan Simulink

Program matlab m-file
clc;
clear;
a=1;
b=2;
% State Space Discrete
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Pengendali K
pc=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pc);
Lr=1.5;
Fr=Bd(b)-Lr*Bd(a);
Ar=Ad(b,b)-Lr*Ad(a,b);
Br=Ad(b,a)-Lr*Ad(a,a);
Cr=[0;1];
Dr=[1;Lr];
% State Initial
X_0=[0;5];
X_0b=0;

Gambar 56. Step respon Reduce-Order Observer menggunakan Simulink

Hasil simulasi pada Gambar 56 dapat dianalisis bahwa estimator lebih cepat daripada
output sistem. Dengan demikian estimator dapat mengestimasi error dengan baik.
8.

Kompensator
Tahapan yang dilalui setelah mendapatkan nilai nilai Kendali dan Estimator adalah

menyusun kedua parametger tersebut menjadi sebuah kompensator.

Diketahui persamaan state space plant:

Serta penguatan K dan L adalah:

dan

Maka fungsi alih kompensator diperoleh dengan persamaan:

Setelah mendapatkan fungsi alih kompensator langkah selanjutnya adalah mencari

letak kutub kutub dan zero pada lingkaran kestabilan (Unity circle) sumbu Z-Plane.
Program matlab m-file

clc;
clear;
a=1;
b=2;
% State Space Discrete
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Pengendali K
pc=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pc);
pe=roots([1 -0.7358 0.1353]);
L=transpose(acker(Ad',Cd',pe))
% Fungsi Alih Kompensatornya
[num,den]=ss2tf(Ad-Bd*K-L*Cd,L,K,0);
sys_comp=tf(num,den,0.1);
% Plotting Pole dan Zero
pzmap(sys_comp);grid
% Step Response Compensator
Step(sys_comp,10);grid

Gambar 57. Pole dan Zero Kompensator dalam Z-Plane

Pada Gambar 57 menunjukan informasi bahwa letak pole dan zero berada di wilayah
kestabilan (Unity Circle), hal ini menunjukkan bahwa kompensator stabil,

Setelah

mendapatkan informasi lokasi kutub dan zero, maka langkah selanjutnya adalah melakukan
simulasi pemberian sinyal Unit Step ke kompensator untuk melihat respon kompensator
terhadap input.

Gambar 58. Respon Kompensator Full Order Masukan Unit Step

Program matlab m-file
clc;
clear;
a=1;b=2;
% State Space Discrete
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Fungsi Alih Plant
[num,den]=ss2tf(Ad,Bd,Cd,0);
sys_plant=tf(num,den,0.1);
% Pengendali K
pc=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pc)
pe=roots([1 -0.7358 0.1353]);
L=transpose(acker(Ad',Cd',pe))
% Fungsi Alih Kompensatornya
[num,den]=ss2tf(Ad-Bd*K-L*Cd,L,K,0);
sys_comp=tf(num,den,0.1);
% Fungsi Alih System (Plant*Kompensator)
sys=sys_comp*sys_plant;
sys_feedback=feedback(sys,1);
% Plotting
step(sys_feedback,sys_plant);grid

Gambar 59. Respon Sistem Dengan Kompensator * Plant

Dari Gambar 59 terlihat bahwa terjadi perbaikan respon sistem terhadap input yaitu
Error Steady State (Ess) = 0.225, Rise Time (Tr) = 1.27 dan Settling Time (Ts)= 4.51, sehingga
kompensator dinyatakan stabil dan berhasil memperbaiki respon sistem.
Diketahui persamaan state space plant:

Pada kompensator orde tereduksi, persamaan state spacenya adalah sebagai berikut:

Serta penguatan K dan L adalah:

dan

Sehingga dapat ditentukan:

Fungsi alih Reduce Order Compensator

Setelah mendapatkan fungsi alih kompensator kita bisa melakukan pengecekan

terhadap lokasi pole dan zero dari kompensator untuk mengetahui kestabilan kompensator.

Gambar 60. Pole dan Zero Kompensator Tereduksi dalam Z-Plane

Dari Gambar 60 terlihat bahwa lokasi pole berada di wilayah Unity Circle yang berarti
sistem dikatakan stabil, meski demikian letak zero berada di luar Unity Circle, untuk
mengetahui pengaruh yang ditimbulkan ole zero yang berada diluar Unity Circle maka kita

perlu mencoba melihat respon kompensator yang disambungkan dengan Plant terhadap
Input Step.

Gambar 61. Respon Sistem Dengan Kompensator Orde Tereduksi

Respon sistem keseluruhan dengan masukan unit step pada sistem dengan
kompensator orde tereduksi ditunjukkan pada grafik diatas. Respon sistem dengan
kompensator memiliki error steady state yang lebih besar dibanding tanpa kompensator,
kemungkinan hal ini disebabkan letak zero yang berada di luar Unity Circle, akan tetapi sistem
memiliki rise time yang sedikit lebih cepat daripada plant.
Dari kedua kompensator masih belum dapat mencapai Input Reference oleh karena
itu sistem masih membutuhkan desain Tracking, untuk membawa keluaran sistem mampu
melakukan penjejakan sesuai Input Reference.
Program matlab m-file

clc;
clear;
a=1; b=2;
% Plant State Space
Ad=[0 1;-0.8781 1.875];
Bd=[0;1];
Cd=[0.0004586 0.0004789];
Dd=0;
% Pengendali K dan L
pc=roots([1 -1.846 0.861]);
K=acker(Ad,Bd,pc);
Lr=1.5;
% Compensator State Space
Ar=Ad(b,b)-(Lr*Ad(1,2))-(Bd(b)-(Lr*Bd(a)) )*K(b);
Br=(Ar*Lr)-Ad(b,a)-(Lr*Ad(a,a))-(Bd(b)(Lr*Bd(a)))*K(a);
Cr=K(b);
Dr=K(a)+(K(b)*Lr);
% Convert to Transfer Function Plant
[plant_num, plant_den]= ss2tf(Ad,Bd,Cd,Dd);
plant=tf(plant_num,plant_den,0.1);
% Convert to Transfer Function Compensator
[comp_num, comp_den]= ss2tf(Ar,Br,Cr,Dr);
compensator=tf(comp_num,comp_den,0.1);
% Plant * Compensator ==> Feedback
system=compensator*plant;
sys_feedback=feedback(system,1);
% Plotting
step(plant,sys_feedback);grid
pzmap(sys_feedback)

9. Perbandingan hasil desain pengendali

Gambar 62. Perbandingan hasil desain pengendali

Berikut Gambar 62 yang menampilkan semua hasil desain pengendali dimuali dari tes
open loop sampai dengan pendesainan kompensator, legen warna biru merupakan tes open
loop, legen warna hijau merupakan tes close loop pole placement, legen warna biru muda
merupakan desain kendali KI, legen warna merah merupakan kendali dengan tracking Nbar

dan warna kuning merupakan kendali dengan kompensator. Semua kendali mempunyai
kelebihan dan kekurangan dan kendali yang paling baik pada sistem RLC adalah kendali
dengan kompensator yaitu penggunaan kendali pole placement dengan full order
observer/estimator.

Referensi
[1] Ogata, Katsuhiko. (2002). Modern Control Engineering (Fourth Edition). Prentice
Hall.
[2] Nise, Norman. (2011). Control System Engineering (Sixth Edition). John Wiley and
Sons Inc.
[3] Ogata, Katsuhiko. (1995).Discrete Time Control System(Second edition). Prentice
Hall.
[4] Phillips, Charles. (1995). Digital Control System Analisys and Design (Third edition).
Prentice Hall.