Design of MRAC For NonLinear Plant
Design of MRAC For NonLinear Plant
Abstrak: Paper ini memaparkan tentang perancangan sistem kendali adaptif model acuan SKAMA (model reference
adaptive control) untuk kendalian (plant) tak linier. Kendalian tak linier yang dipilih untuk menguji efektifitas aturan kendali
adaptasi melalui simulasi adalah model pendulum terbalik tak linier yang pada dasarnya adalah tidak stabil. Aturan kendali
adaptasi diturunkan menggunakan teori Lyapunov berdasarkan model linierisasi dari pendulum terbalik. Model acuan yang
dipilih adalah model linier yang telah distabilisasi. Kemudian dilakukan simulasi untuk mengamati kinerja SKAMA terhadap
model tak linier-nya. Jadi model tak linier dikendalikan menggunakan aturan kendali adaptif yang diturunkan dari model
liniernya. Kendali umpan-balik status (full state feedback control) melalui simulasi telah dibuktikan tak mampu menstabilkan
pendulum terbalik. SKAMA mampu melakukannya dengan baik, bahkan untuk kasus dimana model parametrik kendalian
tidak diketahui secara pasti (uncertainty) atau berubah seiring waktu (time-varying). Hal yang perlu diperhatikan dalam
perancangan adalah bagaimana memilih model acuan sebijaksana mungkin, karena hal ini mempengaruhi tingkat kestabilan
sistem kendali.
Kata Kunci: Sistem Kendali Adaptif, Kendali Adaptif Model Acuan, Sistem Kendali Tak Linier, Linierisasi Model,
Pendulum Terbalik.
Gbr.1. Diagram kotak kendali adaptif model acuan dengan II. MODEL PENDULUM TERBALIK
kendalian tak linier [1].
Model fisik pendulum terbalik ditunjukkan pada
Sistem kendali adaptif adalah sistem kendali yang Gambar 2. Sebuah gaya F mempengaruhi pergerakan kereta
dapat beradaptasi terhadap perubahan lingkungan eksternal pada bidang datar (horizontal) dan juga mempengaruhi
maupun internalnya untuk dapat mempertahankan kinerja posisi sudut pendulum terhadap sumbu tegak (vertical).
dan stabilitas sistem. Sistem kendali adaptif secara garis Persamaan (1) menunjukkan model persamaan tak linier
besar terdiri atas berbagai tipe, di antaranya kendali adaptif dari pendulum terbalik [3]. Variabel keadaan dari
model acuan (model reference adaptive control), kendali persamaan tersebut adalah:
x1 = posisi kereta pada bidang datar = y (m)
x2 = sudut pendulum pada bidang tegak = (rad) y*
x3 = kecepatan gerak kereta pada bidang datar (m/det)
x4 = kecepatan gerak sudut pendulum (rad/det) m
y
Tabel 1. Variable pada kereta pendulum terbalik.
z
Simbol Keterangan Satuan ℓ
ℓ Panjang pendulum terbalik Meter
F Gaya yang mempengaruhi posisi Newton
kereta F M
Posisi sudut pendulum terbalik Radian
M Massa kereta Kilogram
m Massa pendulum terbalik Kilogram
0
– +
y Posisi kereta Meter
Gbr 2. Model fisik pendulum terbalik.
g = gaya gravitasi bumi = 9.8 m/det2.
x 1 x3
x 2 x 4
1
u mg sin 2 x 2 mx 4 sin x 2
x 3 2
(1)
M m sin 2 x 2
1 1
u cos x 2 mg sin 2 x 2 cos x 2 mx 4 sin 2 x 2 Mg sin x 2 mg sin 3 x 2
x 4 2 2
M msin 2 x 2
III. KENDALI ADAPTIF MODEL ACUAN T d
e Qe ( ) T Pe (7)
Perhatikan model persamaan ruang keadaan berikut:
2 dt
Dengan mengaugmentasi kedua persamaan di atas Dan dengan menurunkan kandidat fungsi Lyapunov (6) dan
maka diperoleh persamaan (16). Dengan mengurai kembali turunannya (7), maka dari persamaan aturan adaptasi
persamaan di atas dan dengan mengganti vektor dengan parameter kendali (9) diperoleh persamaan (20). Ruas kanan
vektor ( – 0), yang mana 0 adalah nilai konvergen dari dari persamaan (17) akan tereliminasi karena tidak
maka diperoleh persamaan (17). Atau dalam bentuk berikut: mengandung parameter kendali.
a
Matriks P adalah matriks positif definit yang diperoleh
(18)
seperti pada (8). Jadi aturan adaptasi parameter-parameter
Selanjutnya persamaan turunan kesalahan dari (5) telah kendali ditunjukkan pada persamaan (21). Nampak pada
dimodifikasi menjadi (21) tidak terdapat lagi parameter-parameter kendalian. Jadi
aturan kendali tidak tergantung pada parameter-parameter
de
kendalian.
Am e a (19)
dt
0 0 uc uc
0 p1 p5 p8 p10 e1
0 x1 x1 p
d
5 p2 p6 p 9 e
2
T Pe 0 0 x2 x2
dt p8 p6 p3 p7 e3
0 0 x3 x3
0 0 x4 x 4 p10 p9 p7 p4 e 4
(20)
u c p8 p10 u c p6 p9 u c p3 p7 u c p7 p4
x p p e
1 8 10 x1 p 6 p 9 x1 p 3 p 7 x1 p 7 p 4 1
d e
x 2 p8 p10 x 2 p6 p9 x 2 p3 p7 x2 p7 p4 2
dt e
x 3 p 8 p10 x3 p6 p9 x3 p3 p7 x3 p7 p 4 3
e
x 4 p8 p10 x 4 p6 p9 x 4 p3 p7 x 4 p 7 p 4 4
(21)
0 0 1 0 0 0
x1 x1 0 x1
x 0 0 0 1 0
x2 1 x2
2 0 mg 1
0 0 Muc L
x 3 M x
3 M M x3
M m g 1 1 x
x 4 0 0 0 x4 M 4
M M
(21a)
0 0 1 0 0 0
x 1 x x1
x 0 0 0 1 1 0 0
x
mg x2 1 1
2 0 0 0 1 u c 2 3 4 5 2
x 3 M x3 M M x3
M m g 0 0 x 1 1
x 4 0 4 M
M x4
M
(21b)
0 0 1 0 0 0
x 1 x1
x 0 0 0 1
x2 0 0
2 0 mg 1 1
0 0 1 u c 2 x1 3 x 2 4 x 3 5 x 4
x 3 M x3 M M
M m g 0 0 x 1 u 1 x x x x
x 4 0 4 M 1 c M 2 1 3 2 4 3 5 4
M
(21c)
0 0 1 0 0 0 0 0 0 0 0 0 0
x m1 0 0 0 1 0 0 0 0 0 0 0 0 0 xm1
x m 2 k1 mg k 2 k k
3 4 0 0 0 0 0 0 0 0 0 xm 2
x M M M M M
m3 k1 m M g k 2 k3 k4 xm 3
x m 4 M M M M M
0 0 0 0 0 0 0 0 0 x
m4
0 0 0 0 0 0 1 0 0 0
0 0 0 x1
x1
x 2 0 0 0 0 0 0 0 1 0 0 0 0 0 x2
q mg q3 q q d
x 3 0 0 0 0 2
M
M
4
M
5
M
0
M
0 0 0 x3
x 4 q2 m M g q3 q4 q5 d
x
0 0 0 0
4
0 0 0 0
1 M M M M M 1
0 0 0 0 0 0 0 0 0 0 0 0 0
2 a a10, 2 a10,3 a10, 4 a10,5 a10,6 a10,7 a10,8 0 0
2
0 0 0
3 10,1 3
0 0 0 0 0 a11, 6 0 0 0 0 0 0 0
4 4
0 0 0 0 0 0 a12,7 0 0 0 0 0 0
5 5
0 0 0 0 0 0 0 a13,8 0 0 0 0 0
…………….. (22a)
V. MODEL TERINTEGRASI VARIABEL KEADAAN anggapan bahwa parameter-parameter 1, 2, 3, 4, dan 5
DAN PARAMETER KENDALI adalah variabel keadaan.
Dengan menganggap parameter kendali 1, 2, 3, 4,
Dari hasil yang telah diperoleh di atas, maka bila dan 5 sebagai variabel keadaan, maka (20) juga merupakan
memandang sistem kendali secara luas dan “secara linier” persamaan keadaan tak linier, dimana e=x – xm. Jadi dengan
maka pada dasarnya terdapat tiga buah blok utama dari mengintegrasi model-model linier disekitar titik origin
sistem yang mengandung variabel yang dapat dianggap (kecuali untuk titik x10=d, dan xm10=dm) dan titik-titik 10=q1,
sebagai variabel keadaan. Pertama adalah blok model ruang 20=q2, 30=q3, 40=q4, dan 50=q5 dari persamaan (2b), (20)
keadaan dari model acuan seperti ditunjukkan pada dan (21c), maka diperoleh model persamaan keadaan linier
persamaan (2b). Kedua, blok kendalian yang dilinierisasi terintegrasi dari keseluruhan sistem kendali seperti
yang ditunjukkan pada persamaan (2a) dimana u pada (2a) ditunjukkan pada persamaan (22a-b).
disubstitusi oleh u yang terdapat pada persamaan (3), maka Titik-titik x10=d, dan xm10=dm yang dipilih sebagai
diperoleh persamaan (21a,b,c). Nampak bahwa persamaan pengecualian di luar titik origin, karena pada dasarnya
tersebut adalah persamaan keadaan tak linier dengan pendulum dapat stabil di sepanjang domain pergerakan
posisi pergeseran pendulum. Sedangkan untuk parameter-
parameter kendali, pada dasarnya parameter tersebut Gambar 3 s.d. 9. Hasil simulasi menunjukkan efektifitas
memang tidak selamanya bergerak menuju titik 0 pada SKAMA untuk mengendalikan kendalian tak linier
keadaan mantap tetapi dapat saja bergerak menuju nilai-nilai pendulum terbalik. Simulasi dilakukan dengan menerapkan
tertentu. sinyal komando periodik pada bagian input sistem kendali.
Model persamaan ruang keadaan pada (22a) adalah Sinyal komando periodik ini berfungsi untuk mengeksitasi
model yang sangat unik. Pada matriks tersebut terdapat parameter-parameter kendali untuk bergerak pada titik-titik
paramater-parameter yang berubah-ubah, yaitu titik-titik optimalnya.
ekuilibrium d1, dm1, q1, q2, q3, q4, dan q5 yang dapat saja Gambar 3 dan 4 masing-masing adalah hasil simulasi
berubah. Namun demikian, bila sistem telah bekerja maka untuk variabel keadaan dan parameter kendali untuk kasus
nilai-nilai ekuilibrium tadi memiliki nilai yang terbatas dimana nilai-nilai parameter M=1kg, m=0.1kg, g=9.8m/det2,
sepanjang sistem menjadi stabil. Inilah hal yang sangat unik dan ℓ=1m. Simulasi dilakukan dengan memilih konstanta
dari matriks tersebut. Kestabilan sistem kendali adaptif =6 dan nilai inisial sudut pendulum x 2(0)=0.1 rad. Pada
tergantung pada nilai titik-titik ekuilibriumnya, dan nilai- simulasi nampak bahwa seluruh variabel keadaan kendalian
nilai ekuilibriumnya akan berada dalam wilayah terbatas dapat digerakkan menuju titik ekilibrium yang stabil.
(bounded area) sepanjang sistem kendali stabil. Nampak pada Gambar 3 seluruh variabel keadaan menuju
Bagian lain yang mempengaruhi kestabilan sistem titik original. Sedangkan pada Gambar 4, seluruh parameter
kendali adaptif adalah elemen-elemen vektor K (k 1, k2, k3 sistem kendali bergerak pada daerah yang terbatas (bounded
dan k4) dan elemen-elemen matriks P (p 3, p4, p6, p7, p8, p9 area). Hal ini sesuai dengan yang telah dijelaskan pada bab
dan p10). Elemen-elemen matriks P tergantung pada elemen- V sebelumnya.
elemen vektor K, dan vektor K merupakan parameter yang Kendali adaptif masih dapat mengendali kendalian tak
terbentuk dari upaya menstabilkan model linier tak stabil linier dengan baik untuk kasus dimana nilai-nilai parameter
dari kendalian pendulum terbalik dengan teknik penempatan yang diubah yaitu: M=1kg, m=0.3kg, g=9.8m/det 2, dan
kutub (pole-placemen technique). Dan vektor ini ℓ=0.5m. Simulasi dilakukan dengan memilih konstanta =4
mempengaruhi bentuk dari model acuan yang akan dipilih. dan nilai inisial sudut pendulum x2(0)=0.1 rad. Gambar 5
Jadi dengan kata lain kestabilan sistem kendali sangat dan 6 menunjukkan hasil simulasi masing-masing untuk
tergantung pada model acuan yang akan dipilih. Dalam variabel-variabel keadaan dan parameter-parameter kendali.
penelitian ini telah diuji cobakan berbagai bentuk model Sekali lagi variabel-variabel keadaan dapat bergerak menuju
acuan dan memang tidak semua bentuk model acuan dapat titik original dan parameter-parameter kendali bergerak pada
menjamin kestabilan sistem kendali adaptif ini. area yang terbatas hingga akhirnya menuju ke nilai-nilai
Analisis kestabilan berdasarkan model persamaan (22) mantap (steady-state) tertentu.
tidak dibicarakan secara detil pada paper ini. Di sini lebih Gambar 7, 8 dan 9 adalah hasil simulasi lain dengan
difokuskan pada alur metodologi perancangan aturan kendali nilai parameter pendulum terbalik M=1kg, m=0.3kg,
adaptif model acuan, dan efektivitas strategi kendali yang g=9.8m/det2, dan ℓ=1.2m. Simulasi ini juga memberikan
telah dirancang ditunjukkan melalui simulasi seperti yang hasil yang memuaskan. Periode sinyal komando pada
dibahas pada bab berikut ini. simulasi ini diperkecil (Gambar 9 atas). Gambar 9 bagian
bawah adalah sinyal kendali yang dihasilkan oleh
VI. HASIL SIMULASI pengendali adaptif. Nampak sinyal kendali bekerja dengan
amplitudo dan frekuensi lebih besar pada awal kerja sistem
Hasil simulasi perancangan sistem kendali adaptif kendali.
model acuan berbasis Teori Lyapunov ditunjukkan pada
1 xm1
x1,xm1
x1
0
-1
0 20 40 60 80 100 120
0.1 xm2
x2,xm2
x2
0
-0.1
0 20 40 60 80 100 120
xm3
x3,xm3
0.5
x3
0
-0.5
0 20 40 60 80 100 120
0.2
x4,xm4
0
-0.2 xm4
-0.4 x4
0 20 40 60 80 100 120
waktu (detik)
Gbr.3. Variabel keadaan untuk M=1kg, m=0.1kg, g=9.8m/det2, ℓ=1m. =6. x2(0)=0.1rad.
5
teta1
0
0 20 40 60 80 100 120
5
teta2
0
-5
00 20 40 60 80 100 120
teta3
-5
-10
0
-10
00 20 40 60 80 100 120
teta5
-10
-20
0 20 40 60 80 100 120
waktu (detik)
Gbr.4. Parameter pengendali untuk M=1kg, m=0.1kg, g=9.8m/det2, ℓ=1m. =6. x2(0)=0.1rad.
xm1
1
x1,xm1
x1
0
-1
0 20 40 60 80 100 120
xm2
x2,xm2
0.1
x2
0
-0.1
0 20 40 60 80 100 120
0.5 xm3
x3,xm3
x3
0
-0.5
0 20 40 60 80 100 120
0.2
x4,xm4
0
-0.2 xm4
-0.4 x4
0 20 40 60 80 100 120
waktu (detik)
Gbr.5. Variabel keadaan untuk M=1kg, m=0.3kg, g=9.8m/det2, ℓ=0.5m. =4. x2(0)=0.1rad.
3
teta1
2
1
0
20 20 40 60 80 100 120
teta2
-2
00 20 40 60 80 100 120
teta3
-5
0 20 40 60 80 100 120
0
teta4
-5
-10
00 20 40 60 80 100 120
teta5
-5
-10
0 20 40 60 80 100 120
waktu (detik)
Gbr. 6. Parameter pengendali untuk M=1kg, m=0.3kg, g=9.8m/det2, ℓ=0.5m. =4. x2(0)=0.1rad.
0.5 xm1
x1,xm1
x1
0
-0.5
0 10 20 30 40 50 60
0.1 xm2
x2,xm2
x2
0
-0.1
0 10 20 30 40 50 60
1.5
x3,xm3
1 xm3
0.5 x3
0
-0.5
0 10 20 30 40 50 60
0
x4,xm4
xm4
-0.5
x4
-1
0 10 20 30 40 50 60
waktu (detik)
Gbr.7. Variabel keadaan untuk M=1kg, m=0.3kg, g=9.8m/det2, ℓ=1.2m. =6. x2(0)=0.1rad.
5
teta1
0
100 10 20 30 40 50 60
teta2
-10
00 10 20 30 40 50 60
teta3
-10
-20
0 10 20 30 40 50 60
10
teta4
0
-10
-20
00 10 20 30 40 50 60
teta5
-10
-20
0 10 20 30 40 50 60
waktu (detik)
Gbr. 8. Parameter pengendali untuk M=1kg, m=0.3kg, g=9.8m/det2, ℓ=1.2m. =6. x2(0)=0.1rad.
dan mengaplikasikannya pada kendalian nyata (real plant)
0.6 adalah pekerjaan yang sangat menarik untuk dilakukan.
0.4 Xm1 Implementasi sistem kendali adaptif ke dalam chip
Uc,X1,Xm1
0.2 Uc
FPGA telah dilakukan [8]. FPGA adalah chip yang terdiri
0
dari puluhan hingga ratusan ribu gerbang logika yang dapat
-0.2
X1
diprogram untuk aplikasi tertentu menggunakan bahasa
-0.4
0 10 20 30 40 50 60
deskripsi perangkat keras (HDL – hardware description
language). Perancangan dilakukan dengan pendekatan
4 hardware-software co-design. Yaitu perangkat keras
pengendali didesain dengan HDL, sedangkan algoritma
2
kendali ditulis ke dalam bahasa Assembly atau C.
u (N)