FINAL PROJECT SISTEM PENGENDALIAN MODERN

“Full Order Observer Controller Design for Two Interacting Tank

System Based on State Space Approach”
(Sumber Jurnal : Full Order Observer Controller Design for Two Interacting Tans
System Based on State Space Approach)

Disusun Oleh :
SATRIA PANJI WIBOWO 02311745000027

Dosen Pengajar :
DR. KATHERIN INDRIAWATI, S.T., M.T.

PROGRAM STUDI S1 TEKNIK FISIKA

DEPARTEMEN TEKNIK FISIKA
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2018
1. Pemodelan Matematika 2 Tangki Berhubungan

Gambar 1. Pemodelan Tangki

Tinjau tangki I

Tinjau tangki II

Sehingga didapatkan fungsi transfer

 Tabel 1 Tabel Spesifikasi Tangki

2. Analisis Level 2 Tangki Berhubungan Menggunakan State Space

Berdasarkan persamaan karakteristik dari closed-loop system yang didapatkan,
di modelkan dalam bentuk state space sebagai berikut:

-
3. Desain Matrik State Feedback K Untuk Proses 2 Tangki Berhubungan
Misalkan sistem kontrol memiliki persamaan sebagai berikut,

Dimana,

Untuk mendapatkan nilai K terdiri dari beberapa tahap

 Tahap 1, Mengetahui controllability sistem dengan cara,

Untuk mengetahui apakah sistem controlable dapat menggunakan persamaan

matriks sebagai berikut.
B=100
0

[
AB= −0.11 0.11
0.27 −0.0388 0 ][ ] [ ]
100 = 11
27
 Dari persamaan diatas, didapat nilai controllability tidak sama dengan 0
sehingga sistem adalah controllable dan stabil.
 Tahap 2, Mencari gain matrik K dengan K = [k 1 k 2 ] dengan
persamaan karakteristik |SI−A + BK| = 0

 Tahap 3, letak pole yang diinginkan s = -10 dan s = -100.

 Tahap 4, sehingga dengan nilai gain matrik K dapat dicari dengan cara
0.49+100 k 1=110 38 k 1 +27 k 2 +0.0715=1000
k 1=1.095 k 2=35.4930
Selain secara manual, nilai gain kontrol matrik K dapat dicari dengan
menggunakan MATLAB dengan cara sebagai berikut,
>> A = [-0.11 0.11;0.27 -0.0388];
>> B = [100;0];
>> C = [0 1];
>> M = [-10 -100];
>> K = acker (A,B,M)
K=

1.0985 36.8801

Dari hasil perhitungan dan simulasi di MatLab didapat kan nilai K yang tidak jauh
berbeda yaitu 1.095 dan 35.4930 untuk perhitungan dan 1.0985 dan 36.8801
untuk hasil simulasi di MatLab. Nilai K ini digunakan untuk melihat respon
karakteristik sistem ketika nilai K dimasukkan. Hasil karakteristik dapat dilihat
pada Gambar 2 dibawah.
 Gambar 2. Respon Initial Condition

4. Desain Gain Matriks Ke untuk Observer

a. Cek Observability

Det Q = -0.27 , sehingga sistem dapat dikategorikan Observeable

b. Menentukan Gain Matriks Ke dengan menggunakan persamaan
karakteristik

c. Menentukan lokasi pole closed loop

Sehingga, didapatkan persamaan karakteristik sebagai berikut :

d. Menentukan Gain Ke
0.49+100 k e 2=2 0.27 k e 1 +0.11 k e 2 +0.012=5
k e 1=1.51 k e 2=17.8588
Selain secara manual, nilai gain kontrol matrik Ke dapat dicari dengan
menggunakan MATLAB dengan cara sebagai berikut,
A = [-0.11 0.11;0.27 -0.0388];
B = [100;0];
C = [0 1];
D = [0];
G = [-1+j*2 -1-j*2];
Ke = acker(A',C',G)'

Ke =

17.8585
1.8512

5. Desain Observer
Setelah didapatkan gain K dan Ke, kemudian mendesain sistem kontrol
dengan memasukkan gain K dan Ke dalam bentuk matriks ke program
software matlab. Didapatkan hasil respon dari desain sistem kontrol
menggunakan observer sebagai berikut

Gambar 4. Respon Hasil Estimasi Observer

6. Desain Observer dengan peletakan Pole yang Terbaik

Memasukkan pole yang baru berupa matriks ke dalam software matlab agar. Pole-
pole yang di coba adalah
 s = -1+j1 dan s = -1-j1
 s = -1+j3 dan s = -1-j3
 s = -1+j5 dan s = -1-j5
 s = -1+j7 dan s = -1-j7

Hasil respon simulasi untuk setiap nilai pole ditunjukkan pada gambar dibawah

Gambar 5 Peletakan pole s = -1+j1 dan s = -1-j1

Gambar 6 Peletakan pole s = -1+j3 dan s = -1-j3

Gambar 5 Peletakan pole s = -1+j5 dan s = -1-j5

 Gambar 5 Peletakan pole s = -1+j7 dan s = -1-j7
Dari perbandingan respon beberapa nilai pole diatas, dapat diketahui bahwa
untuk setiap pole yang dimasukkan respon sistem tidak stabil. Semakin besar
konstanta imajiner yang dimasukkan semakin terjadi osilasi pada sistem tersebut
menyebabkan sistem menjadi tidak stabil.

7. Kesimpulan
Dari hasil perhitungan dan simulasi yang telah dilakukan pada software
matlab diperoleh kesimpulan bahwa:
a. Telah dilakukan perancangan observer menggunakan pemodelan berupa
state space dengan metode peletakan pole untuk mengestimasi kesalahan
yang terjadi pada 2 tangki berhubungan.
b. Nilai gain kontror K dan gain kontrol observer Ke ditentukan dengan
menggunakan statespace dan diverivikasi dengan menggunakan MatLab.
Hasil yang diperoleh adalah sama antara perhitungan dan simulasi
MatLab.
c. Hasil karakteristik respon sistem 2 tangki berhubungan menunjukkan
hasil yang kurang stabil untuk setiap peletakan pole yang diinginkan.
Masih terjadi osilasi pada sistem yang mana osilasi ni semakin
meningkat seiring dengan meningkatnya konstanta imajiner pada pole
yang menyebabkan sistem tidak stabil.
 LAMPIRAN

MatLab Source Code

 Transfer Fungsi Plant

%state space to transfer function

A = [-0.11 0.11;0.27 -0.0388]
B = [100;0]
C = [0 1]
D = [0]
[num,den] = ss2tf(A,B,C,D)

 Grafik Gain K

%state space to transfer function

A = [-0.11 0.11;0.27 -0.0388]
B = [100;0]
C = [0 1]
D = [0]%Respon to initial condition with design K
M = [-10 -100];
K = acker (A,B,M)
sys = ss(A-B*K, eye(2), eye(2), eye(2));
t = 0:0.01:0.5;
x = initial(sys,[1;0],t);
x1 = [1 0]*x';
x2 = [0 1]*x';
subplot(2,1,1);plot(t,x1),grid
title('Response to Initial Condition')
ylabel('state variabel x1')
subplot(2,1,2);plot(t,x2),grid
title('Response to Initial Condition')
ylabel('state variabel x2')

 Observability
%state space to transfer function
A = [-0.11 0.11;0.27 -0.0388]
B = [100;0]
C = [0 1]
D = [0]%Respon to initial condition with design K
%Check Observability
Ob = obsv(A,C)
R = det(Ob)

 Grafik Observer
%state space to transfer function
A = [-0.11 0.11;0.27 -0.0388]
B = [100;0]
C = [0 1]
D = [0]
G = [-1+j*2 -1-j*2];
%transfer function of the observer controller
% N = [-0.2010 -3.8025];
Ke = [17.8585;1.8512];
AA = A-Ke*C-B*G;
BB = Ke;
CC = G;
DD = 0;
[num,den] = ss2tf(AA,BB,CC,DD)
%Respon to initial condition with design K and Ke
sys = ss([A-B*G B*G;zeros(2,2) A-Ke*C],eye(4),eye(4),eye(4));
t = 0:0.01:4;
x = initial(sys,[1;0;1;0],t);
x1 = [1 0 0 0]*x';
x2 = [0 1 0 0]*x';
e1 = [0 0 1 0]*x';
e2 = [0 0 0 1]*x';
subplot(2,2,1);plot(t,x1),grid
title('Response to Initial Condition')
ylabel('state variabel x1')
subplot(2,2,2);plot(t,x2),grid
title('Response to Initial Condition')
ylabel('state variabel x2')
subplot(2,2,3);plot(t,e1),grid
xlabel('t(sec)'), ylabel('error state variable e1')
subplot(2,2,4);plot(t,e2),grid
xlabel('t(sec)'), ylabel('error state variable e2')

 Grafik Karakteristik Observer

%Karakteristik Observer
%state space to transfer function
A = [-0.11 0.11;0.27 -0.0388]
B = [100;0]
C = [0 1]
D = [0]
G = [-40 -1000];
Ke = acker(A',C',G)'
AA = A-(Ke*C)-(B*G);
BB = Ke;
CC = G;
DD = 0;
[num,den] = ss2tf(AA,BB,CC,DD)
%karakteristik respon observer terbaik
S = tf([num],[den]);
stepplot(S)