LINEAR QUADRATIC

REGULATOR
A.EJAH UMRAENI SALAM
 PENGANTAR

• Linear Quadratic Regulator atau disingkat LQR

adalah suatu sistem optimasi control yang
meminimalkan energi yang digunakan yang
nantinya akan berkaitan dengan cost yang
dikeluarkan.
• Rumus LQR

J   x (t )Qx(t )  u (t ) Ru (t ) dt
0

Dimana : Q = matriks definit positif/semi definit positif (dpt

digunakan matriks Identitas
R = matriks definit positif/semi definit positif (biasa
berupa matriks scalar)
• LQR berdasarkan indeks performansinya tidak lain
adalah menentukan matriks K(state variable
feedback) yang berkaitan dengan nilai vector
control optimal u(t)
U(t) = - K x(t)
• Ada beberapa pendekatan yang digunakan untuk
optimasi
• 1. Metode Kedua Liapunov
• 2. Persamaan Ricati
OPTIMASI DENGAN METODE KEDUA
LIAPUNOV
• Pengenalan metode Liapunov
Untuk suatu system control masalah kestabilan biasanya
merupakan hal yang paling penting untuk ditentukan.
Jika system adalah linier dan tidak berubah terhadap
waktu, tersedia banyak Kriteria kestabilan diantaranya
kriteria kestabilan routh atau nyquist. Akan tetapi jika
system tidak linier atau berubah terhadap waktu maka
kriteria kestabilan diatas tidak berlaku.
Liapunov adalah seorang ilmuwan yang menyelidiki
masalah kestabilan system dinamik yang digambarkan
oleh persamaan differensial. Ada dua metode Liapunov
yaitu
- Metode pertama menentukan masalah kestabilan
dengan semua prosedur penyelesaian persamaan
differensial non linier.
- Metode kedua tidak memerlukan penyelesaian
persamaan differensial dan hal ini cukup
menguntungkan karena penyelesaian persamaan
differensial nonlinier maupun berubah terhadap waktu
biasanya sangat sulit apalagi kalau dimensinya sudah
semakin besar. Disamping itu metode ini sangat
bermanfaat untuk menyelesaikan soal-soal optimasi.
 KEDEFINITAN MATRIKS
Sebuah matriks simetriks berukuran n x n. A dikatakan
bersifat definit positif jika untuk sembarang vektor x ≠ 0,
bentuk kuadratik xTAx > 0. Sedangkan dikatakan semidefinit
jika xTAx ≥ 0.
Jika A adalah definit positif maka persamaan xTAx = c,
dengan c adalah konstanta. Jika A adalah matriks diagonal
yang semua unsur diagonal utamanya bernilai positif, maka
A adalah matriks definit positif tapi jika ada paling tidak
sebuah unsur bernilai nol (yang lain positif) menjadi matriks
semidefinit positif.
Matriks yang definit positif, determinan dari matriks definit
positif juga bernilai positif. Jadi determinannya tidak sama
dengan nol, sehingga A bersifat non-singular.
 KRITERIA SYLVESTER
- Suatu matriks dikatakan definit positif jika determinan minornya (Ai)> 0
- Suatu matrks dikatakan semidefinit positif jika determinan minornya > 0
dan ada yang nol(A1 > 0, A2 = 0 dst )
- Suatu matrks dikatakan definit negatif jika determinan minornya A1 < 0,
A2 > 0, A3 < 0, dst)
- Suatu matrks dikatakan semidefinit negatif jika determinan minornya Ai
< 0 dan ada yang nol
- Suatu matriks dikatakan undefinit jika determinan minornya > 0 atau < 0
atau = 0
Contoh
Selidiki bentuk kuadrat berikut :

V(x) = 10x12 + 4x22 + x32 + 2x1x2 – 2 x2x3 – 4x1x3

Bentuk kuadrat V(x) dapat ditulis sbb :

10 1 −2 𝑥1
𝑉 𝑥 = 𝑥 𝑇 𝑃𝑥 = 𝑥1 𝑥2 𝑥3 1 4 −1 𝑥2
−2 −1 1 𝑥3
 Dengan menerapkan kriteria Sylvester, diperoleh

10 1 −2
10 1
10 𝐴1 >0 , 𝐴2 > 0 , 1 4 −1 (𝐴3 ) > 0
1 4
−2 −1 1
Karena semua determinan minor yang berurutan > 0 maka matriks P
adalah definit positif
• Analisa kestabilan metode kedua Liapunov

Metode kedua liapunov menyatakan bahwa suatu

system stabil bila memenuhi kriteria kestabilan garis lurus
yaitu jika titik asal x = 0 stabil didalam ruang secara garis
lurus. Dan matriks P adalah matriks positif definit.
Untuk system linier dan tidak berubah terhadap waktu
syarat perlu dan cukup untuk kestabilan asimptotik dari
titik asal system yakni jika f(x,t) = Ax maka akan terdapat
hanya satu keadaaan setimbang pada saat A non
singular. Atau nilai eigen A mempunyai bagian nyata
negative.
I. PERSAMAAN SISTEM x  Ax

Untuk system dengan bentuk x  Ax

Dalam hal ini system harus dalam keadaan stabil baru dioptimalkan,
keluaran system akan bekerja secara kontinu hingga mencapai harga
yang diinginkan
Bila indeks kinerjanya 
J   x Qx dt ................. (1)
0

Dengan metode kedua Liapunov dinyatakan

d
x Qx   ( x Px )
dt
  x Px  x Px ...............................................(2)

Dimana P adalah matriks simetrik real

 Substitusi persamaan (1) ke (2)
x Qx   x APx  x PAx
  x ( AP  PA) x

Jadi dengan menggunakan nilai Q, dengan matriks A stabil, maka harga

P dapat dicari dengan,
 Q  ( AP  PA) ..........................................(3)
Jika 

J   x Qx dt   x Px   x () Px ()  x (0) Px (0)
0
0
Karena semua nilai eigen A berupa bilangan riel negative (matriks
stabil), maka x  0

Oleh sebab itu diperoleh indeks performansi minimumnya yaitu:

J  x (0) Px (0) .................................(4)
CONTOH

Suatu system control digambarkan dengan blok diagram sebagai berikut :

r e 1 c
- s ( s  3 )

Tentukan harga rasio redaman  0

sedemikian rupa sehingga system yang ditunjukkan dengan gambar

diatas pada masukan tangga satuan r(t) = 1 menghasilkan indeks kerja
sebesar

J  (e 2   e 2 ) dt  0
0
e adalah sinyal kesalahan dengan rumus e = r - c ……..(1)
C ( s) G(s)
Fungsi alih loop tertutup 
R( s) 1  G ( s) H ( s)
Dimana G (s) 
1
, H (s)  1 menjadi C ( s)

1
s 2  3s R( s) s 2  3  s  1

Atau dalam bentuk persamaan differensial

c  3  c  c  r ..............(2)
Substitusi persamaan (1) ke (2)

  3 r  e   r  e  r
r  e
  3  r  3  e  e  0
r  e
  3  e  e  r  3  r
e
 Karena masukan tangga satuan r (0  )  1 ; r(0  )  0 ; r(0  )  0
Sehingga untuk t  0 ,diperoleh,
e  3  e  e  0, dim ana e(0  )  1 dan e(0  )  0

x1  e
Bila x1  x 2  e
  3  x 2  x1
x 2  e

Persamaan keadaan  x1    0 1   x1 

 x   1  3    x 
 2     2 
matriks A

Diketahui indeks kinerja J dapat ditulis ulang sebagai berikut :

 
J   e 2   e 2 dt
0

  x12   x 22 dt
0

1 0   x1 

0
 x1 x2 
0
  
   x2 
dt

1 0
berarti matriks Q  
0  
P dapat dicari Karena A adalah matriks stabil maka nilai matriks

AP  PA  Q

0  1  P11 P12   P11 P12   0 1   1 0

1    
  3   P12 P22   P12 P22    1
 3   0   
  P12  P22    P12 P11  3P12    1 0
   
 11
P  3P12 P12  3 P22    P22 P12  3P22   0   
  2 P12 P11  3P12  P22   1 0 
  
 P11  3P12  P22 2 P12  6P22   0   
 Ada 3 persamaan yang timbul dari persamaan diatas, yaitu
  2 P12  1
1
P12 
2
 2 P12  6P22   
3 1  1 
2  
1 6 2 
2   6P22     Matriks P   
2 1 1  
2 6 

1 
P22 
6
 P11  3P12  P22  0
1 1 
P11  3 ( ) 
2 6

Bila disubstitusikan pada indeks kinerjanya optimal/minimum

J  x (0) Px (0)
3 1  1 
2  
6 2   x1 
 x1 x2   
1 1     x2 
2 6 

3 1   1  2
 x12 (0)      x ( 0 ) x ( 0 )  x 2 ( 0)
 
1 2
 2 6  6
Karena kondisi awal e(0)  x1(0 )  1
e(0)  x2(0)  0,

Sehingga, J  3   1  
2 6
dJ
Untuk meminimumkan J terhadap ζ , maka 0
d
dJ 3 1 
  0
d 2 6 2

3 1  2
 Jika   1 , maka harga optimal ξ adalah
2 6 2 3
1 
 
3
 CONTOH 2
 0 1
Suatu system diskrit x  Ax dengan matriks A 
  1  2
Tentukanlah kestabilan di titik asal
Penyelesaian
4 0
Misal Matriks Q yang dipilih bukan Q = I. Tetapi matriks Q   
0 0 
yang semidefinit positif.(titik P selidiki dengan criteria Sylvester)
Sehingga kita bisa menggunakan matriks tersebut untuk
menentukan titik P
AP  PA  Q

0  1   P P  P P   0 10  4 0 
     .  
11 12 11 12

 01  2  P 12
P  P
22 12
P 22  1  2  0 0 
 2 P P  2 P  P   4 0
    P11  5, P12  2, P22  1
12 11 12 22

P  2P  P
11 12 22
2P  4P   0
12 22
0
5 2
Maka akan diperoleh : atau matriks P  
2 1
II. PERSAMAAN SYSTEM x  Ax  Bu

Untuk system dengan bentuk persamaan, x  Ax  Bu ....................(1)

Matriks vektor control optimal u(t )   Kx(t ) ....................(2)

Substitusi persamaan (2) ke persamaan (1)

x  Ax  B( Kx )
 x( A  BK ) ........................(3)
Asumsi matriks (A-BK) adalah matriks stabil (akar-akarnya mempunyai
bagian nyata negatif)
Bila Indeks Kinerjanya 
J   x Qx  u Ru dt ......................(4)
0
Substitusi persamaan (2) ke persamaan (4)

J   x Qx  K x RKx dt
0

  x Q  K RK x dt
0
Dengan metode kedua Liapunov dinyatakan
d ( x Px )
x (Q  K RK ) x  
dt
  x Px  x Px ....................(5)
Substitusi persamaan (3) ke persamaan (5)
x (Q  K RK ) x   x ( A  BK ) Px  x Px ( A  BK )
  x x[( A  BK ) P  P( A  BK )]
 (Q  K RK )  [( A  BK )P  P( A  BK )]

Dengan pendekatan yang sama diperoleh




J  xQx dt   xPx
0
0
  x() Px ()  x(0) Px (0)

J  x(0) Px(0)
CONTOH 3
Suatu system kontrol dengan persamaan keadaan x  Ax  Bu
digambarkan dalam blok diagram seperti berikut:
 u y
∫ C
B

0 1 0 
Dengan matriks A 
0  1 
; B
0  
,dengan mengasumsikan hukum control linier u   Kx  k1 x1  k 2 x 2
tentukan matriks penguat umpan balik(Koptimal) sedemikian rupa
sehingga indeks kinerja berikut dapat diminimumkan

J   x Qx  u 2 dt
0

Penyelesaian
 0 1 0 
x  ( A  BK )     
 1  1 2 
k k
  0 0    
- Mencari matriks (A-BK)
0 1
  
  k1  k 2 
- Mencari matriks P  (Q  K RK )  [( A  BK )P  P( A  BK )]
 2 k1k 2  0  k1   P11 P12   P11 P12   0
1 0 k1  1
  
0 1  k k 2  1 
 k 2   P12 P22   P12

P22   k1  k 2 
 1 2 k2 

P11  k1P22  k 2 P12   1  k1  k1k 2 

2
 2k1P12 
  2
 P  k P  k P 2 P  2 k P 
 k1k 2  1  k2 
11 1 22 2 12 12 2 22

Ada 3 persamaan yang timbul

`
 2k1 P12  1  k12
11 
P12    k1 
2  k1 
 2 P12  2k 2 P22  1  k 22
1 1 2
P22    k 1  1  k 2 
 k1
2k 2 
 P11  k1 P22  k 2 P12  k1 k 2
1  k 22 
 1  k1  k1  
2

2k 2  k1 
  1  k 22  11  
 1  k1  k1   
2
 k1 
 2 k 2  k1  2  k1  
 Matriks P   
  1  1 
 1  1  k1   1  k 2  k1  
2

 2  k1  2k 2  k1  

Bila disubtitusikan ke dalam indeks kerjanya

J  x (0) Px (0)
  k 22  
 1 1  k 2  k   11  
1   k1 
 2k 2  1 k1  2  k1    x1 
 x1 x2      
   x

 1  1  k1  1  2 1   2 
 1  k 2  k1  
 2  k1  2k 2  k1  
 k 22   1 
2 1   1 1 2 2
 x1 (0) 1  k12  k1   k1  x1 (0) x2 (0)    k1  1  k 2  x 2 ( 0)
2k 2  k1   k1  2 k 2  1
k 
 

Karena kondisi awal x1( 0  )  1

x 2 ( 0  )  0,
  k 2
1 
Sehingga, J  1  k12  k1  2 
2k 2  k1 
 
dj  k 1 k 
Untuk meminimumkan J, ditetapkan `   1
 
2
2
dk  k
1
2k2
2k 
2 1

Jika diasumsikan k1 = 1, maka k 2  3

dj
Untuk  0 akan diperoleh hasil yang sama untuk k1=1 maka k 2  3
dk 2

Sehingga vektor control optimal 

K1 3 
OPTIMASI LQR DENGAN PERSAMAAN
RICATI
Untuk mendapatkan pemecahan terhadap masalah control
optimal kuadratik, dapat juga dengan melakukan proses sebagai
berikut:
Jika R diasumsikan menjadi fungsi Hamilton definit positif atau
matriks simetrik real,
R  T T .........................(1)
Dimana T= matriks non singular
Diketahui
 (Q  K RK )  [( A  BK ) P  P( A  BK )]
( A  BK ) P  P( A  BK )  Q  K RK  0 ........................ (2)
Substitusi persamaan (1) ke persamaan (2)
 ( A  BK ) P  P ( A  BK )  Q  K T  TK  0
AP  BK P  PA  BKP  Q  K  T  TK  0
AP  T  (T ) BK P  PA  T (T ) BKP  (T ) (T ) PBBP  (T ) (T ) PBBP  K T  TK  Q  0
1 1 1 1 1 1

   

I I 0

AP  PA  Q  K T  TK  T (T ) BK P  T (T ) BKP  (T ) (T ) PBBP  (T ) (T ) PBBP  0

1 1 1 1 1 1

Bila R  (T ) (T ) maka
1 1 1

AP  PA  Q  T K   (T ) BP  TK  (T ) BP   R PBBP  0

1 1 1


AP  PA  Q  TK  (T ) BP TK  (T ) BP   PBR BP  0
1 1 1

Untuk meminimumkan J terhadap K maka, TK  (T ) B P  TK  (T ) B P 

1  1

tidak negative maka kondisi minimum akan terjadi jika sama dengan
nol,atau jika TK  (T ) 1 B P
Sehingga K  (T ) 1 (T ) 1 B P
 R 1 B P
Untuk persamaan sistem
x  Ax  Bu dan u   Kx (t ) dan J   x Qx  u Ru dt
Maka vector control optimal untuk system LQR

u   R 1 B P x(t )
Rumus persamaan Ricati dalam mencari matriks P

AP  PA  Q  PBR 1 B P  0
 CONTOH 3
Suatu system kontrol dengan persamaan keadaan x  Ax  Bu
Dengan matriks 0 1 0 
A ;B 
0 0  1 
,dengan mengasumsikan hukum control linier u   Kx  k1 x1  k2 x2

tentukan matriks penguat umpan balik(Koptimal) dengan cara Ricati

sedemikian rupa sehingga indeks kinerja berikut dapat diminimumkan

J   x Qx  u 2 dt
0

Penyelesaian
1 0
Bila diasumsikan R = 1 dan Q  
0  
- Mencari matriks P

AP  PA  PBR 1 BP  Q  0

0 0   P11 P12   P11 P12  0 1   P11 P12  0  P11 P12  1 0
  10 1   0
1
 0  P12 P22   P12 P22  0 0  P12 P22  1   P12 P22  0  
 0 P11   P122 P12 P22  1 0  0 0
P 2P     
  0 0
 11 12   P12 P22 P22  0
2

1  P122 P11  P12 P22  0 0

 
 P11  P12 P22 2 P12  P222    0 0

Maka kita dapatkan 3 persamaan

 1  P122  0
P12  1
 2 P12  P222    0
 2 1 
2(1)  P222    0 Jadi matriks P   
1   2 
P22    2
 P11  P12 P22  0
P11    2  0
P11    2
- Mencari vector control optimal u   Kx(t )
K  R 1B P
 2 1 
 1 0 1  
1   2 

 1 2 
 u   Kx (t )

1 
 x1 

  2     x1    2 x2 
 x2 
Jika diasumsikan k1 = 1, maka nilai k 2  1  2  3