Anda di halaman 1dari 13

Sigma Epsilon, ISSN 0853-9103

PERBANDINGAN SISTEM PENGONTROLAN PID KONVENSIONAL DENGAN


PENGONTROLAN CMAC, FUZZY LOGIC DAN ANN PADA WATER LEVEL
PRESSURIZER
Restu Maerani, Syaiful Bakhri
Pusat Teknologi Reaktor dan Keselamatan Nuklir
ABSTRAK
PEMBANDINGAN SISTEM PENGONTROLAN PID KONVENSIONAL DENGAN
PENGONTROLAN CMAC, FUZZY LOGIC DAN ANN PADA WATER LEVEL
PRESSURIZER. Sistem pengontrolan berbagai parameter dalam pengoperasian di pressurizer
sangat diperlukan untuk menjamin keselamatan reaktor daya PWR. Berbagai penelitian telah
dilakukan untuk mendapatkan metode pengontrolan yang paling tepat, untuk mendapatkan tingkat
keselamatan yang tinggi. Pengontrolan yang paling mudah dan paling banyak digunakan adalah PID
controller karena struktur yang kuat dan sederhana. Sedangkan pengontrolan lainnya yang juga bisa
digunakan adalah CMAC (Cerebellar Model Articulation Controller), Fuzzy Logic serta ANN
(Artificial Neural Networks) yang masing-masing memiliki kelebihan dan kekurangan. Studi ini
mengkaji berbagai paradigma pengontrolan ini sehingga diharapkan dapat dipilih model sistem
pengontrolan yang lebih tepat, akurat serta memiliki sistem yang dapat mendukung kinerja
pressurizer dengan baik. Sedangkan untuk lebih memberikan gambaran detil, kajian dikhususkan
pada keempat pengontrolan tersebut dalam aplikasinya dipengukuran water level pressurizer pada
reaktor daya tipe PWR .
Kata Kunci : Pressurizer, PID, CMAC, ANN, Fuzzy Logic

ABSTRACT
COMPARISON BETWEEN THE CONVENTIONAL PID CONTROL SYSTEM AND CMAC,
FUZZY LOGIC AND ANN CONTROL SYSTEM FOR PRESSURIZER WATER LEVEL.
Controlling systems various parameters in the operation in the pressurizer is necessary to ensure the
safety of PWR power reactor . Various studies have been conducted to obtain the most appropriate
control methods , to obtain a high level of safety . Control of the easiest and most widely used is a
PID controller for robust and simple structure . While other control that can also be used is CMAC
( Cerebellar Model Articulation Controller ), Fuzzy Logic and ANN ( Artificial Neural Networks ),
each of which has advantages and disadvantages . This study examines the control paradigm is
expected to be selected so that the control system is more precise, accurate and have a system that
can support good performance with the pressurizer . Meanwhile, to further provide a detailed
overview, studies devoted to the application of the four systems for controlling water level in the
pressurizer power reactors type PWR .
Keywords : Pressurizer, PID, CMAC, ANN, Fuzzy Logic

PENDAHULUAN untuk mengendalikan sprayer, heater, katup


Pressurizer merupakan komponen penting otomatis dan sistem relief. Sistem pengontrolan
yang menjaga kestabilan tekanan dari panas ini berperan dalam menjaga kestabilan tekanan
yang dihasilkan oleh bejana reaktor agar dapat pada pressurizer dengan mengaktifkan
digunakan pada steam generator dengan porsi komponen sprayer apabila tekanan pressurizer
yang tepat. Pressurizer memiliki elemen air dan terlalu tinggi, ataupun sebaliknya mengaktifkan
uap, dan untuk menjaga keseimbangan air dan heater apabila tekanan menurun.
uap tersebut maka dibutuhkan pengontrolan

Vol.17 No. 3 Agustus 2013 129


Sigma Epsilon, ISSN 0853-9103

Untuk mengatur mekanisme kerja pengontrolan Fuzzy Logic. Pengkajian ini juga
pressurizer ini sesuai dengan permintaan daya diharapkan memberikan kontribusi positif
operasi reaktor dibutuhkanlah sebuah sistem meningkatkan pemahaman tentang berbagai
pengontrolan. Salah satu pengontrolan yang metode kontrol yang ada, sekaligus rekomendasi
umum digunakan adalah menggunakan yang lebih obyektif tentang metode pressurizer
pengontrolan PID (Proportional Integral pengontrolan terbaik saat implementasi
Derivative). Pengontrol PID terdiri dari tiga pembangunan reaktor daya PWR nantinya.
komponen, yaitu komponen Proporsional (P),
TEORI
komponen Integral (I) dan komponen Derivatif
Gambaran Singkat Pressurizer dan
(D). Pengontrol PID akan menghasilkan aksi Pengontrolan Level Permukaan Airnya
kontrol dengan membandingkan kesalahan atau Pressurizer merupakan sebuah tabung
error yang merupakan selisih dari process penjaga kesetimbangan panas yang datang dari
variable dan set point sebagai masukan. Teknik bejana reaktor agar nantinya panas tersebut
pengontrolan lainnya, yaitu dengan dapat dipergunakan pada steam generator untuk
menggunakan Fuzzy Logic, memiliki cara yang memanaskan air yang akan dipergunakan
lebih sederhana dalam memberikan keputusan sebagai penggerak turbin. Posisi pressurizer di
seperti halnya manusia berpikir, dengan tipikal sebuah PWR terlihat di Gambar 1. Di
menafsirkan data dan mencari solusi yang lebih dalam kungkungan pressurizer itu sendiri
tepat. Beberapa riset juga berupaya mencari terdapat dua bagian yang terisi oleh air
teknik pengontrolan terbaik seperti: sedangkan bagian lainnya merupakan ruang
pengontrolan level air dengan menggunakan untuk uap panas. Pada kondisi kondisi steady
Cebellar Model Articulation Controller state air yang berada dalam kondisi saturasi
(CMAC), dan penggunaan Artificial Neural berkisar 60% dan selebihnya 40% adalah uap
Networks (ANNs) dalam pemodelan untuk panas. Kemudian terdapat sprayer yang
sistem pemetaan pada reaktor PWR. berfungsi untuk menjaga kestabilan dari uap
Dari berbagai metode pengontrolan yang tersebut agar tidak terlalu panas. Sedangkan
ada, perlu dilakukan pengkajian lebih dalam apabila tekanan uap terus menurun maka
untuk mendapatkan pemahaman yang lebih baik pressurizer memiliki sistem pemanas cadangan,
tentang unjuk kerja dari pengontrolan yang sehingga panas yang diteruskan ke steam
disebutkan di atas. Dari hasil pengkajian generator selalu dalam kondisi stabil. Dengan
makalah ini akan dibandingkan tentang kata lain, pressurizer sangat penting untuk
perbandingan sistem pengontrolan pressurizer menghindari overpressure sekaligus menjaga
dari yang didapat di referensi, seperti kestabilan panas yang dihasilkan dari teras
pengontrolan menggunakan PID konvensional, reaktor agar air pendingin tidak mendidih. Dari
dengan dukungan CMAC (Cerebellar Model sisi keselamatan, sistem pressurizer juga
Articulation Controller), Artificial Neural sebagai penghalang dari peristiwa overpressure
Network (ANN) dan juga menggunakan agar radio nuklida tidak mencapai lingkungan.

130 Vol.17 No. 3 Agustus 2013


Sigma Epsilon, ISSN 0853-9103

Gambar 1 mengilustrasikan posisi pendingin karena perubahan suhunya akan


pressurizer berikut detil konstruksinya. Pada mempengaruhi level permukaan air sekaligus
dasarnya sistem utama pressurizer terdiri dari tekanan dari bagian gas di pressurizer.
beberapa komponen seperti pressurizer vessel, Pada dasarnya level permukaan air di
surge line, electric immersion heaters dan spray pressurizer pada tipikal paradigma kontrol PWR
system. Sebagai catatan sistem pressurizer ini menjadi salah satu parameter seberapa banyak
juga dilengkapi juga dengan beberapa katup air pendingin primer yang tersimpan di untai
(tidak nampak dalam gambar), seperti safety primer reaktor. Pengontrolan level ini juga
valves, isolation valves dan relief valves serta relatif sederhana dengan mengintegrasikannya
pressurizer relief tank sebagai pendukung sistem pada pengaturan sistem pengisian air pendingin
pengaman sekaligus kontrol. Gambar 1(b) juga di kalang primer melalui level chemical and
menunjukkan surge line yang akan volume control system (CVCS). Jika level air
mengakomodasi dua jenis surge sekaligus yaitu pressurizer menurun melewati set value yang
volume insurge, yaitu saat masuknya air sudah ditetapkan sebelumnya maka sejumlah air
pendingin primer dan out surge saat keluarnya ditambahkan, namun apabila meningkat maka
sejumlah volume air pendingin untuk sejumlah air harus dibuang dari sistem
mempertahankan temperatur pendingin pada set pendingin. Proses ini terjadi secara berterusan
point tertentu seiring perubahan beban terhadap dengan pengontrolan seperti ditunjukkan di
PWR. Dengan kata lain perubahan volume yang Gambar 2.
terjadi karena kontraksi dan ekspansi air

(a) (b)
Gambar 1. (a) Posisi pressurizer pada rangkaian reaktor nuklir tipe PWR berikut (b) detil
konstruksinya (1)

Vol.17 No. 3 Agustus 2013 131


Sigma Epsilon, ISSN 0853-9103

Gambar 2. Sistem pengontrolan level air pada pressurizer (2)

Gambar 2 menunjukkan sistem pengontrolan ekspansi atau kontraksi pendingin primer yang
level di pressurizer PWR dengan tiga masukan dapat dipantau dari Tavg dan dimanfaatkan untuk
kendali seperti masukan level air berikut level pengontrolan. Jadi, filosofi pengontrolan yang
referensinya, laju pengisian dan laju ekstraksi sesuai ilustrasi di Gambar 2 adalah bagaimana
alirannya. Sistem pengontrolan seperti terlihat di mengontrol level air dengan mengikuti
Gambar 2, juga dilengkapi sistem pengaman perubahan temperatur rata-rata pendingin
dimana jika terjadi penurunan level air yang reaktor sehingga beban kerja CVCS terhadap
tajam, maka sistem isolasi akan menutup fluktusi permintaan daya pembangkitan
pressurizer sekaligus mematikan pemanas agar terkurangi.
tidak terbakar. Walaupun suhu rerata mempengaruhi
Laju pengisian biasanya dilakukan dengan tekanan dan level air di pressurizer, namun pada
merubah sudut katup pengisian aliran agar level kenyataannya sedikit sekali aksi pengontrolan
air bersesuaian dengan referensinya. Perlu yang dilakukan pada level dibandingkan dengan
dicatat bahwa referensi set point level air sangat tekanannya walaupun pada kondisi transien.
tergantung dari perubahan suhu air rata-rata Karena itu maka kontrol level relatif tidak
pendingin reaktor (Tavg), baik itu dengan metode mempengaruhi sama sekali pengontrolan
kontrol dengan perhitungan uap air yang tekanan pressurizer. Namun, terlepas dari
konstan, suhu rata-rata air yang konstan maupun seberapa sering aksi beban pengontrolan
gabungan keduanya seperti yang banyak dibutuhkan, sistem ini tetaplah membutuhkan
terdapat di Jepang. Jika suhu rerata pendingin metode kendali yang tepat akurat dan tepat
naik Tavg, maka ia akan mengakibatkan ekspansi untuk dipergunakan di PWR. Oleh karena itu
volume air yang akan menaikkan level, dibagian selanjutnya berbagai riset tentang
sebaliknya jika suhu rerata turun maka kontraksi metode pengontrolan yang sudah pernah
akan menurunkan levelnya. Dengan kata lain, dilakukan akan dikaji serta dibandingkan.

132 Vol.17 No. 3 Agustus 2013


Sigma Epsilon, ISSN 0853-9103

PID Controller Konvensional Secara umum, blok diagram pengontrolan PID


PID (Proporsional, Integral, Derivative) pada pressurizer ditunjukkan di Gambar 3. Perlu
adalah pengontrolan dengan unsur P,I dan D dicatat bahwa set point dari level pressurizer
berupa model matematika dengan masukan jika dihitung berdasarkan fungsi suhu salah satu
Gain+Integral+Derivative(3). PID merupakan contohnya ditunjukkan di Gambar 4 berikut ini.
pengontrolan konvensional, yang merupakan Kendali perhitungan PID (algoritma)
bentuk matematis yang sangat baik karena dapat melibatkan 3 nilai konstan parameter yang
mengubah error menjadi nol. Yaitu dengan dipisahkan dan terkadang disebut three-time-
menyamakan proses variabel sama dengan set control: yaitu nilai proportional, integral dan
point sehingga kestabilan pengontrolan dapat derivative, yang dapat diketahui kapan
tercapai. Meskipun PID merupakan sistem waktunya. Nilai P dihasilkan dari nilai error
pengontrolan yang paling unggul, namun ketiga yang masuk dalam sensor, kemudian nilai I
parameter P, I dan D satu sama lain memiliki merupakan akumulasi dari error sebelumnya,
kekurangan dan kelebihan, dapat saling kemudian D akan memprediksi kesalahan
mempengaruhi dan dapat juga berdiri sendiri selanjutnya. Seperti ditunjukkan di Gambar 2
ataupun gabungan ketiganya sehingga dan Gambar 3, aksi pengontrolan ini yang paling
mendapatkan sinyal keluaran untuk sistem yang sering digunakan dalam pengontrolan di
(4)
diinginkan , mengingat komponen dari sebuah pressurizer terutama untuk pengontrolan
kontroler merupakan gabungan dari detektor tekanan. Sedangkan untuk pengontrolan level,
(5)
kesalahan serta penguat sebagai penggerak .

Gambar 3. Diagram Pengontrolan Pressurizer dengan PI

Gambar 4. Contoh set point level pressurizer sebagai fungsi suhu rerata pendingin primer di PWR

Vol.17 No. 3 Agustus 2013 133


Sigma Epsilon, ISSN 0853-9103

aplikasi di PWR sebenarnya cukup dipenuhi dengan:


dengan PI saja. Jika kendali proporsionalnya
1 𝑘 Ɛ 𝑘 −Ɛ 𝑘−1
𝑈𝑃𝐼𝐷 (k) = Kp Ɛ 𝑘 + 𝑖=1 Ɛ 𝑘 𝑇𝑠 + 𝑇𝑑
saja akan menghasilkan keluaran yang 𝑇𝑖 𝑇𝑠

bersesuaian dengan nilai ralatnya, dan selanjut (2)


nya dikalikan dengn gain proporsional Kp dimana Ts adalah periode sampling sedangkan k
untuk mendapatkan respon proporsionalnya. adalah langkahnya.
Sedangkan jika dikombinasikan dengan Integral
Fuzzy Logic
(I) menjadi PI maka akan menghasilkan nilai
Metode pengontrolan lainnya yang diteliti
yang proporsional tidak hanya terhadap
untuk aplikasi di pressurizer adalah Fuzzy Logic,
magnitude ralatnya akan tetapi sampai seberapa
yang merupakan pengembangan lebih lanjut dari
lama ralatnya.
logika boolean. Logika secara klasik menilai
Untuk mendapatkan hasil Kp, Ki dan Kd
berdasarkan benar atau salah, hitam atau putih, 1
yang baik maka kombinasi P, I dan D harus
atau 0, maka pada logika fuzzy melihatnya
dilakukan percobaan membuat diagram blok
dengan tingkat kebenaran. Logika Fuzzy dapat
(6)
sistem dengan cara :
menempatkan suatu nilai diantara 0 dan 1, bisa
1. Memahami sistem.
menilai abu-abu diantara hitam dan putih (7).
2. Mencari sistem dinamik dan persamaan
Secara linguistik, konsep ini menyebutkan yang
diferensial.
tidak pasti seperti "bisa" ataupun "boleh”.
3. Fungsi alih sistem.
Logika ini berhubungan dengan set
4. Menentukan konstanta Kp, Ki dan Kd.
fuzzy dan teori kemungkinan. Contoh dari
5. Menggabungkan fungsi alih dengan aksi
pengembangan logika fuzzy yang diharapkan
pengontrolan.
dari suatu komputer dapat melaksanakan
6. Menguji sistem dengan sinyal masukan pada
pekerjaan manusia, dalam hal ini menggantikan
fungsi alih.
pekerjaan seorang operator dengan meniru
7. Menggambar tanggapan sistem.
kercerdasan yang dimiliki manusia.
Definisi ƒPID(t) sebagai hasil kendali output, Logika fuzzy diharapkan dapat membuat
sedangkan sebagai standar algoritma PID keputusan seperti yang dilakukan manusia
adalah: dengan menafsirkan data yang diberikan untuk
1 𝑡 𝑑 kemudian dapat mencari solusi yang tepat. Oleh
ƒPID = Kp 𝜀 𝑡 + 𝜀 𝑡 𝑑𝑡 + Τ𝑑 𝜀 𝑡 (1)
Τ𝑖 0 𝑑𝑡
karena itu, tidak ada kebutuhan untuk
dimana Kp adalah gain proportional, adalah
membangun model matematis akurat
waktu integral, d adalah waktu derivatif, ε
dikendalikan objek ketika merancang model.
menunjukkan ralat (ε = setpoint – variabel Keuntungan menggunakan logika fuzzy karena
terukur), dan t adalah variabel waktu. Bentuk desain yang lebih sederhana serta lebih mudah
diskrit dari algoritma PID dapat didekati diterapkan.

134 Vol.17 No. 3 Agustus 2013


Sigma Epsilon, ISSN 0853-9103

Gambar. 5. Kombinasi logika fuzzy dengan kontrol PI(8)

Gambar 6. Aplikasi logika fuzzy dengan kontrol PI dan PD(8)

Aplikasi logika fuzzy di pembangkit daya Penelitian metoda ini sebenarnya diaplikasikan
relatif cukup luas, namun masih terbatas dalam pada kontrol tekanan pressurizer, namun dapat
penelitian dan pemodelan. Beberapa penelitian juga diaplikasikan pada pengontrolan level
mengkombinasikan kelebihan dan kekurangan permukaan air di pressurizer dengan sedikit
logika fuzzy dengan pengontrolan konvensional penyesuaian.
seperti terlihat pada Gambar 5 dan Gambar 6. CMAC ( Cerebellar Model Articulation Con-
Gambar 5 dan 6 menunjukkan bahwa logika troller )
fuzzy digunakan untuk mengatur secara dinamis Penelitian lainnya menggunakan Cerebellar
parameter Kp sekaligus waktu integralnya T i Model Articulation Controller (CMAC) sebagai
berdasarkan ralat atau error hasil pengukuran salah satu pengontrolan cerdas karena diklaim
level dengan set point level air pendingin prinsipnya yang meniru pola pikir manusia
sebagai fungsi suhu pendingin. Aplikasi yang untuk dan dapat memberikan keputusan dengan
sama dari logika fuzzy juga diaplikasikan untuk respon yang cepat. Cepatnya respon yang
mencari parameter waktu differential Td yang ditunjukkan karena CMAC tidak menggunakan
diaplikasikan secara terpisah (PD) dan (PI), dan perhitungan numerik dalam menganalisis
tidak sekaligus (PID) untuk menghindari dinamika kontrol yang terjadi namun
kompleksitas perhitungan dan komputasi menggunakan metode look up table dengan
dimensi logika fuzzy yang terlalu besar. membaca memori basis data tertentu (9).

Vol.17 No. 3 Agustus 2013 135


Sigma Epsilon, ISSN 0853-9103

Penelitian ini juga menunjukkan hasil lebih baik connection-links (sinapsis).


dibanding PID terutama karena mampu 3. Setiap sinapsis mempunyai bobot tertentu,
memberikan pendekatan non-linier yang lebih tergantung tipe ANN.
baik. Jika digunakan untuk mengontrol level air 4. Setiap neuron menggunakan fungsi aktivasi
pada reaktor nuklir, CMAC dapat digabungkan yang merupakan penjumlahan dari sinyal-
dengan PID konvensional seperti terlihat di sinyal input untuk menentukan sinyal-sinyal
Gambar 7. output.
Terlihat di Gambar 7, CMAC pada dasarnya Dikatakan juga bahwa ANN merupakan
adalah jaringan saraf tiruan yang memetakan model regresi non linear yang kompleksitas
relasi antara input dan output lewat mode modelnya dapat diubah hanya pada satu lapisan
pengalamatan tertentu dengan aturan-aturan input dan satu lapisan output ketika level
(9)
pembelajaran berdasarkan kondisi keluaran kompleksitas tersebut dalam posisi rendah .
kendali. Dengan kata lain, aturan pembelajaran ANN bisa mengubah kompleksitas jaringan
(Learning Rule) digunakan untuk menghasilkan yang dapat mengakomodasi efek non-linear. Hal
ralat terkecil antara kendali PID dan keluaran ini dilakukan dengan menambahkan satu atau
CMAC. lebih hidden layer pada jaringan.
ANN juga aplikasikan di pressurizer
Artificial Neural Network (ANNs)
pembangkit daya PWR baik pada pemodelan
Wutsqa (2006) dalam dalam teorinya tentang
tekanannya maupun kontrol levelnya. Gambar 8
ANN yang terbentuk dari pengembangan model
mengilustrasikan model pressurizer dengan
matematika yang mensimulasikan teknologi
menggunakan berbagai masukan parameter data
intelegensi manusia dengan dasar-dasar berikut
(9) operasinya, seperti suhu baik di sisi cold leg
:
maupun hot leg, level air, daya reaktor, heater
1. Proses informasi terjadi pada banyak elemen
dan spray sebagai fungsi waktu dan suhu. ANN
sederhana yang disebut neuron.
pressurizer model ini diimplementasikan
2. Sinyal-sinyal dikirim antar neuron melalui
dengan memanfaatkan 8000 pola data latihan

Gambar.7. Struktur Penggabungan CMAC dengan PID

136 Vol.17 No. 3 Agustus 2013


Sigma Epsilon, ISSN 0853-9103

Gambar. 8. Arsitektur ANN pada model pressurizer (10)

dari berbagai kasus, dengan arsitektur 19-13-1 sebelumnya, yaitu bagaimana cara mengotomasi
(19 input, 13 hidden layer dan 1 output). Metoda pemetaan perilaku PID dalam mengendalikan
latih yang digunakan adalah Conjugate Gradient level pressurizer melalui penentuan parameter-
Algorithm (CGA) yang mendasarkan iterasinya parameternya secara lebih akurat dan kontinyu.
pada pada pola-pola gabungan sehingga Dengan kata lain pembebanan matriks
pelatihan tidak harus dilakukan pada seluruh pembelajarannya ditentukan dari perilaku
data. Metoda ini diklaim lebih cepat konvergen keluaran sehingga didapat parameter persamaan
dibanding pelatihan dengan backpropagation proporsional, integral dan differensial. Dengan
konvensional dan menghemat sumber daya demikian, kesulitan PID dalam mengatasi
komputasi karena pelatihan tidak harus kontinyu berbagai kondisi operasi dapat diatasi dengan
dilakukan. Sedangkan untuk aplikasi kontrol pembelajaran mandiri dari kondisi sebuah sistem
menggunakan ANN dijelaskan pada Gambar 9. dengan jaringan saraf tiruan ini.
Gambar 9 mengilustrasikan salah satu
METODOLOGI
aplikasi ANN pada pengontrolan level di PWR Dengan membandingkan model sistem
dengan menggunakan algoritma Radial Basis pengontrolan PID, pengontrolan CMAC, Fuzzy
Function (RBF). Ide dasar dari aplikasi ANN Logic dan ANN yang ada pada makalah-
sama dengan implementasi logika fuzzy makalah yang diambil dalam referensi daftar,

Gambar. 9. Metode pengontrolan level dengan ANN-RBF pada model pressurizer(11)

Vol.17 No. 3 Agustus 2013 137


Sigma Epsilon, ISSN 0853-9103

dicari masing-masing kelemahan dan kelebihan Sedangkan berbagai tantangan yang ada
sistem pengontrolannya dengan me-list-kannya biasanya dapat diatasi dengan fine tuning
dalam bentuk tabel perbandingan. Selanjutnya parameternya sehingga didapat performa terbaik
dievaluasi dan dibahas dalam Bab Hasil dan dari sistem kontrol ini.
Pembahasan, serta menarik kesimpulan tentang Terlepas dari kehandalan kendali PID pada
model sistem pengontrolan yang lebih tepat dan aplikasi pengontrolan pressurizer, berbagai
akurat untuk digunakan dalam pengontrolan macam kendali lainnya terus dikembangkan
pressurizer. untuk memperbaiki unjuk kerja yang ada.
Namun, dari literatur yang ada sedikit sekali
HASIL DAN PEMBAHASAN
informasi yang menyebutkan aplikasinya secara
Hasil perbandingan berbagai metoda
mandiri. Baik logika fuzzy, maupun jaringan
pengontrolan yang sudah didiskusikan di bagian
saraf tiruan atau ANN biasanya dikombinasikan
dasar teori ditunjukkan di Tabel 1. Perbandingan
untuk menunjang kinerja kontrol PID. Sebagai
ini meliputi beberapa faktor dan parameter
contoh, gabungan pengontrolan PID dengan
diantaranya kompleksitas perhitungan, respon
ANN-RBF menghasilkan respon yang lebih
terhadap gangguan, kemampuan analisis
cepat, mampu memulihkan stabilitas sistem
dinamis dan aplikasi kendalinya pada water
dengan cepat, sekaligus tahan terhadap
level pressurizer.
gangguan(1). Hal yang sama juga ditunjukkan
Tabel 1 menunjukkan perbandingan
pada hasil penelitian terhadap kombinasi ANN-
beberapa metode pengontrolan pressurizer
CMAC. Namun penelitian CMAC ini walaupun
ditinjau dari beberapa aspek penting untuk
mengklaim respon waktu yang cepat terhadap
implementasinya di pembangkit daya PWR.
dinamika masukan fungsi step namun respon ini
Dari berbagai referensi yang ada terlihat bahwa
tidak dapat dibedakan, seperti tampak pada
kontrol PID konvensional adalah metode yang
grafik yang diberikan dengan masukan PID.
satu-satunya ditelah diterapkan di pressurizer
Berbeda dengan kombinasi pengontrolan
PWR dengan keterbatasannya yang ada. Hal ini
PID dan ANN, kombinasi pengontrolan PID dan
mungkin karena kehandalannya yang
logika fuzzy lebih membutuhkan kehati-hatian
berdasarkan pada persamaan analitis numerik
dalam implementasinya. Hasil penelitian
sederhana sehingga lebih mudah
menunjukkan bahwa kelebihan dan kekurangan
diimplementasikan pada perangkat keras
PID dan logika fuzzy bisa saling menghilangkan
berbasis kendali sistem digital maupun kendali
dan tidak memberikan peningkatan performa
sistem analog. Sebagai catatan algoritma PID
yang signifikan. Untuk mengatasi ini sebuah
sudah dapat diimplementasikan secara langsung
penelitian mengusulkan pengaturan kasar
pada sistem digital yang biasa dipakai di PWR
(coarse adjustment) dilakukan dulu oleh fuzzy
baik pada programmable logic controller PLC
kemudian diikuti dengan pengaturan kontrol
maupun field programmable gate array FPGA.
secara halus (fine adjustment) dengan PID.

138 Vol.17 No. 3 Agustus 2013


Sigma Epsilon, ISSN 0853-9103

Tabel 1. Perbandingan beberapa metode pengotrolan level di pressurizer


Parameter
PID FUZZY LOGIC CMAC-ANN RBF-ANN
Perbandingan
Respon Kurang stabil Tidak disebutkan Aplikasi CMAC Aplikasi ANN-RBF
waktu apabila makin dalam penelitian secara langsung secara langsung
banyak masukan namun kurang baik tidak tersedia. tidak tersedia.
datanya. Overshoot dibanding PID. Gabungan CMAC Gabungan PID yang
sangat tergantung dg PID mengurangi di-tune dengan RBF
dari parameter overshoot dan lebih baik dalam
proporsional, mempercepat respon mengurangi over-
differensial dan waktu. shoot dan
integral. mempercepat
respon waktu
dibanding
kombinasi PID
CMAC.
Respon Dengan kondisi Lebih sensitif Lebih tahan terhadap Gabungannya
terhadap normal, kalah jika terhadap noise gangguan dengan PID akan
gangguan dibandingkan dibanding PID, dibandingkan lebih tahan terhadap
dengan gabungan sehingga PID (1) gangguan (2)
PID dengan mempengaruhi
CMAC. stabilitas
pengontrolan (2).
Perhitungan Analisis numerik  Model matematika  Jaringan saraf  Jaringan saraf
sederhana karena kontrol tidak tiruan, fenomena tiruan, (black
strukturnya juga diperlukan fisik tidak dapat box).
yang sederhana,  Semakin banyak direpresentasikan  Kecepatan
namun bisa variabel input (black box). perhitungan
merepresentasikan semakin  Terlalu banyak sangat tergantung
fenomena fisis. meningkatkan neuron akan jumlah layer,
kompleksitas memberatkan dan jumlah neuron
membership rule mempengaruhi dan metode
table. perhitungan (8) pelatihannya (8).
 Tuning Fuzzy  Akurasi tergantung  Kemampuan self
data look-up table learning
dan pembelajaran
terhadapnya.
Analisis Sangat tergantung Cenderung tidak Cocok untuk kondisi Dapat memecahkan
Dinamika dari pengesetan stabil dan efek nonlinier, dinamis kondisi nonlinear
parameter PID (Kp, kontrol tidak dan real time (8)
Ki, Kd) sempurna pada
pengontrolan fuzzy
dua dimensi (8).

Aplikasi pada Sudah Terbatas pada  Pengontrolan  Sangat baik


system endali diaplikasikan pada simulasi (8). CMAC sangat dengan
Water Level reaktor PWR baik apabila menambahkan
menambahkan PID PID Controller (8)
Controller (10).  Terbatas pada
 Sebatas simulasi simulasi

Vol.17 No. 3 Agustus 2013 139


Sigma Epsilon, ISSN 0853-9103

Hal ini memberikan efek yang lebih baik pada diperbaiki dengan penambahan metode
pengurangan overshoot δ berkurang sebesar kecerdasan buatan terutama untuk menentukan
1,4%, dan waktu untuk mencapai puncak parameter PID secara lebih akurat dan kontinyu.
pertama (Ts) berkurang 53%, dan waktu Akan tetapi penambahan ini harus dilakukan
penetapan (settling time). Disamping hasil yang dengan hati-hati dan melibatkan riset yang
cukup baik ini, satu hal lain yang patut menjadi mendalam, karena pengalaman menunjukkan,
perhatian dalam aplikasi kombinasi ini adalah penambahan metode ini boleh jadi malah akan
munculnya noise karena fungsi derifatif PID dan menurunkan performa PID seperti munculnya
korelasinya dengan metode fuzzy. Belum ada penambahan noise, lambatnya waktu naik
hasil penelitian yang menjelaskan secara detil karena ketidak mampuan sistem cerdas dalam
tentang hal ini serta dampaknya bagi sistem merespon, atau detrimental faktor lainnya
keselamatan pada umumnya. karena cacat bawaan dari metode kecerdasan
buatan.
KESIMPULAN
Dari kajian ini dapat disimpulkan bahwa DAFTAR PUSTAKA
meskipun PID membawa kelemahan karena 1. Maloy, J. D, Bingham, B. E, Control System
karakteristiknya yang saling mempengaruhi and Methods for Pressurized Water Reactor
antara parameter Proporsional, Integral dan (PWR) and PWR Systems Including Same,
Diferensialnya, namun karena sederhana akan Patent Application Publication No. US
lebih memudahkan dalam aplikasi sekaligus 012/0155594 A1, United States, Jun. 21,
menjamin kehandalannya. Kelemahan ini bisa 2012.

Gambar 11. Hasil perbandingan respon metode PID konvensional serta gabungan PID dan ANN-
RBF beserta kemampuannya mengatasi gangguannya.

140 Vol.17 No. 3 Agustus 2013


Sigma Epsilon, ISSN 0853-9103

2. Oka, Y., Suzuki, K., Nuclear Reactor 10. Jinming Y., et.al, Research on Pressurizer
Kinetics and Plant Control, Springer, 2008. Water Level Control of Nuclear Reactor
3. Firmansyah, D.E., PID, http://dhikblog. Based on CMAC and PID Controller,
blogspot.com/2013/10/control-pid- Department of Electric Power and
proportional-integral.html. Automation, Shanghai University of Electric
4. Ali, M., Pembelajaran perancangan Sistem Power, Shanghai, China.
Kontrol PID dengan Software MATLAB, 11. Jian-Hua Ye, Jin-Ming Yi, Hua-yan Ji,
Jurnal Edukasi@Elektro Vol. 1, No. 1, , hlm. Research on Pressurizer Water Level
1 – 8, Oktober 2004. Control of Nuclear Reactor Based on RBF
5. Chairuzzani, R., Ariyanto, M., Pengenalan Neural Network and PID Controller,
Metode Ziegler-Nichols pada Perancangan Proceedings of the Ninth International Con-
Kontroler pada PID, http:// ference on Machine Learning and Cybernet-
elektroindonesia.com, edisi ke 12, Maret, ics, Qingdao, 11-14 July 2010.
1998 12. Duo Zhang Guo, Hong Yang Xu, Research
6. Mustaghifiri, A., Modul Proportional on Pressurizer Water Level Control of
Integrator Diferensiator, http://blogeviri. Pressurized Water Reactor Nuclear Power
blogspot.com/2010/07/modul-proportional- Station, School of Electric and Automatic
integrator.html Engineering, Shanghai University of electric
7. Nasution, H., Implementasi Logika Fuzzy power, Shanghai, 2009.
pada Sistem Kecerdasan Buatan, Jurnal
ELKHA Vol.4, No 2, Fakultas Teknik
Universitas Tanjungpura Pontianak, Oktober
2012
8. Olieveira, M. V. , Almeida, J. C. S.,
Application of artificial intelligence
techniques in modeling and control of a
nuclear power plant pressurizer system,
Divisão de Instrumentação e Confiabilidade
Humana, Instituto de Engenharia Nuclear.
9. Wahyuni, D.A.S., Pengertian Artificial
Network, http://jaimelesstatistiques.
blogspot.com/2011/01/pengertian-artificial-
neural-network.html

Vol.17 No. 3 Agustus 2013 141

Anda mungkin juga menyukai