3.1 PENDAHULUAN
1
Pemodelan sistem linier meliputi :
X(t) Y(t)
SISTEM
Gambar 3.2
2
Sebutan lain dari model ini adalah model keadaan tunak (steady state)
yang merupakan lawan dari kata keadaan transien.
gambar
3
Pemodelan watak alih jauh lebih bermanfaat untuk menggambarkan
sistem tak linier, misalnya :
1. Penyearah (rectifier)
4
2. Penguat Jenuh (saturasi)
( ); | ( )| <
( )= = ( )≥
− =− ; ( )<−
3. Hysterisis
5
4. Pembanding jendela (window comparator)
6
=0 | ( )| <
( ):
= ( )| ( )| >
− ≤ ( )< ( )
Contoh
7
Model watak alih “hysteresis”, pembanding jendela
Artinya :
0 ; ≠0 (ℎ = 0)
( )=
≠0 ; =0
~
( ) =1 ( ( ) = 1
~
8
Transformasi Laplace
~ ~
( )= ( ) ( − ) = ( − ) ( )
~ ~
g(t) y(t)
x(t)
Transformasi Laplace
9
G(S) Y(S)=G(S) X(S)
X(S)
( )
( )=
( )
Contoh :
Konsep Impedansi :
Hukum Ohm :
i(t)
R V(t)= Ri(t)
( )
= ====> =
( )
( )
( )= ===> = ====> =
( )
1 1
i(t) v(t) I(S) V(S)
10
Impedansi dari Kapasitor
1 ( )
( )= ( ) ===> ( )=
( ) 1 1
==> = ====> =
( )
Vi(t)
Vi(t) Vo(t) Vi(t) R Vo(t)
11
1 1
+ ||
( )= ( )
1 1
+ + ||
( )= ( ).
1 1
( ) + || 1
( )= =
( ) 1 {( +1 )| 1 +
+
1
1 1 1/ ( + )
+ || =
1
+ + 1/
1
1 1/ ( + )
+ 2/
1/( +2 )
( )= =
1 1 2
1/ ( + ) 1 + ( + )
+1 + +
+ 2/
+ 2/
1
+2 1
( )= =
+1+ +2 +3 +1
+2
S = jω j=√−1
12
Transformasi dari kawasan waktu atau kawasan peubah Laplace S ke
frekuensi jω disebut transformasi Fourier.
Tenaga Mekanik
Tenaga Listrik Motor ω (t) [rad/det], [RPM],[RPS]
Tegangan Listrik Kecepatan Sudut
Kecepatan Sudut
Tegangan Jangkar
ω (t) [rad/det]
Ea (Volt) K
= = ; ;
13
ω
ωnom
Eamax Ea
Ea min Ea nom
14
Muatan magnet
tetap
Keterangan:
ea(t) = tegangan jangkar (volt)
eb(t) = back emf = gaya gerak listrik balik (volt)
Ia(t) = arus jangkar (Amp)
ω(t) = kecepatan sudut (rad/dtk)
Ra = tahanan jangkar
La = induktansi jangkar
M = motor
J = momen inersia [nm dtk2 / rad)
[nm dtk/rad].
Model Dinamik
Model matematik motor DC dapat diperolehdari model fisiknya, sebagai
berikut
15
( ) 1
= − ( )] + ( ( )− ( )) … … … … . (1)
( ) 1
= − ( )] + ( ) … … … … … . . . (2)
16
Bagan Kotak
( )
1 ( ) ( ) 1
Km
( )
( )
( )
( )
KB
17
Persamaan-persamaan tersebut di atas dapatdigunakan untuk
memperoleh model nisbah alihmotor.
SIa(S)
Ea(S)-Eb(S) 1 ( )
1/S
18
Dimana:
( )− ( )
( )= − ( )
( ) 1
( )= −
( )− ( ) ( )+
19
S ω(S) = 1/J T(s) – B/J ω(S) B ω(S) + JS ω(S) = T(S)
ω(S) 1
(JS + B) ω(S) = T(S) GM (S)= T(S)
= JS+B
( ) . ( ). ( ) ( + )( + )
( )= = =
( ) 1+ ( ). ( ) 1 +
( + )( + )
( )=
( + )( + )+
=
+( + ) +( + )
20
u(t) y(t)
SISTEM
Sistem dengan isyarat masukan u(t) dan isyarat keluaran y(t) dinyatakan
dengan dua persamaan :
∶ ̇ = +
∶ = +
U ̇ X y
B + ∫ C + +
+ +
21
( )
⎡ ⎤
( )
⎢ ⎥
⎢ ( )⎥
[ ]=⎢ . ⎥
⎢ . ⎥
⎢ . ⎥
⎣ ( )⎦
( )
⎡ ⎤
( )
⎢ ⎥
⎢ ( )⎥
[ ]=⎢ . ⎥
⎢ . ⎥
⎢ . ⎥
⎣ ( )⎦
( )
⎡ ⎤
( )
⎢ ⎥
⎢ ( )⎥
[ ]=⎢ . ⎥
⎢ . ⎥
⎢ . ⎥
⎣ ( )⎦
⎡ ⎤
⎢ ⎥
( )
⎢ ⎥
̇= = vector kolom [nx] = ⎢ . ⎥
⎢ . ⎥
⎢ . ⎥
⎢ ( )⎥
⎣ ⎦
∆
= lim
∆ → ∆
22
Matriks – matriks A,B,C dan D harus tertentu dimensinya sesuai
dengan dimensi vector u, x dan y agar operasi perkalian /penjumlahan
dalam persamaan keadaan dan persamaan keluaran sahih (valid)
mengikuti kaidah-kaidah aljabar linier.
̇ = AX + BU
y = CX + DU
Contoh :
A : [ 4x4 ] B : [ 4x5 ]
C : [ 3x4 ] D : [ 3x5 ]
Berikut ini akan dibahas salah satu cara mengubah model Nisbah
Alih menjadi model Ruang Keadaan yaitu yang menghasilkan bentuk
khusus matriks A yang disebut bentuk “Jordan Companion”.
R(S) C(S)
G(S)
23
( ) + + ⋯+ +
( )= =
( ) + + ⋯+ ( ) +
Kasus m < n
( ) ( + +⋯+ + ) ( )
=
( ) ( + +⋯+ ( )+ ) ( )
( ) ( ) ( ) ( )
( )= + + + ⋯+ + ( )
r(t) ≜
( ) ( )
x(t) ≜ → ̇ = = ≜
( ) ( )
≜ → ̇ = = ≜
( ) ( )
≜ → ̇ = = ≜
24
. . . . . .
. . . . . .
. . . . . .
( ) ( )
≜ → ̇ = = ≜
( ) ( ) ( )
≜ → ̇ = =
( ) ( ) ( )
= − − −⋯−
1
− ( )+
1
̇ =− − − ⋯− − +
Persamaan keadaan
0 1 0 0 …0
1̇ 1 0
⎡ ⎤ ⎡ 0 0 1 0 …0 ⎤
⎡ ⎤ ⎡ 0 ⎤
⎢ 2̇ ⎥ ⎢ ⎥ 2
0 0 0 1 …0 ⎢ ⎥
⎢ 3̇ ⎥ ⎢ ⎥⎢ 3 ⎥ ⎢ 0 ⎥
. ⎥ ⎢
. ⎥⎢ ⎥
. ⎥ ⎢ .
̇ =⎢ = . ⎢ + ⎥
⎢ . ⎥ ⎢ ⎥⎢ . ⎥ ⎢ . ⎥
.
⎢ . ⎥ ⎢ ⎥⎢ . ⎥ ⎢ . ⎥
̇ 1⎥ ⎢ 0 0 0 ……1 ⎥⎢
⎢ − ⎢ 0 1 −2 − 1⎥ − 1⎥ ⎢ 0 ⎥
⎣ ̇ ⎦ ⎣− − ..− − ⎣ ⎦ ⎣1 ⎦
⎦
C(S) : ( + + ⋯+ + ) ( )
25
dengan asumsi yang sama dengan sebelumnya :
( ) ( ) ( )
( )= + + ⋯+ + ( )
( )≜ → = + + + ⋯+ +
1
⎡ 2 ⎤
⎢ ⎥
⎢ 3 ⎥
=[ 1 2 … −1 0] ⎢ … ⎥ + [0]
⎢ ⎥
⎢ + 1⎥
⎣ ⎦
Contoh :
5 + 10 + 15
( )=
2 +4 +6 +8
n=6 m=2
a0 = 8 b0 = 15
a1 = 8 b1 = 10
a2 = 8 b2 = 5
a3 = 0
a4 = 4
a5 = 0
a6 = 2
26
0 1 0 0 0 0 0
⎡ 0 0 1 0 0 0 ⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥
⎢ 0 0 0 1 0 0 ⎥ ⎢0⎥
̇=⎢ 0 0 0 0 1 0 ⎥ x + ⎢0⎥
⎢ 0 0 0 0 0 1 ⎥ ⎢1⎥
⎢−4 0 − 3 0 − 2 0⎥ ⎢2⎥
⎣ ⎦ ⎣ ⎦
A B
y = [ 15 10 5 0 0 0 ] x + [ 0 ] u
A=[nxn] B=[nxm]
C=[kxn] D=[kxm]
Kasus m=n
Contoh : ( )=
Untuk kasus ini tidak ada masalah dengan matriks A dan B, sampai
dengan kasus m<n. Matriks C bermasalah, karena hanya ada 6 kolom.
Sedangkan b0 – b6 ada 7 angka. Oleh karena itu, kasus m=n ini harus
diubah menjadi kasus m<n. Caranya adalah dengan membagi G(S)
menjadi :
G(S) = k + G1 (S)
+ + + +
G(S) = +
+ + + + + +
27
G’(S), Kasus m < n
u
G’(S) y
+
R(S) C(S)
1/2
n=6 m=4
a0 = 8 b0 = 11
a1 = 0 b1 = 10
a2 = 6 b2 = 2
a3 = 0 b3 = 0
a4 = 4 b4 = 2
a5 = 0
a6 = 2
Jadi matriks C = [ 11 10 2 0 -2 0 ]
D = [1/2]
Persamaan keluaran :
y = [ 11 10 2 0 -2 0 ] x + [ ½ ] u
28
0 1 0 0 0 0 0
⎡ 0 ⎡ 0 ⎤
0 1 0 0 0 ⎤
⎢ ⎥ ⎢ ⎥
0 0 0 1 0 0 ⎥ 0 ⎥
= ⎢ = ⎢
⎢ 0 0 0 0 1 0 ⎥ ⎢ 0 ⎥
⎢ 0 0 0 0 0 1 ⎥ ⎢ 0 ⎥
⎣−4 0 −3 0 − 2 0⎦ ⎣1/2⎦
Sinyal masukan yang kecil pada sistem tidak linier dapat dianggap
sebagai sistem linier, dengan membatasi daerah kerja untuk
mendapatkan respons yang diharapkan
• Sifat superposisi:
0 = 0.x[n] 0.y[n] = 0
29
Contoh soal: Apakah sistem berikut linear,
y[n] = 2 x[n] + 3
2 x1[n] + 2 x2[n] + 6
2 x[n] + 6
Tidak linear
30
31
32
33