Ke
FuzzyPD
Ku
Kde
Gambar 2. Diagram Blok Kontroler PID Gambar 4. Struktur Kontroler Fuzzy PD [7]
Input Fuzzy Konklusi Fuzzy
Input Tegas Output Tegas
kesalahan dan kontroler proporsional-derivatif menggunakan
x1 u1
aksi kontrol derivative untuk meningkatkan kestabilan pada
x2
Mekanisme
u2
kontrol loop tertutup.
Defuzzifikasi
Inferensi
Fuzzifikasi
tuning
Gain Ku
Sensor Gain
Failure
C
Multiple
X
Actual Plant with
Sensor Faults
CSTR Plant
f(s)
Plant Model Gambar 8. Fault Tolerant Scenario
176
175
5 10 15 20 25 30 35 40 45
Gambar 8. 0
0 5 10 15 20 25
Time (s)
30 35 40 45 50
Pengkategorian kesalahan yang dibuat dalam perancangan Gambar 10. Pengaruh perubahan Gain Sensor pada Kontrol Fuzzy PD
ini, seperti pada Tabel 4, didasarkan pada besar nilai kesalahan sistem memiliki error yang besar seperti yang ditunjukkan
sensor yang terukur. Nilai kesalahan sensor tersebut pada Gambar 9.
berpengaruh terhadap performansi sistem, semakin besar nilai
kesalahan sensor yang terdeteksi maka error steady state B. Simulasi Kontroler Fuzzy PD dengan Perubahan Gain
Sensor
sistem juga semakin besar sehingga dapat menyebabkan
kegagalan proses. Perubahan nilai gain sensor terhadap keluaran sistem pada
Dari pengkatagorian kesalahan tersebut kemudian dilakukan kontrol Fuzzy PD menunjukkan adanya kenaikan error steady
perancangan suatu skenario terhadap kesalahan sensor untuk state pada sistem, seperti yang ditunjukkan pada Gambar 10.
mengkompensasi kesalahan/error yang terjadi. Skenario C. Simulasi Kontrol Toleransi Kesalahan Sensor
kesalahan sensor tersebut digunakan untuk menentukan nilai
Pada kontrol PI sulit untuk dilakukan penerapan kontrol
penguatan dari gain sinyal kontrol pada kontroler fuzzy PD.
toleransi kesalahan pada sensor karena nilai umpan balik yang
Perancangan skenario fault tolerant ditunjukkan seperti pada
diberikan terpengaruh oleh gain kesalahan yang diberikan,
Gambar 8.
karena adanya faktor integral dalam kontrol PI menyebabkan
error sistem semakin besar dan mengakibatkan sistem tidak
IV. HASIL SIMULASI
dapat mencapai nilai setpoint yang diinginkan. Oleh karena
Pembahasan berikut ini merupakan hasil percobaan simulasi itu, dalam Tugas Akhir ini kontrol toleransi kesalahan sensor
untuk kontrol toleransi kesalahan. dilakukan dengan menerapkan kontrol Fuzzy PD dengan
A. Simulasi Kontroler PI dengan Perubahan Gain Sensor skema FTC pada sistem.
Perubahan nilai gain sensor yang diberikan pada sistem
Pengaruh nilai gain sensor pada kontrol PI menyebabkan
memiliki range nilai-nilai tertentu berdasarkan kategori
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-69
200
180
190
160
185
179
140 180
178
175
177
120
Temperature (F)
170 176
5 10 15 20 25 30 35 40 45
100 175
5 10 15 20 25 30 35 40 45
80
(a)
60
(b)
40
20 Setpoint
FuzzyPD
FuzzyPD+FTC
0
0 5 10 15 20 25 30 35 40 45 50
Time (s)
177 176.0005
Kategori I ess = 6,82 ess = 1,41
140
176
175
176 Kategori II ess = 3,73 ess = 0,26
174
175.9995
Kategori III ess = 1,83 ess = 0,03
ess ≈ 0
120 173 175.999
172
5 10 15 20 25 30 35 40 45 175.9985
100 5 10 15 20 25 30 35 40 45
80
FTC dan kontroler fuzzy PD dengan skema FTC pada grafik
(a) (a). Dengan menerapkan konsep FTC pada sistem
60 (b)
40 menunjukkan adanya perbaikan terhadap performa/error
20 Setpoint
FuzzyPD
steady state sistem seperti ditunjukkan pada grafik (b), dengan
0
0 5 10 15 20 25 30 35 40
FuzzyPD+FTC
45 50 error steady state yang terukur sangat kecil hingga mendekati
Time (s)
179
178 176.06
sensor untuk kategori I-IV terhadap performasni sistem
140
177
176
176.05
176.04
176.03
ditunjukkan pada Tabel 4.
175 176.02
120 174 176.01
Temperature (F)
176
5 10 15 20 25 30 35 40 45
100
175.99
175.98
5 10 15 20 25 30 35 40 45
V. KESIMPULAN
80 (a)
60
(b) Pada penelitian ini, hasil informasi kesalahan yang
40 terdeteksi digunakan untuk menentukan kategori-kategori
20 Setpoint
FuzzyPD yang kemudian dijadikan dasar dalam perancangan suatu
FuzzyPD+FTC
0
0 5 10 15 20 25
Time (s)
30 35 40 45 50 skenario kesalahan untuk mengkompensasi kesalahan sensor
Gambar 13. Respons Sistem Kesalahan Sensor Kategori III yang terjadi. Penerapan kontroler fuzzy PD dengan skema FTC
200
dapat mengkompensasi kesalahan sensor dari setiap kategori
180
160
kesalahan yang terjadi sehingga mampu memperbaiki
184
140
182
180
178
176.6 performansi sistem. Kontrol fuzzy PD dengan skema FTC
176.4
120
176
174
176.2
tersebut mampu memberikan perbaikan terhadap error steady
Temperature (F)
172 176
100
170
5 10 15 20 25 30 35 40 45 50
175.8
175.6
state (ess) yang terjadi pada sistem, dimana untuk kategori I
5 10 15 20 25 30 35 40 45
80
perbaikan error steady state mencapai 79,3%. Sedangkan
(a)
60
(b) untuk kategori II, III dan IV perbaikan error steady state pada
40
20 Setpoint
sistem hingga diatas 90%.
FuzzyPD
FuzzyPD+FTC
0
0 5 10 15 20 25 30 35 40 45 50
Time (s) DAFTAR PUSTAKA
Gambar 14. Respons Sistem Kesalahan Sensor Kategori II
[1]. Chen, J., “Modified Feedback Configuration for Sensor Fault Tolerant
kesalahan yang terukur, seperti yang telah ditunjukkan pada Control”, 2008 10th Intl. Conf. on Control, Automation, Robotics and
Tabel 3. Dalam pengujian kontrol toleransi kesalahan sensor, Vision, pp. 2038-2043, December 2008.
nilai-nilai dari perubahan gain sensor dibentuk oleh suatu [2]. Corripio, Armando B. dan Smith, Carlosa A., Principle and Practice of
Automatic Process Control, McGraw-Hill, New York 1997.
signal builder, seperti ditunjukkan pada Gambar 11. Pada [3]. Anggraini, Dini, “Perancangan Pabrik Asam Formiat Dengan Proses
Gambar 12-15, menunjukkan pengaruh responss dari sistem Hidrolisa Metil Formiat Kapasitas 20.000 Ton/ Tahun”, Tugas Akhir,
terhadap kesalahan sensor yang ada. Pada pengujian ini, gain Universitas Sebelas Maret Surakarta, 2005.
[4]. Ebeling, Charles E., An Introduction to Reliability and Maintainability
kesalahan pada sensor diberikan pada detik 35. Dampak dari Engineering, MacGraw-Hill International Editions, University of Dayton
faktor penguatan gain sensor tersebut mengakibatkan 1997.
terjadinya kesalahan/error steady state pada sistem. [5]. Astrom, K.J and, T. Hagglund, PID Controllers: Theory, Design and
Dari Gambar 12, menunjukkan hasil perbandingan Tuning 2nd Ed, Instrument Society of America, 1995.
[6]. Pasino, K. M. and Yurkovich, S., Fuzzy Control, Addison Wesley
pengaruh kesalahan sensor untuk kategori IV terhadap Longman, California, 1998.
performansi sistem menggunakan kontroler fuzzy PD tanpa [7]. Jan, Jantzen, “Tuning Of Fuzzy PID Controllers”, Technical Automation
Department of Denmark University, pp. 1-22, 30 September 1998.