TUGAS

SISTEM KENDALI CERDAS

Dibuat Oleh :

MUHAMMAD ALI AKBAR FEBRITAMA

3F D4TE

2041170109

PROGRAM STUDI D4 TEKNIK ELEKTRONIKA

JURUSAN TEKNIK ELEKTRO
POLITEKNIK NEGERI MALANG
2022/2023
  Kecepatan Motor DC: Pemodelan Sistem

Pengaturan fisik

Aktuator umum dalam sistem kontrol adalah motor DC. Ini secara langsung memberikan
gerakan putar dan, ditambah dengan roda atau drum dan kabel, dapat memberikan gerakan
translasi. Rangkaian ekivalen listrik dinamo dan diagram benda bebas rotor ditunjukkan pada
gambar berikut.

Persamaan Sistem

Pada umumnya torsi yang dihasilkan oleh motor DC sebanding dengan arus jangkar dan kuat
medan magnet. Dalam contoh ini kita akan mengasumsikan bahwa medan magnet adalah
konstan dan, oleh karena itu, torsi motor sebanding dengan hanya arus jangkar dengan
faktor konstan seperti yang ditunjukkan pada persamaan di bawah. Ini disebut sebagai
motor yang dikendalikan armature.

Ggl belakang, , sebanding dengan kecepatan sudut poros dengan faktor konstan .

Dalam satuan SI, konstanta torsi motor dan ggl balik adalah sama, yaitu   ; oleh karena itu,
kita akan menggunakan untuk mewakili konstanta torsi motor dan konstanta ggl balik.

Dari gambar di atas, kita dapat menurunkan persamaan pengaturan berikut berdasarkan hukum ke-2
Newton dan hukum tegangan Kirchhoff.

1. Fungsi Transfer

Menerapkan transformasi Laplace, persamaan pemodelan di atas dapat dinyatakan dalam variabel
Laplace s.
Kami sampai pada fungsi transfer loop terbuka berikut dengan menghilangkan antara dua
persamaan di atas, di mana kecepatan rotasi dianggap sebagai output dan tegangan jangkar dianggap
sebagai input.

2. State-space

Dalam bentuk ruang keadaan, persamaan pengatur di atas dapat dinyatakan dengan memilih
kecepatan putar dan arus listrik sebagai variabel keadaan. Sekali lagi tegangan jangkar diperlakukan
sebagai input dan kecepatan rotasi dipilih sebagai output.

Persyaratan desain

Pertama, pertimbangkan bahwa motor tanpa kompensasi kami berputar pada 0,1 rad/dtk dalam
keadaan tunak untuk tegangan input 1 Volt (ini ditunjukkan dalam Kecepatan Motor DC: halaman
Analisis Sistem di mana respons loop terbuka sistem disimulasikan). Karena persyaratan paling dasar
dari sebuah motor adalah bahwa ia harus berputar pada kecepatan yang diinginkan, kita akan
mensyaratkan bahwa kesalahan keadaan tunak dari kecepatan motor kurang dari 1%. Persyaratan
kinerja lain untuk motor kami adalah bahwa ia harus berakselerasi ke kecepatan kondisi-mapan segera
setelah dihidupkan. Dalam hal ini, kami ingin memiliki waktu penyelesaian kurang dari 2 detik.
Selain itu, karena kecepatan yang lebih cepat dari referensi dapat merusak peralatan, kami ingin
memiliki respons langkah dengan overshoot kurang dari 5%.

Singkatnya, untuk perintah langkah satuan dalam kecepatan motor, keluaran sistem kontrol harus
memenuhi persyaratan berikut.

 Waktu penyelesaian kurang dari 2 detik

 Overshoot kurang dari 5%
 Kesalahan kondisi mapan kurang dari 1%

Representasi MATLAB

1. Fungsi Transfer

Kita dapat merepresentasikan fungsi transfer loop terbuka motor di atas dalam MATLAB dengan
mendefinisikan parameter dan fungsi transfer sebagai berikut. Menjalankan kode ini di jendela
perintah menghasilkan output yang ditunjukkan di bawah ini.
J = 0.01;

b = 0.1;

K = 0.01;

R = 1;
L = 0.5;

s = tf('s');
P_motor = K/((J*s+b)*(L*s+R)+K^2)

P_motor =

0.01

---------------------------

0.005 s^2 + 0.06 s + 0.1001

Continuous-time transfer function.

2. State Space

Kita juga dapat merepresentasikan sistem menggunakan persamaan state-space. Perintah MATLAB
tambahan berikut membuat model state-space motor dan menghasilkan output yang ditunjukkan di
bawah ini ketika dijalankan di jendela perintah MATLAB.
A = [-b/J K/J

-K/L -R/L];

B = [0

1/L];

C = [1 0];

D = 0;

motor_ss = ss(A,B,C,D)

motor_ss =

A =

x1 x2

x1 -10 1

x2 -0.02 -2

B =
 u1

x1 0

x2 2

C =

x1 x2

y1 1 0

D =

u1

y1 0

Continuous-time state-space model.

Model state-space di atas juga dapat dihasilkan dengan mengubah model fungsi transfer yang ada
menjadi bentuk state-space. Ini sekali lagi dilakukan dengan perintah ss seperti yang ditunjukkan di
bawah ini.
motor_ss = ss(P_motor);

 Kecepatan Motor DC: Desain Pengontrol PID

Dari masalah utama, persamaan dinamis dalam domain Laplace dan fungsi transfer loop terbuka
Motor DC adalah sebagai berikut.

Struktur sistem kontrol memiliki bentuk yang ditunjukkan pada gambar di bawah ini.
Untuk referensi langkah 1-rad/dtk, kriteria desain adalah sebagai berikut.

 Waktu penyelesaian kurang dari 2 detik

 Overshoot kurang dari 5%
 Kesalahan kondisi mapan kurang dari 1%

Sekarang mari kita merancang pengontrol menggunakan metode yang diperkenalkan di Pendahuluan:
Halaman Desain Pengontrol PID. Buat m-file baru dan ketik perintah berikut.
J = 0.01;

b = 0.1;

K = 0.01;

R = 1;

L = 0.5;

s = tf('s');
P_motor = K/((J*s+b)*(L*s+R)+K^2);

Ingat bahwa fungsi transfer untuk kontroler PID adalah:

Kontrol proporsional

Mari kita coba menggunakan pengontrol proporsional dengan gain 100, yaitu, C(s) = 100. Untuk
menentukan fungsi alih loop tertutup, kita menggunakan perintah umpan balik. Tambahkan kode
berikut di akhir m-file Anda.
Kp = 100;

C = pid(Kp);

sys_cl = feedback(C*P_motor,1);

Sekarang mari kita periksa respon langkah loop tertutup. Tambahkan perintah berikut ke akhir m-file
Anda dan jalankan di jendela perintah. Anda harus menghasilkan plot yang ditunjukkan di bawah ini.
Anda dapat melihat beberapa karakteristik sistem dengan mengklik kanan pada gambar dan memilih
Karakteristik dari menu yang dihasilkan. Pada gambar di bawah, anotasi telah ditambahkan secara
khusus untuk Settling Time, Peak Response, dan Steady State
t = 0:0.01:5;

step(sys_cl,t)

grid

title('Step Response with Proportional Control')

Eksperimen kecil memverifikasi apa yang kami antisipasi, pengontrol proporsional tidak cukup untuk
memenuhi persyaratan desain yang diberikan; turunan dan/atau integral harus ditambahkan ke
pengontrol.

Kontrol PID

Ingat dari Pendahuluan: Halaman Desain Pengontrol PID, menambahkan suku integral akan
menghilangkan kesalahan keadaan tunak ke referensi langkah dan suku turunan akan sering
mengurangi overshoot. Mari kita coba pengontrol PID dengan dan kecil. Ubah m-file Anda
sehingga garis yang mendefinisikan kontrol Anda adalah sebagai berikut. Menjalankan m-file baru ini
memberi Anda plot yang ditunjukkan di bawah ini.
Kp = 75;

Ki = 1;

Kd = 1;

C = pid(Kp,Ki,Kd);

sys_cl = feedback(C*P_motor,1);

step(sys_cl,[0:1:200])

title('PID Control with Small Ki and Small Kd')

Menyesuaikan keuntungan

Dalam hal ini, ekor panjang pada grafik respons langkah disebabkan oleh fakta bahwa penguatan
integral kecil dan, oleh karena itu, dibutuhkan waktu lama bagi aksi integral untuk membangun dan
menghilangkan kesalahan keadaan tunak. Proses ini dapat dipercepat dengan meningkatkan nilai .
Kembali ke m-file Anda dan ubah menjadi 200 seperti berikut ini. Jalankan kembali file dan Anda
akan mendapatkan plot yang ditunjukkan di bawah ini. Sekali lagi anotasi ditambahkan dengan
mengklik kanan pada gambar dan memilih Karakteristik dari menu yang dihasilkan.
Kp = 100;

Ki = 200;

Kd = 1;
 C = pid(Kp,Ki,Kd);

sys_cl = feedback(C*P_motor,1);

step(sys_cl, 0:0.01:4)

grid

title('PID Control with Large Ki and Small Kd')

Seperti yang diharapkan, kesalahan kondisi mapan sekarang dihilangkan jauh lebih cepat daripada
sebelumnya. Namun, yang besar telah sangat meningkatkan overshoot. Mari kita tingkatkan
dalam upaya untuk mengurangi overshoot. Kembali ke m-file dan ubah menjadi 10 seperti yang
ditunjukkan berikut ini. Jalankan kembali m-file Anda dan plot yang ditunjukkan di bawah ini akan
dihasilkan.
Kp = 100;

Ki = 200;

Kd = 10;

C = pid(Kp,Ki,Kd);

sys_cl = feedback(C*P_motor,1);

step(sys_cl, 0:0.01:4)

grid

title('PID Control with Large Ki and Large Kd')

Seperti yang kami harapkan, peningkatan mengurangi overshoot yang dihasilkan. Sekarang kita
tahu bahwa jika kita menggunakan pengontrol PID dengan = 100, = 200, dan = 10, semua
persyaratan desain kita akan terpenuhi.
 Cari alat atau perabotan yang menggunakan fuzzy logic kontrol!

Mengapa menggunakan fuzzy logic untuk kontrol?

Logika fuzzy digunakan sebagai sistem kontrol, karena proses kendali ini relatif mudah dan fleksibel
dirancang dengan tidak melibatkan model matematis yang rumit dari sistem yang akan dikendalikan.

Salah satu alat yang menggunakan fuzzy control adalah Rice Cooker.
Rice cooker tidak hanya digunakan untuk mengolah beras putih saja, Melainkan terdapat beberapa
jenis beras yang beredar di pasaran seperti beras merah, beras hitam serta beras ketan dengan bentuk,
struktur dan kandungan yang berbeda. Perbedaan ini membutuhkan cara pengolahan yang berbeda
pula. Beras ketan memiliki tekstur yang jauh lebih keras tetapi juga mudah lembek. Di Indonesia, rice
cooker yang dijual dipasaran masih digunakan untuk memasak beras biasa. Proses memasak ketan
menggunakan rice cooker tentu bisa dilakukan. Tetapi, untuk mengolah beras ketan dengan rice
cooker dibutuhkan metode yang tepat. Penelitian ini menerapkan konsep kontrol rice cooker
menggunakan metode fuzzy logic untuk jenis beras ketan. Pengontrolan dilakukan pada tahapan
merendam (soaking) dengan nilai set poin suhu 30 oC. Fuzzy Logic akan menghasilkan nilai PWM
sebagai output, sehingga dapat memberikan nilai tegangan yang sesuai agar suhu rice cooker akan
tetap stabil di titik 30 oC selama 30 menit. Hasil pengujian sistem secara keseluruhan untuk 3 jenis
massa beras menunjukan bahwa perbedaan massa tidak mempengaruhi lamanya fase merendam,
karena telah diimbangi dengan penggunaan air yang sesuai.  Ketan yang dimasak menggunakan rice
cooker yang dikontrol memiliki tekstur yang lunak dan lengket serta matang secara merata jika
dibandingkan dengan ketan yang dimasak tanpa pengontrolan.