Tujuan Pembelajaran

Saat kuselesaikan bab ini, kuingin dapat melakukan

hal-hal berikut.

• Memahami kekuatan dan kelemahan tiga

jenis pengendali PID
• Menentukan model sistem berumpan-balik
menggunakan aljabar diagram blok
• Menetapkan sifat-sifat umum berumpan-
balik PID dari model lup tertutup
 Kerangka Kuliah

Kerangka Kuliah

• Fitur-fitur umum dan sejarah PID

• Model Proses dan pengendali – Diagram
Blok
• Tiga jenis pengendali dengan fitur-
fiturnya
- Proportional
- Integral
- Derivative
• Perilaku dinamik yang khas
Sifat-sifat yang Kita Cari dalam Sebuah Kontroler
• Kinerja baik – sesuai ukura
n-ukuran kinerja feedback (
Bab 7)
• Dapat diaplikasikan secara
luas – parameter-parameter
nya dapat disesuaikan v1

• Kalkulasi cepat – menghind TC

ari lup konvergensi
• Ganti ke/dari manual – tid
ak bertabrakan v2

• Extensible – dapat ditingkat

kan secara mudah
 Latar Belakang Kontroler
• Dikembangkan tahun 1940-an, tingga
l bekerja keras untuk mempraktekkan
nya
• Tidak “optimal”, didasarkan pada sifat
-sifat setiap mode
• Diprogram awal dalam semua peralat v1

an kontrol digital TC

• SATU variabel yang dikontrol (CV) da

n SATU variabel yang dimanipulasi (M
V) atau disebut SISO. PID banyak dig v2
unakan di pabrik
 Jenis Kontroler
Proportional
MV = controller
output E SP = Set point
+ Integral
+
-
CV = Controlled
Derivative variable

Catatan: Error = E  SP – CV (REVERSE acting controller) sensor

Final element E  CV – SP (DIRECT acting controller)

Process
variable
PROSES
Tiga “jenis”: Tiga cara menggunakan perilaku yang
bervariasi terhadap waktu dari CV
 Model Lup Tertutup
• Sebelum kita mempelajari setiap kalkulasi, kita perlu men
gembangkan model dinamik umum untuk sistem lup tert
utup – yaitu proses dan pengendali yang bekerja sebagai
satu sistem yang terintegrasi

v1 Ini sebuah contoh; bagaimana kita

dapat membuatnya bersifat umum?
TC • Bagaiamana kalau yang kita ukur
tekanan, atau aliran, atau …?
• Bagaimana jika prosesnya
berbeda?
v2
• Bagaimana jika katupnya berbeda?
 Model Lup Tertutup Umum

D(s) Gd(s)

SP(s) E(s) MV(s) CV(s)

+ +
GC(s) Gv(s) GP(s)
- +

CVm(s)
GS(s)

Transfer functions Variables

GC(s) = controller CV(s) = controlled variable
Gv(s) = valve + CVm(s) = measured value of CV(s)
GP(s) = feedback process D(s) = disturbance
GS(s) = sensor E(s) = error
Gd(s) = disturbance process MV(s) = manipulated variable
SP(s) = set point
 Model Lup Tertutup Umum
D(s) Gd(s)

SP(s) E(s) MV(s) CV(s)

+ +
GC(s) Gv(s) GP(s)
- +
CVm(s)
GS(s)

Mari kita audit • Mana model untuk transmisi, dan konversi sinyal?
pemahaman kita
• Apa beda antara CV(s) dan CVm(s)?

• Apa beda antara GP(s) dan Gd(s)?

• Bagaimana kita mengukur variabel yang memiliki garis yang
dilingkari warna merah?
• Yang mana variabel yang ditentukan oleh orang, mana yang oleh
komputer?
 Servo dan Regulatory
D(s)
Gd(s)

SP(s) E(s) CV(s)

MV(s)
+ +
GC(s) Gv(s) GP(s)
- +
CVm(s)

GS(s)

Set point response Disturbance Response

(SERVO) (REGULATORY)
CV ( s ) G p ( s )Gv ( s )Gc ( s ) CV ( s ) Gd ( s )
 
SP( s ) 1  G p ( s )Gv ( s )Gc ( s )GS ( s ) D( s ) 1  G p ( s )Gv ( s )Gc ( s )GS ( s )

• Yang mana elemen dala sistem kontrol yang mempengaruhi

kestabilan sistem?
• Yang mana elemen yang mempengaruhi respon dinamik?
 Proportional
MV SP
E

Proporsional + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

“koreksi proporsional PROCESS

terhadap error”
Konstanta inisialisasi

Time domain : MV (t )  K c E(t )  I p

MV ( s)
Fungsi alih : GC ( s)   KC
E ( s)
KC = controller gain Bagaimana ini berbeda dengan
process gain, Kp?
 Proportional
MV SP
E

Proporsional + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Time domain : MV (t )  K c E(t )  I p

 Proportional
MV SP
E

Proporsional + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Time domain : MV (t )  K c E(t )  I p

v1
Physical
Device:
 Proportional
MV SP
E

Proporsional + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Fitur kunci menggunakan model dinamik lup tertutup

Final value
D Kd D K d
after CV (t ) t   lim s  0
disturbance: s 0 s 1  Kc K p 1  Kc K p

• Kita tidak mencapai zero offset; tidak kembali ke set point!

• Bagaimana kita mendapatkan yang sangat dekat dengan merubah
parameter pengendali?
• Apa saja permasalahan yang mungkin dengan sarannya?
 Proporsional
0.8 0.8

Controlled Variable

Controlled Variable
0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Time Time

1 0
Manipulated Variable

Manipulated Variable
0.5
Kc = 0 -2
Kc =10
0

-4
-0.5

-1 -6
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Time Time

0.25 0.3

Controlled Variable
0.2
Controlled Variable

0.2

0.15
0.1
0.1
0
0.05

0 -0.1
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Time Time

0 20

Manipulated Variable
Manipulated Variable

-5

-10
Kc = 100 0

-20
-15
-40
-20

-25
0 20 40 60 80 100 120 140 160 180 200
-60
0 20 Kc = 220
40 60 80 100 120 140 160 180 200
Time Time
 Karakteristik Kontroler P
• overshoot tinggi
• waktu penetapan besar
• periode osilasi sedang
• adanya offset/droop/steady-state error: beda antara set
point dan control point (harga controlled variable pada
kesetimbangan baru); offset terjadi karena aksi kontrol
proporsional dengan error.
• gainnya: Kc  sangat mempengaruhi error, makin besa
r Kc makin kecil offsetnya, meski ada harga Kc maksimu
m. PB 
100

• istilah lain gain: proportional band (PB);  Kc yan

Kc

g besar sama dengan PB yang kecil

• definisi lain PB: error yang dibutuhkan untuk menghasil
kan keluaran tambahan dari pengendali ke control valv
e
 Proportional
MV SP
E

Integral + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

“The persistent PROCESS

mode”

Kc 
Time domain : MV (t )   E(t' )dt'  I I
TI 0
MV ( s ) K C 1
Fungsi alih : GC ( s )  
E (s) TI s

TI = controller integral time

(dalam penyebut)
 Proportional
MV SP
E

Integral + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Kc 
Time domain : MV (t )   E(t' )dt'  I I
TI 0

MV(t)

Slope = KC E/TI

time

Perilaku saat E(t) = konstan

 Proportional
MV SP
E

Integral + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Fitur kunci menggunakan model dinamik lup tertutup

Final value D Kd
after CV (t ) t   lim s 0
s 0 s Kc K p
disturbance:
1
sTI

• Kita mencapai zero offset; kembali set point!

• Adakah skenario lain di mana kita tidak mencapainya?

 Proportional
MV SP
E

Derivatif + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

“The predictive
mode”
dE(t )
Time domain : MV (t )  K cTD  ID
dt
MV ( s)
Fungsi alih : GC ( s)   K cTd s
E ( s)

TD = controller derivative
time
 Proportional
MV SP
E

Derivatif + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Fitur kunci menggunakan model dinamik lup tertutup

D
Final value
Kd
after
CV (t ) t   lim s  D K d
disturbance: s 0 s 1  K cTd s

• Kita tidak mencapai zero offset; tidak kembali ke set point!

 Proportional
MV SP
E

Derivatif + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

dE(t )
Time domain : MV (t )  K cTD  ID
dt

• Apakah perilaku yang akan terjadi pada MV saat kita

masukkan perubahan step pada set point?
Variasi MV bisa terlalu besar
• Bagaimana kita memodifikasi algoritma untuk
memperbaiki kinerjanya?
 Proportional
MV SP
E

Derivatif + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

dE(t )
X
Time domain : MV (t )  K cTD
dt
 ID

Kita tidak ingin mengambil derivatif dari set point;

oleh karena itu, kita hanya menggunakan CV
ketika menghitung mode derivatif
d CV (t )
Time domain : MV (t )   K cTD  ID
dt
?
 Karakteristik Kontroler PI
• aksi integral bukan untuk mengembalikan ke error nol, tapi menjaga pada
harga yang ia meuncul di sepanjang waktu, sehingga ada output yang cu
kup untuk membuka control valve
• tidak ada offset
• respon lebih lambat, karena error tidak dapat dihilang-kan dengan cepat
• harga overshoot paling tinggi
• dipakai bila kelemahan di atas ditoleransi sementara offset tidak
• disebut pula reset action
 1 
• gainnya: Kc1  dengan = waktu reset/integral
  s 
 I 
 Karakteristik Kontroler PD
• disebut juga anticipatory/rate control
• aksi kontrol didasarkan pada mode derivatif yang terjadi hanya
saat error berubah
• efeknya mirip dengan proporsional dengan gain yang tinggi
• respon sangat cepat
• overshoot sangat rendah
• ada offset tapi lebih kecil
 d 
• gainnya: Kc    D  dengan = waktu derivatif
 dt 
 Proportional
MV SP
E

Kontroler PID + Integral

Derivative -
+
CV

Note: Error = E  SP - CV

PROCESS

Mari kita kombinasikan jenis-jenis pengendali untuk

merumuskan Kontroler PID!
E ( t )  SP ( t )  CV ( t )
 1

d CV 
MV ( t )  K c  E ( t ) 
 TI 0 E (t ' )dt 'Td dt   I
Silakan jelaskan setiap istilah dan simbol
 Karakteristik Kontroler PID
• paling baik, tapi paling mahal
• mengkompromi antara keuntungan dan kerugian pengendali di atas
• offset dihilangkan dengan aksi integral, sedangkan aksi derivatif menurunkan overshoot
dan waktu osilasi
• digunakan pada sistem yang agak lamban/melempem
• pengendali sering dipasang karena berbagai kepandaian yang dimilikinya dan bukan kar
ena analisis sistem mengindikasikan kebutuhan akan ketiga mode kontrol di atas
• gainnya:  1 
• bentuk asal: 
Kc1    D s 
 Is 
 1   s  1 
• bentuk aktual (menggunakan lead/lag): Kc1   D 
dengan  = 0,05 - 0,1   I s   D s  1 
 Perbandingan PID

(Sumber: Coulson & Richardson’s, Chemical Engineering, Volume 3)

Reset Windup (Integral Mode):
Jika terjadi Gangguan Besar
• Kejadiannya
• Jika Ti berubah terlalu besar
, maka sinyal m(t) naik dan
valve buka PENUH
• Sinyal terus naik, tapi bukaa
n valve sudah mentok 100%
• Solusi
• Jika OUTPUTnya mencapai
100% maka segera ubah ke
MANUAL
• Ini untuk mencegah integra
si yang melebihi 100%
 Aplikasi Kontroler Pada 3 Mixer
Mari kita terapkan pengendali pada 3 tangki berpengaduk (tanpa reaksi)
Notes:
1) tanks are well mixed
CV = concentration of A in effluent 2) liquid volumes are constant
MV = valve % open of pure A stream 3) sensor and valve dynamics are negligible
4) FA = Kv (v), with v = % opening
5) FS >> FA

FS

solvent

FA
pure A

AC
 Kontroler PID
S-LOOP plots deviation variables (IAE = 12.2869)
1.5

Controlled Variable 1

0.5
• Apa ini kinerja
yang baik?
• Bagaimana kita
0
0 20 40 60 80
menentukan:
100 120
Time Kc, TI dan Td?
40

30
Manipulated Variable

20

10

Kc = 30, TI = 11, Td = 0.8

0
0 20 40 60 80 100 120
Time
 2
Kontroler PID
S-LOOP plots deviation variables (IAE = 20.5246)

1.5
Controlled Variable

• Apa ini kinerja

0.5
yang baik?
• Bagaimana kita
0
0 20 40 60 80 menentukan:
100 120
Time
Kc, TI dan Td?
150

100
Manipulated Variable

50

Kc = 120, TI = 11, Td = 0.8

-50
0 20 40 60 80 100 120
Time
 Kontroler PID
Lihat: Kita dapat menerapkan pengendali PID saat kita memiliki banyak
variabel yang dikendalikan!

Vapor
T6 P1
product

T5
T1
T2

Feed
F1 T4
T3 L1

F2 F3

A1
Liquid
Process Steam product
L. Key
fluid
 Kontroler PID
BAGAIMANA KITA MENGEVALUASI RESPON DINAMIK SISTEM LUP
TERTUTUP?
• Dalam beberapa kasus saja, kita dapat melakukannya secara analitis
(Lihat Example 8.5)
• Dalam banyak kasus, kita harus menyelesaikan persamaan secara numerik.
Pada tiap tahapan waktu, kita mengintegrasikan
- Persamaan Diffrensial untuk proses
- Persamaan Diffrensial untuk pengendali
- Persamaan aljabar
• Banyak tersedia metode numerik
• “MATLAB” bisa melakukannya
 Kontroler PID – Workshop 1
• Model formulation: Develop the equations that describe the dynamic
behavior of the three-tank mixer and PID controller.
• Numerical solution: Develop the equations that are solved at each
time step.

FS

solvent

FA
pure A

AC
 Kontroler PID – Workshop 2
• The PID controller is applied to the three-tank mixer. Prove that the
PID controller with provide zero steady-state offset when the set point
is changed in a step, SP.
• The three-tank process is stable. If we add a controller, could the
closed-loop system become unstable?

FS

solvent

FA
pure A

AC
 Kontroler PID – Workshop 3
• Determine the engineering units for the controller tuning parameters
in the system below.
• Explain how the initialization constant is calculated

FS

solvent

FA
pure A

AC
 Kontroler PID
The PID controller must be displayed on a computer console for the
plant operator. Design a console display and define values that
• The operator needs to see to monitor the plant
• The operator can change to “run” the plant
• The engineer can change

FS

solvent

FA
pure A

AC
Tujuan Pembelajaran
Saat kuselesaikan bab ini, kuingin dapat melakukan
hal-hal berikut.

• Memahami kekuatan dan kelemahan tiga jenis

pengendali PID
• Menentukan model sistem berumpan-balik
menggunakan aljabar diagram blok
• Menetapkan sifat-sifat umum berumpan-balik PID dari
model lup tertutup

Lot’s of improvement, but we need some more study!

• Read the textbook
• Review the notes, especially learning goals and workshop
• Try out the self-study suggestions
• Naturally, we’ll have an assignment!
 Sumber Pembelajaran
• SITE PC-EDUCATION WEB
- Instrumentation Notes
- Interactive Learning Module (Chapter 8)
- Tutorials (Chapter 8)
 Saran untuk Belajar Mandiri
• In your own words, explain each of the PID modes. Give at least one a
dvantage and disadvantage for each.

• 2. Repeat the simulations for the three-tank mixer with PID control th
at are reported in these notes. You may use the MATLAB program “S_L
OOP”.

• 3. Select one of the processes modelled in Chapters 3 or 4. Add a PID

controller to the numerical solution of the dynamic response in the MA
TLAB m-file.

• 4. Derive the transfer function for the PID controller