UAS

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Pendahuluan

2. Metode

3. Hasil dan Pembahasan

4. Simpulan

5. Video

6. Link Download

DESAIN SISTEM KONTROL KETINGGIAN AIR BENDUNGAN MENGGUNAKAN METODE OPTIMASI GENETIC ALGORITHM

Referensi: Setiawan, A., Zuhrie, M. S., Anifah, L., & Buditjahjanto, I. G. P. A. (2021). Desain Sistem Kontrol Ketinggian Air Bendungan Menggunakan Metode Optimasi Genetic Algorithm. JURNAL TEKNIK ELEKTRO, 10(2), 517-525.

1. Pendahuluan [Kembali]

Bendungan adalah suatu wadah untuk menampung maupun menahan air, dimana air teraebut dapat dimanfaarkan untuk berbagai tujuan. Manfaat dari bendungan sangat banyak, salah satunya yaitu sebagai pengendali banjir, sehingga tidak terjadi bencana banjir dalam suatu wilayah tersebut. Metode optimasi Algoritma Genetika bertujuan mencari nilai Kp, Ki, dan Kd dengan optimal yang mana nilai tersebut akan diterapkan pada kontrol PID.

2. Metode [Kembali]

Pendekatan penelitian -> kuantitatif
Instrumen pengumpulan data -> Matlab 2016a
Rancangan penelitian

Desain sistem

Pemodelan dinamik bangunan

Input: ketinggian air
Sensor: ultrasonik
Aktuator: motor DC

Perancangan software

Sistem orde 2

Transfer fungsi close loop dapat ditulis dengan rumus:

Kontroler PID

Genetic Algorithm

Tahapan proses Genetic Algorithm:

Generate Initial Population: menentukan beberapa individu dari populasi yang mana mempresentasikan sebagai permasalahan.
Find fitness function: hitung berapa skor fitnes pada setiap individu dan mengetahui kualitasnya
Selection: individu yang mempunyai kualitas yang baik mewariskan gen individu pada generasi selanjutnya
Crossover: rekombinasi agar mendapatkan individu bagus
Mutation: dari beberapa gen dengan kemungkinan acak yang rendah pada keturunan baru yang telah terbentuk

Menggunakan plant baru, dari jurnal OPTIMASI KONTROL PID UNTUK KENDALI KECEPATAN MOTOR DC MENGGUNAKAN METODE METAHEURISTIK, Eddy Lybrech Talakua, Yoga Alif Kurnia Utama, Indra Andriyanto, Universitas Widya Kartika

Pengaturan Fisik Motor DC

Sirkuit ekivalen elektrik dari armature dan body free diagram rotor ditunjukkan pada gambar berikut

Tabel 2.1 Parameter fisik untuk motor dc.

Persamaan Fungsi Transfer dari Sistem Kontrol Umpan Balik

Torsi yang dihasilkan oleh motor DC sebanding dengan arus jangkar dan kekuatan medan magnet. Di contoh ini kita akan menganggap bahwa medan magnet adalah konstan. Karena itu, torsi motor hanya proporsional arus jangkar i oleh faktor konstan Kt seperti yang ditunjukkan pada persamaan di bawah ini. Ini disebut sebagai armature controlled motor.

Back e.m.f, e, sebanding dengan kecepatan sudut dari poros oleh faktor konstan Ke.

Dalam unit SI, torsi motor dan konstanta belakang adalah sama, yaitu, Kt = Ke ; oleh karena itu, digunakan K untuk mewakili baik konstanta torsi motor dan konstanta belakang. kita bisa mendapatkan yang berikut ini mengatur persamaan berdasarkan hukum ke-2 Newton dan Hukum tegangan Kirchhoff.

Menerapkan transformasi Laplace, pemodelan di atas persamaan dapat diungkapkan dalam hal variabel Laplace.

Function transfer Open-loop berikut dengan menghilangkan I(s) antara dua persamaan di atas, di mana kecepatan dianggap sebagai output dan tegangan angker dianggap sebagai masukan :

Sistem kontrol umpan balik sering disebut sebagai sistem kontrol close loop. Dalam sistem kontrol ini, sinyal aktuating, yang merupakan perbedaan antara sinyal input dan sinyal umpan balik dimasukkan ke pengontrol sehingga dapat mengurangi kesalahan dan membawa output dari sistem ke nilai yang diinginkan. Istilah kontrol close loop selalu menyiratkan penggunaan tindakan kontrol umpan balik untuk mengurangi kesalahan sistem.

Sehingga, Plant close loop :

Plant Baru :

Plant Sebelumnya :

Program :

3. Hasil dan Pembahasan [Kembali]

Pemodelan sistem

Set point: 10 cm

Perancangan kontroler PID

Pada percobaan yang telah dilakukan, diperlukan beberapa kali percobaan sampai mencapai 4 iterasi dan didapatkan nilai Kp = 4.75, Ki = 0.069, Kd = 59,666.

Perancangan simulasi pada Matlab

Pengujian respon sistem

Pengujian respon dengan set point 10 cm, 12 cm, 14 cm.

Hasil Plant Baru : Hasil Plant Sebelumnya :

Kp : 3.801 Ki : 1.834 Kd : 0.998 Kp : 4.75 Ki : 0.069 Kd : 59.666

Set Point 10 :

Set Point 12 :

Set Point 14 :

4. Simpulan dan Saran [Kembali]

Simpulan

Metode optimasi Algoritma Genetika dapat mengontrol ketinggian air bendungan dengan cukup baik karena dapat memberikan suatu respon yang sama dengan set point yang telah ditetapkan. Dengan optimasi Genetic Algorithm didapatkan nilai Kp = 4.75, Ki = 0.069, Kd = 59,666 yang mana pada respon yang dihasilkan tidak terdapat overshoot.

Saran

Dalam hal ini penulis dapat memberikan saran kepada peneliti selanjutnya untuk memperbanyak variabel dalam plant, karena semakin banyak variabel menghasilkan nilai Kp, Ki dan Kd yang lebih baik juga.

Pada plant terbaru, grafik menunjukkan bahwa respon mencapai set point lebih cepat dibandingkan plant sebelumnya.

5. Video [Kembali]

Video simulasi optimtool