Professional Documents
Culture Documents
I. PENDAHULUAN
Dalam sistem kontrol, pengetahuan plant yang akan
dikendalikan diperlukan untuk merancang sistem
kendalinya. Analisis atas suatu sistem (atau sinyal) akan
lebih mudah jika diketahui model matematik-parametrik
sistem yang bersangkutan. Untuk itu perlu dilakukan
identifikasi
parameter
sistem.
Identifikasi
sistem
didefinisikan sebagai usaha untuk merekonstruksi model
parameter plant melalui eksperimental dengan menggunakan
data yang berasal dari masukan dan keluaran. Proses
identifikasi suatu sistem pada plant dapat dilakukan dengan
real time atau langsung terhubung ke plant secara on-line
maupun off-line.
Penelitian sebelumnya mengenai identifikasi
parameter sistem secara off-line telah dilakukan oleh Jody
Roostandy[8] dengan menggunakan metode algoritma
genetik. Pada penulisan Tugas Akhir ini penulis akan
menguraikan mengenai pengidentifikasi sistem yang
dilakukan secara on-line. Plant sistem yang diigunakan
sebagai alat uji adalah berupa plant simulator orde 1, orde 2
dan orde 3 dan plant model yang dirancang adalah plant orde
1, orde 2 dan orde 3. Metode yang digunakan dalam Tugas
Akhir ini menggunakan algoritma least mean square (LMS)
dengan filter adaptif IIR.
1.1
1.2
Batasan Masalah
Dalam pembuatan tugas akhir ini, untuk mengatasi
permasalahn yang ada maka penyusun membatasi
permasalahan sebagai berikut :
1. Sistem plant yang digunakan untuk pengujian
merupakan plant simulator dengan tegangan keluaran
maksimal 5 volt.
2. Pengujian dibatasi pada plant yang mempunyai 1
masukan dan 1 keluaran (single input single output =
SISO).
3. Pembuatan program dibantu dengan bantuan Delphi 6.0
dan perangkat antar muka (interface Card) PPI card
8255, ADC & DAC 8 bit.
4. Tidak membahas masalah Hardware.
5. Algoritma pembaharuan data menggunakan metode IIR
LMS.
II. DASAR TEORI
Model Matematika Sistem Dinamik
Model matematika dari sistem dinamik didefinisikan
sebagai
suatu
set
persamaan
matematis
yang
mempresentasikan dinamika suatu sistem secara akurat atau
paling tidak mendekati karakteristik sistem dinamik tersebut.
Sebagai langkah awal dalam menganalisis sistem dinamik
adalah dengan menurunkan model matematikanya. Model
matematik setiap sistem akan berbeda-beda, hal itu
tergantung dari komponen-komponen sistem.
2.1
2.2
e k2
w 0
.
.
.
e k2
w
L
2ek
e k2
w 0
.
.
.
k k2
w
L
2e k X
dk
L
xk
nk
yk
z k
n0
nk
z k
n 1
yk W U k
(2.9)
Seperti pada algoritma adaptif, masalah utama pada
algoritma LMS adalah konvergen dengan solusi vektor
bobot optimum, dimana E ek2 diminimalkan. Untuk
memeriksa konvergensi LMS, mula-mula perhatikan bahwa
perkiraan gradient pada keterangan sebelumya :
e 2
e
k
2e
Wk
Wk
(2.1)
k
y
y k
= - 2e k k .
a Lk
a 0 k
y k
y
. k
bLk
b1k
(2.10)
nk
L
y k
y
= x k n bl k 1
a1k
a n
l 1
= xk n
b
l
n.k 1
0 n L
l 1
(2.46)
2.2.2
L
y k
y
= y k n bl k 1
b1k
bn
l 1
= y k n
n . k 1
1 n L
(2.11)
l 1
l 1
y (k ) a n x( k n ) ) bn y ( k n)
n 0
nk
(2.4)
n 1
(2.5)
U k x k x k 1 .. x k L y k 1 y k 2 .. y k L
ek d k y k
(2.6)
y k WkT U k
(2.8)
(2.7)
Wk 1 Wk M
k
(2.13)
2 d y .. .. T (2.14)
k
k
k
0k
1k
Lk
1k
2k
Lk
Sedang untuk menghitung laju konvergensi mencakup
pengambilan ukuran langkah dan v .Persamaan laju
konvergensi adalah :
M diag[ ...... v1 ...... v L ]
(2.15)
III. PERANCANGAN
3.1 Perangkat Keras
Perangkat keras yang digunakan dalam pengujian ini terdiri
atas:
1. Interface Card (PPI 8255)
2. Digital to Analog Converter (DAC 0808)
3. Analog to Digital Converter (ADC 0804)
4. Unit Catu Daya
5. Rangkaian Plant Simulator
6. Komputer
yk
[11]
Dengan:
R1, R2, R4, R5 = 47 K Ohm
R3, R6 = 94 K Ohm
C1, C2 = 22 F
akan didapatkan fungsi alihnya adalah:
G( s)
Eo( s)
4
=
2
Ei( s)
1.069s 2.068s 1
G( z )
1.009 z 0.5282
z 0.7604 z 0.1446
2
dk
ek
[11]
G (s)
1
s 1
G( z)
0.6321
z 0.3679
[11]
b.
c.
a 1
z b
a1 z a 2
z 2 b1 z b 2
G ( z)
a1 z 2 a 2 z a 3
z 3 b1 z 2 b 2 z b 3
Data Masukan ( x k )
Pada pengujian ini, tegangan yang digunakan untuk
pengujian dimasukkan ke plant simulator dan plant model
melalui PC (Personal Computer) .Tegangan yang akan
masuk ke plant simulator disampling pada tiap periode
sampling dan pada tiap waktu itulah keluaran output
diperbaharui. Data yang akan masuk ke plant simulator
(pada Hardware) harus melewati DAC terlebih dahulu
3.2.3 Data Keluaran
Terdapat dua macam data keluaran, yaitu data
keluaran dari plant simulator (d k ) dan data keluaran dari
a1 [k] = 0 b1 [k] = 0
x[k-1] = 0 y[k-1] = 0
3.2.2
1[ k 1] = 0 1[ k 1]
3.
y k W kT U k
y ( k ) b 1 y ( k 1) a 1 x ( k 1)
4.
Menghitung nilai
5.
0 n L
l 1
nk y k n
lk
n .k 1
1 n L
l 1
k
k
k
0k
Lk
1k
Lk
dan nilai
x ( k 1 ) b 1( k )
1( k )
y (k
1)
1( k 1)
b1( k ) 1 ( k 1)
ek d k y k
6.
= -2
ek [
1(k )
1( k )
]T
M [ 1 v1 ]
Update bobot
b1
nk x k n blk n.k 1
1(k )
a1
ek d k y k
2.
7.
y k W kT U k
=0
new
new
a1
b1
old
old
2 1 ek
1(k )
2 v1 ek 1 ( k )
Wk 1 W k M
k
M dig[ .....
v1 ....v L ]
x(z)
1 b 1 z 1
y ( z ) b1 z 1 y ( z ) a 1 z 1 x ( z )
Langkah-langkah dalam proses Identifikasi Parameter dengan Metode IIR
LMS adalah :
1.
Langkah awal yang yang perlu dilakukan adalah menginisialisasi
kondisi awal, meliputi :
Xk
Yk
dk
ek
Gambar 4.2 Sinyal hasil pengujian sistem orde satu (a) pada
tegangan referensi 1 volt (b) Pada tegangan referensi 2 volt
(c) Pada tegangan referensi 3 volt (d) pada input bentuk
sinus (e) pada input bentuk ram.
Pengujian Sistem Orde Dua
3
Input
0.8
2.5
Output
0.6
Out_Model
0.4
0.2
0
0
50
100
150
200
Tegangan (Volt)
Tegangan (Volt)
1.2
250
2
Input
1.5
Output
Out_Model
1
0.5
Waktu (milisecond)
0
(a)
50
100
150
200
250
Waktu (milisecond)
2.5
(a)
2.5
Input
1.5
Output
1
Out_Model
0.5
0
0
50
100
150
200
2
Tegangan (Volt)
Tegangan (Volt)
250
Input
1.5
Output
1
Out_Model
0.5
Waktu (milisecond)
0
(b)
50
100
150
200
250
Waktu (milisecond)
3.5
(b)
3.5
Input
Output
1.5
Out_Model
1
0.5
0
0
50
100
150
200
Tegangan (Volt)
Tegangan (Volt)
3
2.5
2.5
Input
Output
1.5
Out_Model
250
0.5
Waktu (milisecond)
(c)
50
100
150
200
250
Waktu (milisecond)
3
(c)
3
2
Input
1.5
2.5
Output
Out_Model
1
0.5
0
0
50
100
150
200
Tegangan (V0lt
Tegangan (Volt)
2.5
250
2
Input
1.5
Output
Out_Model
1
0.5
Waktu (milisecond)
0
(d)
50
100
150
200
250
Waktu (milisecond)
2.5
(d)
2.5
Input
1.5
Output
1
Out_Model
0.5
0
0
50
100
150
Waktu (milisecond)
200
250
Tegangan (Volt)
Tegangan (Volt)
Input
1.5
Output
1
Out_Model
0.5
0
0
(e)
50
100
150
Waktu (milisecond)
(e)
200
250
Gambar 4.3 Sinyal hasil pengujian sistem orde dua (a) pada
tegangan referensi 1 volt (b) Pada tegangan referensi 2 volt (c)
Pada tegangan referensi 3 volt (d) pada input bentuk sinus (e) pada
input bentuk ram.
Gambar 4.4 Sinyal hasil pengujian sistem orde tiga (a) pada
tegangan referensi 1 volt (b) Pada tegangan referensi 2 volt (c)
Pada tegangan referensi 3 volt (d) pada input bentuk sinus (e) pada
input bentuk ram.
1.8
1.6
a1
a2
a3
b1
b2
b3
Simulator
1.4
Tegangan (Volt)
Plant
1.2
Input
Output
0.8
Out_Model
Orde 1
0.6321
0.3679
Orde 2
1.009
0.5282
0.7604
-0.1446
Orde 3
0.3051
0.596
0.0702
1.128
-0.4243
0.0532
0.6
0.4
0.2
0
0
50
100
150
200
250
Waktu (milisecond)
Sumber Input
(a)
Constan(1Volt)
Constan(2Volt)
Constan(3Volt)
Sinus
Ram
2.5
Tegangan (Volt)
2
Input
1.5
Output
1
Out_Model
0.5
50
100
150
200
250
Waktu (milisecond)
(b)
3.5
Tegangan (Volt)
3
2.5
Input
Output
1.5
Out_Model
1
0.5
0
0
50
100
150
200
Error
0.0233
0.0464
0.0498
-0.729
-0.126
a1
0.6895
0.7088
0.7137
0.8598
0.5848
b1
0.249
0.228
0.216
0.317
0.383
0
0
Nilai
Alpha
0.01
0.01
0.01
0.01
0.01
250
Waktu (milisecond)
(c)
No
Plant
a1
a2
a3
b1
b2
b3
Simulator
2
Input
1.5
Output
Orde 1
0.704
0.231
Orde 2
0.397
0.393
0.1235
0.16135
Orde 3
0.2037
0.2571
0.2489
0.0936
0.0867
0.0867
Out_Model
1
0.5
0
0
50
100
150
200
250
Waktu (milisecond)
(d)
2.5
2
Tegangan (Volt)
Tegangan (Volt)
2.5
Input
1.5
Output
1
Out_Model
0.5
0
0
50
100
150
Waktu (milisecond)
(e)
200
250
DAFTAR PUSTAKA
1.
2.
3.
4.
5.
6.
7.
V. PENUTUP
A.
Kesimpulan
Dari hasil pengujian dan analisa terhadap program
Identifikasi Parameter Sistem dapat ditarik beberapa
kesimpulan sebagai berikut :
1. Laju convergence pada algoritma IIR LMS sangat
berpengaruh dalam menentukan besarnya nilai
parameter.
2. Semakin kecil laju convergence maka waktu yang
dibutuhkan untuk meng-update nilai parameter akan
semakin lama.
3. Untuk mendapatkan nilai parameter dari plant yang
diuji, dimana hasilnya mendekati plant sebenarnya
maka digunakan bentuk input constant (step).
4. Pada pengujian orde satu dihasilkan nilai parameter
a1=0.704 dan b1=0.231 dan nilai errornya adalah
0.039 pengujian dilakukan dengan waktu iterasi 200
milisecond.
5. Pada pengujian orde dua dihasilkan nilai parameter
a1=0.967 a2=0.393 dan b1=0.1235 b2 =0.1614 dan
nilai errornya adalah 0.041 pengujian dilakukan
dengan waktu iterasi 200 milisecond.
6. Pada pengujian orde tiga dihasilkan nilai parameter
a1= 0.2037 a2= 0.2571 a3= 0.2489 dan b1= 0.0936
b2= 0.0867 b3= 0.0867 dan nilai errornya adalah
pengujian dilakukan dengan waktu iterasi 200
milisecond.
7. Semakin lama waktu iterasi pada waktu pengujian
maka nilai parameter yang dihasilkan akan semain
bagus.
Saran
Saran-saran yang dapat diambil dari hasil pengujian
dan analisa yang telah dilakukan adalah:
1
Sotwere dan Hardwere pada Tugas Akhir ini sudah
dapat diaplikasikan sebagai modul Praktikum Estimasi
dan Identifikasi Parameter Sistem.
2
Perlu dikembangkan sebuah perangkat keras yang
lebih baik dengan aplikasi yang lebih banyak.
3
Untuk pengembangan mencoba perhitungan algoritma
adaptive dengan metode lain seperti RLS atau JST
(Jaringan Syaraf Tiruan).
4
Mencoba dengan plant yang model matematis belum
diketahui sama sekali dan lebih komplek, seperti pada
motor DC
8.
9.
10.
11.
12.
13.
B.
Semarang,
Agustus 2004
Mengetahui/Mengesahkan
Pembimbing I
Mengetahui/Mengesahkan
Pembimbing II
Sumardi, ST. MT
NIP. 132 125 670