Implementasi Microkontroller untuk Sistem Kendali Kecepatan …
(Kristiyono dkk.)
IMPLEMENTASI MICROKONTROLLER UNTUK SISTEM KENDALI KECEPATAN BRUSHLESS DC MOTOR MENGGUNAKAN ALGORITMA HYBRID PID FUZZY Roedy Kristiyono1*, Oyas Wahyunggoro2*, Prapto Nugroho3* 1 Jurusan Teknik Elektro, Akademi Teknologi Warga Surakarta
[email protected] J. Raya Solo-Baki Km.2, Kwarasan Solo Baru, Sukoharjo 2 Jurusan Teknik Elektro dan Teknologi Informatika, UGM Yogyakarta
[email protected] 3 Jurusan Teknik Elektro dan Teknologi Informasi, UGM Yogyakarta
[email protected] Jl. Grafika No.2 Kampus UGM, Yogyakarta 552813 Abstrak Motor BLDC secara luas digunakan pada banyak aplikasi industri karena mempunyai efisiensi tinggi, torsi tinggi dan volume noise yang rendah. Pengendalian kecepatan Motor BLDC merupakan suatu proses yang rumit. Tetapi kerumitan yang dilakukan sebanding dengan unjuk kerja dari Motor BLDC yang tinggi. Kendali PID konvensional terbukti mampu menunjukkan kinerja yang baik pada pengendalian dengan pembebanan tertentu pada plant. Tetapi setiap terjadi perubahan beban pada plant, kendali PID konvensional harus dilakukan set ulang parameter kp, ki dan kd untuk dapat menuju ke keadaan steady state sesuai dengan set point yang diinginkan. Tujuan penelitian ini adalah merancang peralatan kendali untuk Motor BLDC yang dapat menala parameter PID secara otomatis oleh logika fuzzy. Dalam penelitian digunakan mikrokontroler AVR RISC sebagai pusat kendali. Sedangkan perangkat lunak digunakan untuk algoritma pemrograman kendali PID dan kendali hybrid PID fuzzy dengan bahasa C. Agar dapat menala parameter PID yang tepat secara waktu nyata, maka dibuat sistem kendali dua aras. Aras pertama menentukan parameter PID dengan mencari batas minimal dan maksimal nilai kp, ki dan kd dengan metode kurva reaksi. Aras kedua merancang sistem fuzzy agar dapat menala penguatan PID secara otomatis, kemudian memformulasikan kedalam kombinasi 49 aturan if-then fuzzy untuk mendapatkan nilai kp, ki dan kd yang tepat dari perubahan nilai error dan delta error. Pengujian perubahan set point dan perubahan beban dihasilkan karakteristik respon sistem kendali PID konvensional dengan nilai rata-rata yaitu waktu kenaikan (tr) 0.025 detik, waktu penetapan (ts) 0.1625 detik, overshoot sebesar 15.98%. Sedangkan kendali Hybrid PID Fuzzy dihasilkan nilai rata-rata waktu kenaikan (tr) 0.0025 detik, waktu penetapan (ts) 0.057 detik, overshoot sebesar 5.42%. Kata kunci : Auto-tuning, Brushless DC Motor, Fuzzy, Pengendalian, PID
I. PENDAHULUAN Sistem kendali PID paling banyak digunakan dalam pengendalian di industri. Keberhasilan pengendali PID tergantung ketepatan dalam menentukan konstanta (penguatan) PID(Gunterus, Frans. 1994 ). Dalam suatu sistem kendali, kita mengenal adanya beberapa macam aksi kontrol, yaitu aksi kontrol proporsional, aksi kontrol integral, dan aksi kontrol derivatif. Masing-masing aksi kontrol ini mempunyai keunggulan tertentu, dimana aksi kontrol proporsional mempunyai keunggulan risetime yang cepat, aksi kontrol integral mempunyai keunggulan untuk memperkecil error, dan aksi kontrol derivatif keunggulannya untuk memperkecil derror atau meredam overshoot/undershoot. Agar mendapatkan suatu keluaran yang tinggi dan error yang kecil, maka kita dapat menggabungkan kontrol-kontrol tersebut menjadi aksi PID. Pada makalah ini sistem kendali yang digunakan adalah sistem kendali PID digital. Seiring dengan perkembangan sistem berbasis pengetahuan, penalaan konstanta PID ini dapat ditentukan dengan menganalisis tanggapan suatu sistem, hasil analisis ini dibentuk dalam sejumlah aturan. Dengan mengkombinasikan aturan, pengaturan ini menjadi sebuah sistem fuzzy sebagai salah satu sistem berbasis pengetahuan sehingga konstanta PID dapat ditala secara waktu nyata. Untuk mencapai hal ini sistem kendali dibentuk menjadi sistem kendali dua aras(Wang, L. X. 1997 ). Aras pertama adalah sistem kendali PID konvensional. Aras kedua adalah sistem fuzzy yang menala konstanta PID secara waktu nyata. ISBN 978-602-99334-4-4
20
E.4
2. METODOLOGI Penalaan Kp, Ki, Kd SP
error
+
Output Kendali PID
Proses
PV error Fuzzy Kontrol
derror
Sinyal Feedback
Gambar 1. Kendali PID tuning Fuzzy Langkah awal yang dilakukan adalah mempelajari plant yang akan digunakan dalam sistem kendali ini. Pada gbr.2, merupakan spesifikasi Motor BLDC yang digunakan sebagai plant, dengan daya 60 Watt, tegangan 24 Volt, arus 2.9 Ampere, 3500 rpm, serta beberapa data parameter motor diperoleh melalui datasheet plant yang digunakan. Uji rangkaian percobaan dengan menggunakan program simulator PSIM, pada motor BLDC dilakukan percobaan pembebanan untuk mendapatkan hasil dead time dan delay time dengan metode kurva proses reaksi. Dimana dari hasil kurva reaksi ini nanti akan diperoleh nilai-nilai kp, ki dan kd maksimal dan minimal dengan metode Ziegler Nichols.
Gbr 2. Data Parameter Motor
Gbr 3. Rangkaian Percobaan Simulator PSIM
(a) (b) Gambar 4. Motor BLDC dengan pembebanan minimal dan maksimal Untuk mendapatkan harga Kp, Ti = 1/Ki, Td (Kd) maka ditentukan dengan kurva proses reaksi (Gbr.4.), dimana sistem dijalankan secara open loop(Y. S. Lai, 1999). Perhitungan auto tuning PID menurut Ziegler Nichols dapat dicari dengan persamaan : (1) (2) (3) Dengan hasil pada gbr 4(a), dan 4(b), dimasukan pada persamaan :
Prosiding SNST ke-6 Tahun 2015 Fakultas Teknik Universitas Wahid Hasyim Semarang
21
Implementasi Microkontroller untuk Sistem Kendali Kecepatan …
(Kristiyono dkk.)
(4)
(5) (6) Sehingga diperoleh persamaan : (7) (8) (9) Dari persamaan diatas nilai Kp , Kd dan Ki akan berubah-ubah sesuai dengan pembacaan hasil defuzyfikasi ketiga parameter K’p, K’d dan α. Sedangkan pembacaan nilai K’p, K’d dan α adalah seperti diagram alir gbr 5a. Sehingga dapat direalisasikan pada rutin fuzzy kedalam bahasa pemrograman mikrokontroler. Tahap pertama adalah membentuk definisi keanggotaan error dan derror kedalam struktur array, kemudian membentuk fungsi keanggotaan tiap variabel keanggotaan error dan derror. Start 2
Keanggotaan error dan derror
Proses Inferensi
Next sampling
Integral Baru Ki.Δe / T Tidak
Ya
Fungsi error dan derror
Defuzzyfikasi Kp’, Kd’ dan α
Output crips Kp’, Kd’ dan α Ke parameter PID Next sampling
Input : Set_Point (SP)
Input : Process Variabel (PV)
Hitung error e=SV-PV
Tidak
Ya Output Proposional P=Kp.e
Pembacaan crips Error dan derror
Output Integral I = I+Ki.Δe / T
Derivative Kd.(en-en-1).T
Output Derivative D=Kd.(en-en-1).T
Kiim Output PID PID=P+I+D Ke Controller
Delay(Ts) Update error en-1 = en
2
end
(a) (b) Gambar 5. Pembacaan Nilai Kontanta K’p, K’d dan α dan implementasi program ke mikrokontroler Dari diagram alir gbr 5.a, terjadi eksekusi program di setiap waktu sampling, maka besar nilai crips error dan derror akan dimasukkan kedalam fungsi keanggotaannya. Hasil dari pembacaan fungsi keanggotaan dilakukan proses inferensi, selanjutnya dilakukan proses defuzzyfikasi untuk menentukan nilai K’p, K’d dan α. Nilai hasil defuzyfikasi merupakan nilai tegas yang nantinya digunakan oleh kendali PID sebagai variabel penalaannya. Dari diagram alir gbr.5.b dapat direalisasi kedalam bahasa pemrograman mikrokontroler sebagai berikut : Ketika terjadi periode waktu sampling, sistem akan menunggu apakah ada penekanan keypad jika ada, kemudian memasukkan nilai set_point (SP) melalui penekanan keypad. Kemudian besaran variabel process (PV) akan selalu dibaca nilainya dan digunakan sebagai nilai pengurang terhadap SP untuk mendapatkan harga error. Untuk menghasilkan keluaran proporsional maka nilai error dikalikan dengan penguatan proporsional. Sedangkan harga keluaran integral merupakan besarnya akumulasi error dikalikan dengan penguatan integral. Dan harga keluaran derivatif adalah harga perubahan error dikalikan dengan penguatan derivatif. ISBN 978-602-99334-4-4
22
E.4
Setelah ketiga parameter PID didapatkan kemudian akan diumpankan ke kontroler. Proses ini terjadi selama satu perioda sampling sebesar waktu tunda (ts). Selanjutnya harga error selama satu perioda sampling perlu diperbarui untuk perhitungan nilai derivatif berikutnya. Nilai error dibagi kedalam tujuh aras ( NB, NM, NS, Z, PS, PM, PB), sedangkan nilai perubahan derror juga dibagi kedalam tujuh aras (DNB, DNM, DNS, DZ, DPS, DPM, DPB). Huruf pertama N, P dan D berarti negative, positive dan delta, sedangkan huruf kedua B, M, S dan Z berarti big, medium, small dan zero. Pada penelitian menggunakan fungsi bentuk segitiga. Bentuk fungsi segitiga lebih mudah diterapkan dalam pembuatan program. Didalam rutin program fuzzy nilai set point dikalikan dengan 10 dikurangi nilai dari kecepatan motor melalui masukan ADC 10 bit. Nilai masukan ADC digunakan sebagai nilai pengurang terhadap set point untuk menghasilkan besarnya error. Rentang kecepatan motor yang dapat dibaca sebesar 100 sampai 3000. Nilai error yang terbaca dapat dipetakan menurut fungsi keanggotaan input derror dan perubahan derror seperti gbr 6. ue
ude NB
NM
NS
Z
PS
PM
PB 1
0 -30
0
0 -20
0
0 -10
0
0
100
0
200
0
300
0
e
NB
NM
NS
Z
PS
PM
0
20 (b) -10 0 10 Gambar 6 (a) Keanggotan input error (b)Keanggotaan Input derror
(a)
PB
-20
-30
30
de
(10)
(11)
(12) Dari aturan pada gbr 7, maka dapat ditentukan aturan ketiga konstanta PID. Selengkapnya sesuai persamaan (10), (11), dan (12) pernyataan fuzzy tersebut dapat ditabelkan pada tabel 1, tabel 2 dan tabel 3, yang kemudian akan di masukkan sebagai data pemrograman mikrokontroler yang digunakan system kendali hybrid PID-Fuzzy untuk mengatur BLDC motor Fuzzy System
Kp’
Pers (10)
Kp
e(t) Kd’
Kd (11)
Fuzzy System de(t) Fuzzy System
Ki’
(12)
Ki
Gbr 7. Fuzzy sistem menala kendali PID
NB NM NS Z PS PM PB
DNB B S S S S S B
Tabel 1 Aturan untuk K’p DNM DNS DZ DPS B B B B B B B B S B B B S S B S S B B B B B B B B B B B
Prosiding SNST ke-6 Tahun 2015 Fakultas Teknik Universitas Wahid Hasyim Semarang
DPM B B S S S B B
DPB B S S S S S B
23
Implementasi Microkontroller untuk Sistem Kendali Kecepatan …
(Kristiyono dkk.)
NB NM NS Z PS PM PB
DNB S B B B B B S
Tabel 2 Aturan untuk K’d DNM DNS DZ DPS S S S S B S S S B B S B B S S S B B S B B S S S S S S S
DPM S B B B B B S
DPB S B B B B B S
NB NM NS Z PS PM PB
DNB 2 3 4 5 4 3 2
Tabel 3 Aturan untuk α DNM DNS DZ DPS 2 2 2 2 3 2 2 2 4 3 2 3 4 3 3 3 3 3 2 3 3 2 2 2 2 2 2 2
DPM 2 3 3 4 3 3 2
DPB 2 3 4 5 4 3 2
3. HASIL DAN PEMBAHASAN Pada gambar 8, diagram blok konstruksi hardware penelitian yang dilakukan, dan gambar 9, 10, 11, merupakan hasil dari penelitian yang dilakukan.
Gambar 8 Diagram Blok Konstruksi Hardware Penelitian
Gambar 9 Plant BLDC pada 1500 rpm tanpa beban dan dengan pembebanan
Gambar 10 Plant BLDC dari 1000rpm dinaikan ke 1500rpm tanpa beban dan dengan beban ISBN 978-602-99334-4-4
24
E.4
Gambar 11 Plant BLDC dari 1500rpm turun ke 1000rpm tanpa beban dan dengan beban Tabel 5 menunjukkan hasil uji percobaan yang dilakukan dengan mengubah-ubah set point (kecepatan). Juga dilakukan pula uji percobaan dengan mengubah set point secara tiba-tiba dalam selang waktu 0,5 detik dari set point 1000rpm menuju ke 1500 rpm tanpa beban dan dengan beban 0,5 kg, juga dilakukan uji perubahan set point dari 1500 rpm menuju 1000 rpm dengan seang waktu 0,5 detik. Tabel 4. Data hasil uji percobaan Kecepatan
Set Point 1500 tanpa beban 1500 dengan beban 1000 – 1500 tanpa beban 1000 – 1500 dengan beban 1500 – 1000 tanpa beban 1500 – 1000 dengan beban
Kontrol PID Rise Time ( sec ) 0.025 0.025 0.025 0.025 0.025 0.025
Kontrol hybrid PID-Fuzzy Over- Settling Rise OverSettling shoot Time Time shoot Time (%) ( sec ) ( sec ) (%) ( sec ) 17.50 0.175 0.0025 17.00 0.05 17.50 0.25 0.0025 15.50 0.075 20.00 0.1375 0.0025 0 0.05 22.50 0.150 0.0025 0 0.044 9.20 0.1875 0.0025 0 0.05 9.20 0.075 0.0025 0 0.075
4. KESIMPULAN Dari hasil penelitian dan pembahasan, dapat disimpulkan bahwa proses kendali dengan sistem penalaan parameter kendali PID dengan logika Fuzzy yang diaplikasikan untuk mengatur Motor BLDC dapat memperbaiki kinerja kendali PID konvensional. Pengujian perubahan set point dan perubahan beban, dihasilkan karakteristik tanggapan sistem kendali PID konvensional dengan nilai rata-rata yaitu waktu kenaikan (tr) 0.025 detik, waktu penetapan (ts) 0.1625 detik, overshoot sebesar 15.98%. Sedangkan kendali hybrid PID Fuzzy dihasilkan nilai rata-rata waktu kenaikan (tr) 0.0025 detik, waktu penetapan (ts) 0.057 detik, overshoot sebesar 5.42%. Dapat disimpulkan bahwa kendali hybrid PID Fuzzy mampu meningkatkan kinerja dari kendali PID konvensional. UCAPAN TERIMAKASIH Terimakasih kami sampaikan kepada Jurusan Teknik Elektro Akademi Teknologi Warga Surakarta yang telah memberi fasilitas dalam penelitian ini dan kepada Wiyono dan Budi Nugroho yang telah banyak membantu dan memberi dukungan. REFERENSI Gunterus, Frans. 1994, Falsafah Dasar: Sistem Pengendalian Proses, jakarta. PT. Elex Media Komputindo.. Wang, L. X. 1997, A Course in Fuzzy Systems and Control, New Jersey: Prentice-Hall International. Inc: pp. 257-263. Y. S. Lai, Proceedings of the IEEE PES Winter Meeting, 1999, p.47 Prosiding SNST ke-6 Tahun 2015 Fakultas Teknik Universitas Wahid Hasyim Semarang
25