Jan 15, 2016
2
• Menjelaskan sasaran kinerja yang kita cari hingga ketemu lewat penyetelan (tuning).
• Menerapkan prosedur penyetelan menggunakan kurva reaksi porses (process reaction curve) dan persamaan tuning.
• Perbaikan kinerja lebih lanjut dengan penyetelan yang baik
Saat kuselesaikan bab ini, kuingin dapat melakukanhal-hal berikut.
Tujuan Pembelajaran
3
Kerangka Kuliah.
• Pendekatan trial-and-error - kenapa kita tidak menggunakannya
• Definisi masalah tuning
• Menyelesaikan dan Mengembangkan korelasi
• Menerapkan korelasi ke contoh-contoh
• Kehalusan penyetelan - sentuhan pribadi
Kerangka Kuliah
4
• Kinerja yang baik - ukuran feedback dari Bab 7
• Aplikabilitas yang luas - parameter yang dapat disetel
• Kalkulasi tepat waktu - menghindari lup konvergen
• Ganti ke/dari manual - tanpa tabrakan
• Ekstensibel - dipertinggi dengan mudah
Bab ini
Bab sebelumnya
Bab nanti
Sifat-sifat yang Kita Cari dalam Kontroler
5
• Bagaimana kita menerapkan persamaan sama untuk banyak proses?• Bagaimana mencapai kinerja dinamik yang kita inginkan?
TUNING!!!
Idt
CVdTdttE
TtEKtMV d
Ic
0
1 ')'()()(
Parameter yang dapat disetel disebut konstanta tuning. Kita dapat menyesuaikan harganya ke proses untuk mempengaruhi kinerja dinamik
Penyetelan PID
6
AC
Trial 1: tak stabil, hilang $25,000
0 20 40 60 80 100 120
-40
-20
0
20
40
S-LOOP plots deviation variables (IAE = 608.1005)
Time
Con
trol
led
Var
iabl
e
0 20 40 60 80 100 120
-100
-50
0
50
100
Time
Man
ipul
ated
Var
iabl
e
Trial 2: kelewat pelan, rugi $3,000
0 20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1
S-LOOP plots deviation variables (IAE = 23.0904)
Time
Con
trol
led
Var
iabl
e
0 20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
0 20 40 60 80 100 120
0
0.5
1
1.5
S-LOOP plots deviation variables (IAE = 9.7189)
Time
Con
trol
led
Var
iabl
e
0 20 40 60 80 100 120
0
0.5
1
1.5
Time
Man
ipul
ated
Var
iabl
e
Trial n: OK, akhirnya!, tapi didapat dengan kelewat lama!!
Adakah carayang lebih mudah
dari padatrial &error?
Penyetelan PID
Idt
CVdTdttE
TtEKtMV d
Ic
0
1 ')'()()(
7
Ya, kita bisamenyiapkan
korelasi yangbaik!
S-LOOP plots deviation variables (IAE = 608.1005)
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
Tentukan sebuah model menggunakan eksperimen PRC (process reaction curve).
Kc TI
Tentukan konstanta penyetelan awal dari korelasi.
0 20 40 60 80 100 120
0
0.5
1
1.5
S-LOOP plots deviation variables (IAE = 9.7189)
Time
Con
trol
led
Var
iabl
e
0 20 40 60 80 100 120
0
0.5
1
1.5
Time
Man
ipul
ated
Var
iabl
e
Terapkan dan setel lebih halus sesuai kebutuhan.
Definisikan masalah tuningnya
1. Dinamika proses2. Variabel yang diukur3. Kesalahan model4. Input forcing5. Kontroler6. Ukuran kinerja
Penyetelan PID
8
Definisikan masalah tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Kontroler PID akan berfungsi baik untuk daerah yang luas dari dinamika proses berumpan-balik ditunjukkan di sini.
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
trol
led
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
Gambarkan dinamikanyadari data perubahan step.
Penyetelan PID
9
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
trol
led
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
Orde satu dengan dead time
Orde n dengan dead time
Tak stabil
Integrator, lihat Bab 18
underdamped
Penyetelan PIDDefinisikan masalah
tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Gambarkan dinamikanyadari data perubahan step.
Kontroler PID akan berfungsi baik untuk daerah yang luas dari dinamika proses berumpan-balik ditunjukkan di sini.
10
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
trol
led
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
tro
lled
Va
riab
le
Kita akan mengembangkan korelasi penyetelan untuk dinamika ini.
• Sangat umum terjadi
• Cocokkan model menggunakan PRC
• Proses-proses lain dikendalikan dengan PID; perlu trial-and-error lagi
Penyetelan PIDDefinisikan masalah
tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Kontroler PID akan berfungsi baik untuk daerah yang luas dari dinamika proses berumpan-balik
11
Situasi yang realistis: Variabel yang diukur akan memasukkan efek dari sensor noise dan frekuensi gangguan proses tinggi
DYNAMIC SIMULATION
Time
0 5 10 15 20 25 30 35 40 45 50-0.5
0
0.5
1
1.5
Time
Con
trol
led
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Man
ipul
ated
Var
iabl
e
Penyetelan PIDDefinisikan masalah
tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
12
Situasi yang realistis: Model tidak mewakili proses secara pasti. Kita akan asumsikan bahwa model memiliki 25% kesalahan pada gain, konstanta waktu dan dead time, sebagai contoh:
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
trol
led
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
1s
.
)(
)()(
10
02 5 s
P
e
sMV
sCVsG
3.75 - 6.251.5 - 2.5
7.5 -1 2.5
gainDead time
Time constant
Penyetelan PIDDefinisikan masalah
tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
13
Definisikan masalah tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Situasi yang realistis: Dua masukan yang khas akan dipertimbangkan, perubahan di set point dan gangguan. Untuk korelasi, pakai step inputs, tapi kontroler akan berfungsi untuk masukan lainnya.
solvent
pure A
AC
FS
FA
SP
Solvent % A
Penyetelan PID
14
Definisikan masalah tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Situasi yang realistis : Kita akan mempertimbangkan kontroler PID, yang mana digunakan untuk hampir semua kontroler lup-tunggal (1CV, 1MV).
solvent
pure A
AC
FS
FA
SP
Penyetelan PID
Idt
CVdTdttE
TtEKtMV d
Ic
0
')'(
1)()(
15
Definisikan masalah tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Perilaku Dinamik CV:Stabil, offset nol, IAE minimum
Perilaku Dinamik MV:osilasi terredamdan fluktuasi kecil disebabkan oleh noise.
MV bisa lebih agresif pada bagian transien yang pertama
Penyetelan PID
16
Definisikan masalah tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
Sasaran utama kita adalah menjaga CV dekatdengan set point-nya. Di samping tidak mengauskan
katupnya, kenapa kita punya sasaran untuk MV?
AC
0 5 10 15 20 25 30 35 40
-10
0
10
20
30
40
Time
Man
ipu
late
d V
aria
ble
Steam flow
Large, rapid changes to the steam flow can damage the trays
Penyetelan PID
17
Definisikan masalah tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
0 5 10 15 20 25 30 35 40
-10
0
10
20
30
40
Time
Man
ipul
ated
Var
iabl
e
Fuel flow
Besar, perubahan cepat terhadap aliran bahan bakar menyebabkan tekanan panas (thermal stress) yang merusak tube.
FT
1
FT
2
PT
1
PI
1
AT
1
TI
1
TI
2
TI
3
TI
4
PI
2
PI
3
PI
4
TI
5
TI
6
TI
7
TI
8FI
3
TI
10
TI
11
PI
5
PI
6
TC
Fuel
Penyetelan PIDSasaran utama kita adalah menjaga CV dekat
dengan set point-nya. Di samping tidak mengauskankatupnya, kenapa kita punya sasaran untuk MV?
18
DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI
• Model proses dinamik orde satu dengan dead time (FOPDT)• Sinyal pengukuran kebisingan (noisy)• Kesalahan parameter ± 25% antara model/pabrik• Kontroler PID: tentukan Kc, TI, Td
• Minimisasi IAE dengan MV di dalam batas
Kita capai sasaran dengan menyesuaikan Kc, TI dan Td.
Detailnya ada di bab dan Appendix E.
Penyetelan PIDDefinisikan masalah
tuningnya
1. Dinamika proses
2. Variabel yang diukur
3. Kesalahan model
4. Input forcing
5. Kontroler
6. Ukuran kinerja
19
Metode Penyetelan Kontroler
PRC-FOPDT Grafis
Ciancone (1992) Lopez (1969)
Persamaan Ziegler- Nichols (1942) Coon-Cohen (1953) Lopez (1967) Sintesis Dahlin (1968) Wahid-Rudi (2005)
On-line: Ziegler-Nichols (1942) Internal Model Control (IMC) PRC-SOPDT: Sung, dkk (1996)
20
Kp = 1
= 5
= 5
TC
v1
v2
0 5 10 15 20 25 30 35 40 45 50-0.5
0
0.5
1
1.5
0 5 10 15 20 25 30 35 40 45 5000.20.40.60.81
TC
v1
v2
Kc = 0.74
TI = 7.5
Td = 0.90
Process reaction curve
Selesaikan masalah penyetelan. Perlu program komputer.
Terapkan, apa kinerjanya baik?
Penyetelan PID
DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI
• Model proses dinamik orde satu dengan dead time (FOPDT)
• Sinyal pengukuran kebisingan (noisy)• Kesalahan parameter ± 25% antara
model/pabrik• Kontroler PID: tentukan Kc, TI, Td
• Minimisasi IAE dengan MV di dalam batas
21
0 20 40 60 80 100 120-5
0
5
10
15
CV
0 20 40 60 80 100 1200
5
10
15
20
25
time M
V
0 20 40 60 80 100 120-5
0
5
10
15
CV
0 20 40 60 80 100 1200
10
20
30
40
time
MV
0 20 40 60 80 100 120-5
0
5
10
15
CV
0 20 40 60 80 100 1200
10
20
30
time
MV
Plant = model Plant = + 25%Plant = - 25%
Penyetelan bukan terbaik untuk sembarang kasus individual, tapi terbaik untuk daerah dinamika yang mungkin - itu handal (robust)!
Batas MV Batas MV Batas MV
Penyetelan PID
22
Kp = 1
= 5
= 5 TC
v1
v2
0 5 10 15 20 25 30 35 40 45 50-0.5
0
0.5
1
1.5
0 5 10 15 20 25 30 35 40 45 5000.20.40.60.81
TC
v1
v2
Kc = 0.74
TI = 7.5
Td = 0.90
0 20 40 60 80 100 120-5
0
5
10
15
CV
0 20 40 60 80 100 1200
10
20
30
time
MV
Kinerja baik
Process reaction curve
Penyetelan PID
Selesaikan masalah penyetelan. Perlu program komputer.
DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI
• Model proses dinamik orde satu dengan dead time (FOPDT)
• Sinyal pengukuran kebisingan (noisy)• Kesalahan parameter ± 25% antara
model/pabrik• Kontroler PID: tentukan Kc, TI, Td
• Minimisasi IAE dengan MV di dalam batas
23
Kita dapat menyelesaikan setiap masalah secara individual, tapi ini akan terlalu banyak makan waktu. Kita akan menyukai untuk mengembangkan sebuah korelasi didasarkan pada banyak solusi.
))/((')/((')/(('
))/((')/((')/(('
)(
)()/('
)/('
seTsTsKK
seTsTsKK
sMV
sCVs
dI
pc
s
dI
pc
1111
111
Konstanta Penyetelan Tanpa Satuan
Variabel bebas
Ingat bahwa /(+ ) + /(+ ) = 1
Penyetelan PID
24
Grafik Tuning untuk Kontroler PID Berumpan-balik menggunakan
KORELASI CIANCONE
(Lihat halaman 281 di buku ajar untuk gambar yang lebih besar.)
Ini dikembangkan denganmerangkum sejumlah besar studi
kasus pada grafik tanpadimensi ini?
disturbance Set point changePenyetelan PID (KORELASI CIANCONE)
25
disturbance Set point
Penyetelan PI (KORELASI CIANCONE)
Grafik Tuning untuk Kontroler PI Berumpan-balik menggunakan
KORELASI CIANCONE
Ini dikembangkan denganmerangkum sejumlah besar studi
kasus pada grafik tanpadimensi ini?
(Lihat halaman 286 di buku ajar untuk gambar yang lebih besar.)
26
solvent
pure A
AC
FS
FA
Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT.
Tuning dari chart
Kc = ??
TI = ??
Td = ??
Process reaction curve
Kp = 0.039 %A/%open
= 5.5 min
= 10.5 min
Penyetelan PID
27
solvent
pure A
AC
FS
FA
Tuning dari chart
Kc = 1.2/0.039 = 30 %open/%A
TI = 0.69(16) = 11 min
Td = 0.05(16) = 0.80 min
Process reaction curve
Kp = 0.039 %A/%open
= 5.5 min
= 10.5 min
Penyetelan PID
Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT.
28
0 20 40 60 80 100 120 140 160 180 20025
30
35
40
45
50
time
man
ipu
late
d fl
ow
0 20 40 60 80 100 120 140 160 180 2003
3.1
3.2
3.3
3.4
time
conc
entr
atio
n
Gangguan konsentrasi
Valve % open
Konsentrasi effluent
solvent
pure A
AC
FS
FA
5080011
130
0
dt
CVddttEtEv
.')'()(
Kinerja yang baik
Penyetelan PID
29
FINE TUNING: Process reaction curve dan grafik tuning menyediakan sebuah metode yang baik untuk penyetelan beberapa (tidak semua) lup PID. Kita perlu mempelajari bagaimana untuk penyetelan lup yang halus untuk terus memperbaiki kinerja didasarkan pada perilaku sekarang - KENAPA?
• Beberapa lup akan memiliki obyektif kinerja yang berbeda-beda
• Beberapa lup akan memiliki dinamik yang berbeda dari FOPDT
• Bisa terjadi kesalahan pada PRC, mungkin terjadi gangguan selama eksperiman.
• Dinamika pabrik dapat berubah disebabkan oleh perubahan pada laju alir umpan, konversi reaktor, dan sebagainya.
Penyetelan PID
30
Idt
CVdTdttE
TtEKtMV d
Ic
0
1 ')'()()(
Apa efek dari merubah gain kontroler pada kinerja sebuah lup PID?
Mari kita lakukan sebuah eksperimen dengan merubah Kc dan memonitor kinerjanya.
Penyetelan PID
31Kontroler PID dengan perubahan Kc, TI = 10, Td = 0.
• Kenapa IAE naikuntuk Kc yang kecil?
• Kenapa IAE naikuntuk Kc yang besarl?
0 0.5 1 1.5 20
20
40
60
controller gain
cont
rol p
erfo
rman
ce, I
AE Bad
?TC
v1
v2
0 50 100 150 200-1
-0.5
0
0.5
1
time
cont
rolle
d va
riabl
e
0 50 100 150 200-1
-0.5
0
0.5
1
time
cont
rolle
d va
riabl
e
0 50 100 150 200-1
-0.5
0
0.5
1
time
cont
rolle
d va
riabl
e
Is this the “best”?
Kc = 0.62Kc = 1.14 Kc = 1.52
Penyetelan PID
32
Idt
CVdTdttE
TtEKtMV d
Ic
0
1 ')'()()(
Apa efek merubah waktu integral pada kinerja lup PID?
Apa jawabannya berbeda dari Kc? Apa bedanya?
Penyetelan PID
33
0 5 10 15 20 25 30 35 40 45 500
0.5
1
1.5
S-LOOP plots deviation variables (IAE = 9.6759)
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 500
0.5
1
1.5
Time
Ma
nip
ula
ted
Va
ria
ble
FINE TUNING: Mari kita terapkan pemahaman kita untuk membangun pedoman fine tuning.
Ini adalah kinerjapengendalian yang “baik”.
Jelaskan bentuk responCV dan MV.
Penyetelan PID
34
0 5 10 15 20 25 30 35 40 45 500
0.5
1
1.5
S-LOOP plots deviation variables (IAE = 9.6759)
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 500
0.5
1
1.5
Time
Ma
nip
ula
ted
Va
ria
ble
Catatan: ini adalah perubahan step pada set point - baik untuk diagnosis!
MV0 = Kc (SP) seharusnya mendekati perubahan yang
diperlukan pada steady state.MVss
Constant slopeE(t) = constant
CV tidak berubah disebabkan oleh dead time
MV overshoot moderate <= 0.5(MVss)
CV dibatasi overshoot set point, peredaman cepat, dan kembali ke set point-nya
Penyetelan PID
35
Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan.
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1S-LOOP plots deviation variables (IAE = 19.3873)
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Time
Ma
nip
ula
ted
Va
ria
ble
Penyetelan PID
36
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1S-LOOP plots deviation variables (IAE = 19.3873)
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Time
Ma
nip
ula
ted
Va
ria
ble
The CV response is very slow, not aggressive enough
Perubahan awal pada MV terlalu kecil, lebih kecil 40% dari harga akhirnyal, perubahan steady-state.
Ini kinerja pengendalianyang jelek.
Kontroler tidak cukupagresif.
MV0, kecil, gain kontroler naik, Kc sekitar x2
Penyetelan PID
Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan.
37
0 10 20 30 40 50 60 70 80 90 1000
0.5
1
1.5
2S-LOOP plots deviation variables (IAE = 20.1754)
Time
Con
tro
lled
Va
riab
le
0 10 20 30 40 50 60 70 80 90 1000
0.5
1
1.5
2
2.5
Time
Ma
nip
ula
ted
Va
ria
ble
Penyetelan PID
Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan.
Ini kinerja pengendalianyang jelek.
Kontroler tidak cukupagresif.
MV0, kecil, gain kontroler naik, Kc sekitar x2
38
0 10 20 30 40 50 60 70 80 90 1000
0.5
1
1.5
2S-LOOP plots deviation variables (IAE = 20.1754)
Time
Con
tro
lled
Va
riab
le
0 10 20 30 40 50 60 70 80 90 1000
0.5
1
1.5
2
2.5
Time
Ma
nip
ula
ted
Va
ria
ble
CV terlalu berosilasi
Overshoot MV terlalu besar
MV0
Penyetelan PID
Ini kinerja pengendalianyang jelek.
Kontroler tidak cukupagresif.
MV0, kecil, gain kontroler naik, Kc sekitar x2
Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan.
39
Metode LOPEZ (Grafis)
40
Metode LOPEZ (Persamaan - Disturbance)
41
Metode LOPEZ (Persamaan - Setpoint)
42
Metode Ziegler-Nichols (PRC)
43
Metode Ziegler-Nichols (Online)
Langkah-langkah percobaanSet kontroler:
AUTOMATIKProporsional saja (Ti maksimum, Td = 0)
Ubah-ubah harga Kc atau PB (Proportional Band = 100/Kc) hingga responnya berosilasi penuh atau siklik:
Kc yang didapatkan disebut Kcu (ultimate controller gain)
Hitung periode osilasinya (Tu)
44
Metode Ziegler-Nichols (Online)
Tipe Kontroler
Proportional gain (Kc)
Integral time (Ti)
Derivative time (Td)
Proportional only
P Kcu/2 - -
Proportional-Integral
PI Kcu/2.2 Tu/1.2 -
Proportional-Integral-
Derivative
PID Kcu/1.7 Tu/2 Tu/8
45
Cohen-Coon Tuning
Model: FOPDT Spesifikasi kinerja:
Untuk mendapatkan
1/4 rasio peluruhan penurunan cepat pada
amplitudo osilasi
Rasio peluruhan
Overshoot
Untuk sistem orde dua:
46
Cohen-Coon Tuning
Contoh:
47
Cohen-Coon Tuning Cohen-Coon: Servo
Kontroler PID lebih baik dari PI Gain kontroler lebih agresif/tinggi Respon tidak diinginkan untuk banyak kasus
48
Cohen-Coon Tuning
Cohen-Coon: Regulatori
Osilasi lebih tinggi Lebih agresif
49
Sintesis DAHLIN
Minium IAE
Kontroler PI:
c = 2/3 Kontroler PID:
c = 1/5 5% 0vershoot
KKc
5.0
2'
'1
111 2
c
cc s
s
sKsG
KKc
5.0
50
Contoh Sintesis Dahlin
s
s
ssG
s
e
c
ccc
s
2.116.5
1
6.51
8.33
11
2.1180.0
8.33
:sintesiskontroler darialih Fungsi18.33
8.0FOPDT
2.11
51
Korelasi Wahid-Rudi: Servo
Hanya untuk kontroler PID
0.0679* 0.9968CK K
1.1200* 1.8665i
0.6409* 2.4525D
52
45
55
inpu
t var
iabl
e, %
ope
n
39
43
47
51
55
outp
ut v
aria
ble,
deg
rees
C
0 10 20 30 40
time
Tentukan harga parameterKontroler PID dengan berbagai
Korelasi
53
Kode MATLABKc=input('Masukkan harga Kc: ');Ti=input('Masukkan harga Ti: ');Td=input('Masukkan harga Td: ');tn=input('Waktu akhir: ');h=input('dt: ');Gc=Kc*tf([Ti*Td Ti 1],[Ti 0]);Gv=tf(0.016,[3 1]);Gp=tf(50,[30 1]);Gs=tf(1,[10 1]);Kp=0.8;n=Gc*Gv*Gp;d=1+Gc*Gv*Gp*Gs;% SERVO (Setpoint)G=n/d;t=0:h:tn;step(G,t)[y,t]=step(G,t);n=length(t);IAE=0;for j=2:n IAE(j)=IAE(j-1)+h*abs(1-y(j-1));endpauseplot(t,IAE)IAE=IAE(n)
54
Perbandingan 18.33
8.0)(
2.11
s
esG
s
Ziegler-Nichols: Kc = 4.5 Ti = 22.4 Td = 6.6 IAE = 10.5252Ciancone: Kc = 1.5 Ti = 40.5 Td = 1.8 IAE = 23.678Cohen-Coon Kc = 5.34 Ti = 24.32 Td = 3.84 IAE = 14.0442
Lopez: Kc = 1.63 Ti = 48.5 Td = 4.29 IAE = 26.9076Wahid Kc = 4 Ti = 40 Td = 9 IAE = 3.2461
55
Internal Model Control
Hubungan kontroler yang diimplementasikan (Gc):
Fungsi alih lup tertutup:
56
Internal Model Control
1. Model proses difaktorkan ke dalam dua bagian
dengan mengandung dead-time dan RHP zero, satedy state gain diskalakan 1
2. Kontroler
dengan f adalah filter IMC (low pass)
57
Internal Model Control
Catatan kontroler IMC lebih melibatkan dari pada
dijamin untuk yang secara fisik dapat dicapai dan stabil
IMC didasarkan pada penghilangan pole-zero
tidak direkomendasikan untuk proses tidak stabil lup terbuka
Jika model proses sempurna
58
Internal Model Control
Penyetelan kontroler PID didasarkan IMC Asumsinya model sempurna (perfect model) Filter yang digunakan orde satu:
Penyetelan kontroler PID didasarkan IMC untuk
Proses mengandung: RHP (right half plane) zero Komponen integral Time delay perlu diaproksimasi dengan Pade
59
Controller Tuning by SOPDT
1222
ss
eksGsG
mmm
sm
mp
m
60
Controller Tuning by SOPDT
61
Model SOPDT
Metode Harriott (1964)Metode Smith (1972)Rough Model
62
Metode Harriott
21
1
21 3.1%73
21
t
5.021
t
21
%73t
t
(dari PRC)
PRC
y/KM
Kurva Harriott
21, 11 21
ss
KsGm
63
Metode Smith
%60
%20
t
t
%60t
t20% t60%
Kurva SMITH
dari PRC
1222
ss
KsGm
1
1
22
21
11 21
ss
KsGm
64
Rough Model
terkecil)(
terbesar)( , 11
111
3
2121
321321
3
ss
KeSOPDT
sss
KsG
s
1222
ss
eksGsG
mmm
sm
mp
m
65
Bayangkan bahwa kamu adalah terdampar di sebuah pulau dan kamu tidak memiliki buku ajar atau diktat kuliah! Tentu saja, kamu ingin menyetel kontroler PID.
Tinjau grafik tuning dan kembangkan beberapa pedoman kasar untuk penyetelan yang kamu ingin ingat untuk sisa hidupmu.
Pantai tropis tapi tidak ada textbook atau sambungan internet.
Penyetelan PID - WORKSHOP 1
66
TC
v1
v2
Gain kontroler adalah positif untuk contoh-contoh di dalam diktat. Apa Kc selalu lebih besar dari nol? Di dalam jawabanmu, diskusikan sistem pengendalian suhu pada gambar di bawah ini.
Apa satuan dari gain kontroler-nya?
Penyetelan PID - WORKSHOP 2
67
0 5 10 15 20 25 30 35 40 45 50-1
0
1
2
3
4
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 500
5
10
15
Time
Ma
nip
ula
ted
Va
ria
ble
Data di bawah ini adalah PRC untuk sebuah proses, grafikkan dalam variabel deviasi. Tentukan penyetelan untuk sebuah kontroler PID.
TC
v1
v2
Penyetelan PID - WORKSHOP 3
68
0 5 10 15 20 25 30 35 40 45 50-0.5
0
0.5
1
1.5S-LOOP plots deviation variables (IAE = 6.1515)
Time
Con
tro
lled
Va
riab
le
0 5 10 15 20 25 30 35 40 45 50-5
0
5
10
15
20
Time
Ma
nip
ula
ted
Va
ria
ble
Diagnosis data lup-tertutup pada gambar dan sarankan modifikasinya, jia perlu.
TC
v1
v2
Penyetelan PID - WORKSHOP 4
69
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
DYNAMIC SIMULATION
Time
Con
trol
led
Var
iabl
e
0 5 10 15 20 25 30 35 40 45 500
0.2
0.4
0.6
0.8
1
Time
Man
ipul
ated
Var
iabl
e
1s
.
)(
)()(
10
02 5 s
P
e
sMV
sCVsG
2.5 - 7.51.0 - 3.0
5.0 -1 5.0
gainDead time
Time constant
Meski dengan eksperimen yang sangat hati-hati, kamu dapat menentukan parameter modelnya dengan ketidakpastian 50%. Rekomendasikan harga kontanta penyetelan awal untuk sebuah kontroler PID.
Penyetelan PID - WORKSHOP 5
70
Penyetelan PID
• Menjelaskan sasaran kinerja yang kita cari hingga ketemu lewat penyetelan (tuning).
• Menerapkan prosedur penyetelan menggunakan kurva reaksi porses (process reaction curve) dan persamaan tuning.
• Perbaikan kinerja lebih lanjut dengan penyetelan yang baik
Saat kuselesaikan bab ini, kuingin dapat melakukanhal-hal berikut.
Banyak perbaikan, tapi kita perlu beberapa studi lagi!• Baca textbook• Tinjau catatannya, khususnya tujuan pembelajaran dan workshop• Uji coba nasihat-nasihat belajar mandiri• Tentunya, kita seharusnya punya tugas (assignment)!
71
• Home page - Instrumentation Notes- Interactive Learning Module (Bab 9)- Tutorials (Bab 9)
• Cari WEB dan temukan produk perangkat lunak “automatic PID tuning”. Siapkan tinjauan kritis dari tekniknya.
Bab 9 - Sumber Pembelajaran
72
1. Temukan beberapa plot PRC pada Bab 3-5 dan tentukan penyetelankontroler PID dan PI menggunakan grafik tuning.
2. Menggunakan MATLAB, ulangi hasil simulasi untuk 3-tangki pencampuran di bawah kontrol PID. Kemudian tentukan sensitivitas untuk perubahan di dalam tuning dengan merubah KC dan TI (secara bersamaan), % perubahan dari penyetelan kasus dasar; -50%, -10%, +50%. Diskusikan hasilmu.
3. Menggunakan MATLAB, tambahkan noise untuk pengukuran di dalam submenu 1, Kn = 0.05 . Simulasikan penyetelan asal dan harga lain dari Td. Apa yang terjadi pada kinerjanya?
Bab 9 - SARAN UNTUK BELAJAR MANDIRI
73
4. Formulasikan jawaban-jawaban yang serupa dengan itu di dalam WILMO, satu untuk setiap Check Your Reading, Study Questions dan Thought Questions.
5. Pada Bab 3-5, temukan contoh-contoh proses untuk mana penyetelan dari tuning charts akan (1) applicable dan (2) not applicable.
6. Pada hari Senin, kita menyetel kontroler komposisi 3-tangki pencampuran. Pada hari Jum’at, kita antisipasi penurunan laju alir umpan sebesar 50% (dari 7 ke 3.5 m3/min). Saat ini terjadi, apa seharusnya kita merubah penyetelan kontroler? Jika ya, yang mana yang tetap dan berapa harnya?(Ingat: Model tiga-tangki pencampuran ada di Example 7.2 pada halaman 223 dari buku ajar.)
Bab 9 - SARAN UNTUK BELAJAR MANDIRI