Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada skripsi ini akan dibahas perancangan dan simulasi pengendali backstepping PID pada sistem nonlinier Tangki Reboiler. Tangki Reboiler merupakan sistem dua input dan dua output yang memiliki interaksi antara input pertama dengan output keduanya. Pemasangan pengendali backstepping PID pada sistem nonlinier dilakukan secara langsung tanpa melinierisasi persamaan plant. Proses ini dilakukan dengan menentukan batasan titik kerja sistem, memodelkan persamaan plant dan terakhir melakukan perancangan pengendaii. Untuk mendapatkan estimasi model dari plant tersebut digunakan metode Least Square atau metode Ziegler Nichols. Untuk penalaan pengendali PID digunakan metode Ziegler Nichois atau dengan perhitungan sinyal kendali terfilter secara langsung. Hasil yang diperoleh dari simulasi perancangan pengendaii backstepping PID pada sistem Tangki Reboiler adalah kemampuan tracking sistem terhadap pemberian reference input yang berubah - ubah, dapat diringkatkan dan interaksi antara input pertama dengan output kedua sistem dapat dihilangkan. Pengendali backstepping PID juga dapat mengkompensasi kesalahan estimasi oleh estimator parameter sistem."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali Model Predictive Control (MPC). Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Skripsi ini bertujuan untuk merancang jenis pengendali Model PredictiveControl (MPC) yang akan diterapkan pada sebuah sistem nyata Level/Flow and Temperature Process Rig 38-003 dengan metode Quadratic Programming. Dalam merancang pengendali MPC untuk Level/Flow and Temperature Process Rig 38-003 ini, penulis menggunakan model yang berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan untuk mengatur kondisi servo valve dan keluran yang akan dikendalikan adalah temperatur air hasil keluaran Heat Exchanger sebelum masuk ke sistem Radiator Cooler. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode pengendali Ruang Keadaan. Hal tersebut dapat dilihat dari tanggapan sistem hasil pengendalian MPC dengan constraints yang lebih halus dibandingkan dengan tanggapan sistem hasil pengendalian dengan metode pengendali Ruang Keadaan. Perubahan sinyal kendali pengendali MPC dengan constraints juga jauh lebih halus dibandingkan dengan perubahan sinyal kendali pengendali Ruang Keadaan. Kondisi ini akan meningkatkan ketahanan fisik sistem selama uji eksperimen.

---

In conventional control system, some constraints such as amplitude and control signal?s slew rate are not included in the controlling process. So, the result of the control process is not good enough especially if the control signal is forcibly cut before entering the plant. In order to overcome this problem, a Model Predictive Controller is designed. In this MPC control scheme, the few next steps of process output are going to be predicted and some constraints will be ignored so the system output will become precise. In other hand, the occurrence of constraints will improve system?s performance into an optimum condition.

The final purpose of this thesis is to design a Model Predictive Controller (MPC) using Quadratic Programming method which will be applied on a real time system of Level/Flow and Temperature Process Rig 38-003. In designing MPC controller for Level/Flow and Temperature Process Rig 38-003, the writer uses system?s model on state space form which is obtained by using Least Square method in the basis of input and state variables data of the plant. Input for the plant is voltage which will be used to control the position of servo valve whereas the controlled output is water temperature on the pipe that connects Heat Exchanger's output line and Radiator Cooler's input line.

Experiments conducted prove that MPC with constraints controlling scheme will give a better results than State Controller controlling scheme. Generally, it can be seen that system response to MPC controller is much smoother than system response to State Controller. MPC controller also has smoother control signal variance compared to State Controller control signal variance. This condition will actually raise the system's physical reliability during the experiment."

"Pelumas dapat didefinisikan sebagai substansi yang ditempatkan di antara dua permukaan yang bergerak relatif untuk mengurangi gesekan di antara keduanya. Pelumas dapat mengurangi gesekan, tingkat keausan, dan konsumsi energi. Oleh karena itu, pelumas secara luas diterapkan di hampir semua bidang industri, terutama pada bidang transportasi, manufakur, hingga pembangkit listrik. Proses oligomerisasi dalam pembuatan ester minyak dasar dilakukan dengan menggabungkan senyawa asam karboksilat dengan poliol. Melalui reaksi oligomerisasi ini, jumlah cabang samping akan meningkat seiring pertumbuhan panjang rantai utama, yang pada gilirannya dapat meningkatkan viskositas ester minyak dasar. Penelitian ini bertujuan untuk mendapatkan rancangan serta mendesain pengendalian proses pada proses oligomerisasi pabrik ester base oil dengan multivariable model predictive control MMPC 100 (2×2) dan MMPC 101 (2×2) dengan identifikasi proses model first order plus dead time (FOPDT) dengan metode Smith, Wade, dan Solver. Selanjutnya, ditentukan model FOPDT terbaik dengan membandingkan nilai root-mean- square error (RMSE) terkecil dari setiap metode. Metode tuning yang digunakan untuk MMPC adalah metode Shridhar-Cooper dilanjutkan dengan fine tuning untuk mendapatkan nilai parameter P (prediction horizon), M (control horizon), dan T (sampling time) terbaik. Parameter MMPC tersebut akan diuji berdasarkan respon kinerja pengendali terhadap perubahan set point (SP) dan pengujian disturbance rejection dengan perhitungan integral absolute error (IAE) dan integral square error (ISE). Hasil identifikasi sistem didapatkan model FOPDT terbaik seluruhnya menggunakan metode Solver. Metode fine tuning pada penyetelan MMPC menghasilkan parameter T, P, M untuk MMPC 100 (2×2) sebesar 9, 120, dan 20 dan untuk MMPC 101 (2×2) sebesar 1, 230, dan 150. Pada pengujian Set Point (SP) tracking, MMPC merupakan pengendali terbaik untuk seluruh pengendalian dibandingkan pengendali PI. Pada pengujian disturbance rejection terhadap perubahan suhu inlet, pengujian dilakukan dengan membandingkan tiga kondisi, yaitu dengan adanya pengendalian pre treatment (Full Control), tanpa adanya pengendalian pre treatment (Local Control) dan PI. Didapatkan kinerja MMPC Full Control lebih baik dibandingkan kinerja MMPC Local Control dengan pemulihan kinerja pengendali sebesar 7,36%, 0,007%, 0,086%, dan 0,03% untuk nilai IAE dan 0,61%, 0,00%, 0,00%, dan 0,00% untuk nilai ISE.

---

A lubricant can be defined as a substance placed between two relatively moving surfaces to reduce the friction between them. Lubricants can reduce friction, wear rate, and energy consumption. Therefore, lubricants are widely applied in almost all industrial fields, especially in transportation, manufacturing, and power generation. The oligomerization process in the preparation of base oil esters is carried out by combining carboxylic acid compounds with polyols. Through this oligomerization reaction, the number of side branches will increase as the main chain length grows, which in turn can increase the viscosity of the base oil ester. This study aims to obtain the design and design of process control in the oligomerization process of base oil ester plant with multivariable model predictive control MMPC 100 (2×2) and MMPC 101 (2×2) with first order plus dead time (FOPDT) model process identification by Smith, Wade, and Solver methods. Next, the best FOPDT model is determined by comparing the smallest root-mean-square error (RMSE) value from each method. The tuning method used for MMPC is the Shridhar-Cooper method followed by fine tuning to get the best parameter values of P (prediction horizon), M (control horizon), and T (sampling time). MMPC parameters will be tested based on the controller performance response to set point (SP) changes and disturbance rejection testing with integral absolute error (IAE) and integral square error (ISE) calculations. The results of system identification obtained the best FOPDT model entirely using the Solver method. The fine-tuning method on MMPC tuning produces parameters T, P, M for MMPC 100 (2×2) of 9, 120, and 20 and for MMPC 101 (2×2) of 1, 230, and 150. In the Set Point (SP) tracking test, MMPC is the best controller for all controls compared to PI controllers. In testing disturbance rejection to changes in inlet temperature, testing is done by comparing two conditions, namely with the presence of pre-treatment control (Full Control) and without pre-treatment control (Local Control). MMPC Full Control performance is better than MMPC Local Control performance with controller performance recovery of 7.36%, 0.007%, 0.086%, and 0.03% for IAE values and 0.61%, 0.00%, 0.00%, and 0.00% for ISE values."

"Telah dibuat sebuah pengendali temperatur menggunakan PID analog. Dimana terdapat input tegangan mulai dari 0Volt-10Volt yang kemudian memberikan output terbesar +10Volt ke rangkian plant dari set point. Dan PID yang terdiri dari konstanta proportional, integral dan differensial. Dan resistor 12B/15W sebagai heater akan mendapatkan input dari sinyal segitiga pada rangkaian PWM. Dimana heater ditempel dengan heatsink dan sensor temperatur LM35 dirancang menempel pada heatsink jadi sensor tidak mendeteksi suhu langsung dari heater. Output sensor telah dikuatkan 10 kali oleh rangkaian instrumentation amplifier sehingga mendapatkan output 100mV/°C. Blower bekerja ketika dibutuhkan pendingin suhu sehingga suhu dapat dikendalikan dengan baik. Dan sebagai indikator untuk suhu normal, panas dan over masing-masing menggunakan led yang berbeda untuk memudahkan penganalisaan. Dan alat ini dapat bekerja dengan baik."

"Tesis ini membahas perancangan program simulasi sistem pengendalian dengan telmik pengendali PID, self tuning dan fuzzy, perangkat simulasi ini dapat mengirim dan menerima sinyal 1-5 Volt DC dari peralatan luar atau antar program simulasi dalam dua komputer yang berbeda dengan rnenggunakan antannuka ADC-DAC. Penurunan algoritma untuk ketiga teknik pengendalian dibahas dan kemudian diimplementasikan dengan hahasa pemprograman beroriemasi objek dan berbasis graphical user inlerface (GUI).Pada perangkat simulasi terdapat empat jenis proses sebagai visualisasi proses yang disimulasikan, yaitu proses temperatur, flow, tekanan dan level. Untuk mernasukkan parameter kendali disediakan fasilitas-fasilitas berbasis window. Pada pengendali PID terdapat fasilitas PID Parameter dengan nilai masukan parameter Proportional Band (PB), Time Integrator (Ti) dan Nme Derrivaiive (Td) dengan tiga Struktur yaitu paralel, seri dan campuran. Pada pengendali Self Tuning terdapat fasilitas Desired Pole sebagai masukan untuk aka: persamaan kutub yang akan dicapai dan Initialize untuk memasukkan model sistem dengan orde model maksimum sepuluh.Pada pengendali Fuzzy tersedia fasilitas Editor fuzzy untuk memasukkan basis pengetahuan yang terdiri dari dua input dan satu output dengan maksimum lima variabel linguistik dan maksimum 25 aturan. Untuk parameter proses terdapat fasilitas System Cofgigure dengan persamaan matematis berbentuk state variabel dengan sistem satu masukan satu keluaran maksimum berorde sepuluh, dengan tambahan Pasilitas non-linier bempa salurasi dan dead zone, Serta fasilitas waktu tunda. Selain itu pada perangkat ini terdapat recorder berbentuk graiis dan numerik. Melalui validasi dan uji coba didapat bahwa program simulasi bekelja dcngan baik dengan kesalahan yang cukup kecil dibandingkan dengan program Matlab 5.0 produksi Mathwork.

---

This thesis discuss the design of a simulation program for control system with PID, self-tuning dan lirzzy control techniques. The program is designed to have the capability to send and receive l-5 Volt DC signal from other devices or simulation programs on two different computer using ADC~DAC interface. Control Algorithms will be implemented using object oriented programming language and graphical user interface (GUI).The simulation program provides four kind of process to be visualized, i.e. temperature process, flow process, pressure process and level process. The program also provides several facilities to entered the control parameter. For PID controller, there are facilities to enter the three conditional PID parameter, i.e. Proportional Band, Time Integration and Time derivative with three different structure of PII), i.e. parallel, series and mixed. On self-tuning controller, there are facilities for desired pole enter and initialize to estimated system model with maximum order system of ten.On Fuzzy logic controller, there are facilities for to build the knowledge bases and niles. The knowledge bases have two input variable and one input variable with maximum of five linguistic variable and maximum of twenty tive rules. The system configure facilities is provided to entered the system parameters in the state variable model with maximum order of ten. There are also other facilities, such as nonlinear facilities, time delay facilities, and graphical and numeric recording facilities. Through validation and testing, the simulation program has resulted good performance with small error in comparation with Matlab 5.0 of MathWork."