BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Mesin arus

BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Mesin arus searah tanpa sikat (MASTS) merupakan mesin penggerak
bertenaga listrik yang mengalami berkembangan pesat, karena memiliki kelebihan
dibandingkan motor induksi dan motor arus searah konvensional (MASK). Gieras
dan Wing (2002) menyatakan, MASTS memiliki efisiensi lebih
tinggi 13%
daripada mesin induksi, dimensi lebih kecil 40% daripada MASK. Dikarenakan
tidak adanya sikat, maka perawatan menjadi ringan, hampir tidak ada noise, bisa
dioperasikan pada lingkungan yang berbahaya (misalnya mudah terbakar).
Kelebihan yang lain adalah MASTS dapat menghasilkan torsi yang lebih besar
(Chiang dkk., 2008). Penggunaan MASTS telah meluas untuk berbagai aplikasi
antara lain; peralatan otomasi industri, peralatan medis, peralatan rumah tangga,
peralatan transportasi dan lain sebagainya (Golden Motor, 2014).
Pengendali (controller) memiliki peranan penting dalam suatu sistem.
Pemilihan metode dan parameter pengendali yang tepat dapat menghasilkan
performa respons sistem yang baik, sehingga dapat memberi konstribusi terhadap
efisiensi pemakaian energi listrik. Maghfiroh dkk. (2013) meneliti tentang
penggunaan energi optimal untuk mengendalikan kecepatan MASK, yang
merekomendasikan, semakin baik kinerja suatu pengendali maka semakin kecil
total energi yang diserap oleh MASK. Hal yang serupa berlaku pada MASTS,
hanya saja ketersediaan instrumen kendali MASTS dewasa ini masih terbatas.
Atmel Corporation telah memproduksi instrumen kendali kecepatan MASTS
menggunakan microcontroller jenis AVR 194 (ATMega 32M1), yang menerapkan
struktur pengendali PID (Proportional Integral Derivative) klasik. Parameter PID
yaitu konstanta proportional (Kp), konstanta integral (Ki) dan konstanta derivative
(Kd) yang ditala dengan metode trial and error secara simultan (Atmel Corp.,
2008). Metode tersebut efektif untuk mesin berdaya kecil, akan tetapi berbahaya
2
bagi mesin berdaya besar, karena dalam proses penalaannya mesin dapat
mengalami overshoot yang tinggi atau osilasi yang terlalu besar.
Pengendali yang paling umum digunakan di industri adalah metode kendali
PID klasik, yaitu hampir 90% dari total peralatan. Pengendali ini simpel dan
mampu memperbaiki kecepatan respons melalui penalaan Kp, mereduksi error
steady state melalui penalaan Ki dan mereduksi overshoot melalui penalaan Kd
(Kiam dkk., 2005). Ketepatan dalam menentukan konstanta Kp, Ki dan Kd untuk
menghasilkan performa respons yang lebih baik, menjadi persoalan utama dalam
metode tersebut.
Pengendali FLC (Fuzzy Logic Controller) termasuk kelompok kendali
cerdas
yang
bekerja
berdasarkan
kaidah
logika
kabur
(fuzzy),
yang
merepresentasikan proses berfikir seorang operator ahli ketika mengendalikan
suatu proses, sehingga FLC punya kemampuan beradaptasi dengan perubahan
sistem, dan dalam penerapannya tidak memerlukan model fisis sistem. Ketepatan
dalam memilih fungsi dan domain keanggotaan input dan output fuzzy sangat
menentukan kualitas respons sistem. Persoalan yang mengemuka dari metode
FLC adalah menentukan fungsi dan domain keanggotaan input dan output yang
sesuai, dan respons steady state cenderung menyisakan osilasi (Hidayat dan
Munawar, 2000; Microstar Lab., 2009).
Adaptive Neuro Fuzzy Inference Systems (ANFIS) merupakan jaringan
adaptif yang berbasis pada sistem inferensi fuzzy (Widodo, 2005). Sistem adaptif
didefinisikan sebagai sistem yang dapat beradaptasi dengan perubahan lingkungan
sekitarnya dengan cara menyesuaikan nilai bobot-bobot yang terdapat pada
jaringan. Bobot-bobot jaringan ditentukan melalui proses pelatihan, yang
menghasilkan nilai parameter premis dan parameter konsekuensi sebagai
representasi dari batasan domain keanggotaan input (Moulound, 2004).
Implementasi algoritma ANFIS pada microcontroller yang memiliki keterbatasan
kapasitas memori dan kecepatan pengolahan data numeris, membutuhkan telaah
yang penting untuk menghasilkan performa respons yang lebih baik.
Pengembangan metode kendali dengan cara memadukan
2 atau lebih
metode kendali disebut dengan pengendali hybrid. Prinsip dari metode ini
3
memanfaatkan kelebihan dan mereduksi kelemahan yang dimiliki oleh masingmasing metode. Kalavathi dkk. (2012) mengemukakan metode kendali kecepatan
MASTS menggunakan PI (Proportional Integral), PID, PI-like FLC, hybrid FLC
(HFLC) dan integrated FLC (IFLC). Pengujian dilakukan dengan MATLAB
simulink, yang menghasilkan kinerja pengendali HFLC dan IFLC lebih baik dari
yang lainnya. Muhammad dkk. (2011) memadukan pengendali PI dan fuzzy secara
paralel, yang disebut dengan pengendali hybrid PI fuzzy controller. Pengendali
fuzzy dioperasikan pada domain error besar, sedangkan PI pada domain error
kecil. Rubai dkk. (2008) memadukan pengendali PID klasik dan pengendali fuzzy
PID yang disebut dengan hybrid fuzzy-PID controller (FPID). Kerja masingmasing pengendali diklasifikasikan berdasarkan error. PID klasik dioperasikan
pada kondisi normal, sedangkan pengendali FPID dioperasikan pada kondisi
osilasi dan overshoot.
Analisis dan teknik memadukan metode kendali PID dan kendali ANFIS
berserta parameter sebagai pengendali kecepatan MASTS merupakan fokus utama
dalam penelitian ini. Keunggulan pengendali PID dan ANFIS menjadi alasan
pentingnya penelitian ini. Metode kendali hybrid PID-ANFIS diimplementasikan
menggunakan ARM Cortex-M3, yang memiliki kapasitas dan kemampuan
komputasi cukup untuk menyelesaikan algoritma kendali cerdas, pemograman
relatif mudah, harga murah dan mudah didapatkan di pasaran (Franc dkk., 2010;
Wang dkk., 2010; Dalecki dkk., 2012).
1.2
Rumusan dan Batasan Masalah
Berdasarkan latar belakang yang sudah dikemukakan, dapat diketahui
beberapa hal berikut antara lain; MASTS memiliki kelebihan dibandingkan mesin
induksi dan MASK; kinerja pengendali sangat mempengaruhi total pemakaian
energi; belum tersedianya instrumen pengendali kecepatan MASTS yang efektif;
serta kelebihan yang dimiliki oleh pengendali ANFIS dan PID. Penelitian ini
memadukan dua metode pengendali yaitu pengendali PID dan pengendali ANFIS
yang disebut dengan pengendali hybrid PID-ANFIS sebagai pengendali kecepatan
MASTS.
Melalui
perpaduan
kedua
metode
tersebut
diharapkan
dapat
4
dimanfaatkan kelebihan dan mereduksi kelemahan yang dimiliki oleh masingmasing metode, sehingga menghasilkan kinerja pengendali kecepatan MASTS
yang efektif dan lebih baik. Permasalahan dalam penelitian ini adalah:
1. Struktur dan parameter pengendali hybrid PID-ANFIS yang menghasilkan
performa respons kecepatan MASTS yang baik belum ada;
2. Prototipe untuk menerapkan metode kendali hybrid PID-ANFIS sebagai
pengendali kecepatan MASTS berbasis microcontroller, dalam upaya
menemukan instrumen pengendali yang efektif belum ada.
Mengingat
luasnya materi
permasalahan, maka
yang tekait
untuk
menemukan
solusi
perlu dibuat batasan ruang lingkup penelitian sebagai
berikut:
1. Objek kendali adalah MASTS yang dikopel dengan generator arus searah
konvensional (GASK) sebagai simulator beban;
2. Process variabel (variabel yang dikendalikan) adalah kecepatan MASTS,
sedangkan variabel pengendali (control output) adalah tegangan input
stator melalui pengaturan lebar pulsa PWM;
3. Pembahasan dititikberatkan pada sisi perangkat lunak pengembangan
struktur
pengendali
hybrid
PID-ANFIS
yang
ditanam
dalam
microcontroller ARM Cortex tipe STM32 F103RB.
1.3
Keaslian Penelitian
Penelitian mengenai sistem pengendalian kecepatan MASTS telah
dilakukan oleh para peneliti-peneliti terdahulu. Secara umum penelitian tersebut
didasarkan pada dua hal yaitu: berkaitan dengan pengembangan struktur fisis
MASTS (plant) dan berkaitan dengan pengembangan struktur pengendali
(controller) MASTS. Yen-Shin dkk. (2006) mengemukakan teknik pengendalian
kecepatan MASTS dengan mengatur pensaklaran ke 6 lengan inverter 3 fase
secara PWM tanpa sensor. Sinyal dasar komutasi inverter dibangkitkan dari
gelombang back EMF (Electro Motor Force) yang diperoleh dari tegangan
terminal MASTS menggunakan sensor tegangan. Guna menghasilkan respons
5
kecepatan yang smooth, Ching dkk. (2008) merancang sistem komutasi inverter
yang disebut dengan soft-switching converter. Samita dan Madawala (2013)
merancang buck converter melalui swicthing PWM pada satu lengan saja untuk
mengendalikan kecepatan MASTS. Changliang dkk. (2008) mengemukakan
strategi pengendalian MASTS dengan hanya memasang 4 buah kontak elektronik
pada inverter 3 fase, sementara dua lengan yang lainnya dipasang kapasitor.
Guna mendapatkan respons kecepatan MASTS yang lebih baik, beberapa
metode kendali sudah berhasil diterapkan oleh peneliti sebelumnya melalui
simulasi MATLAB dan implementasi menggunakan Digital Signal Processing
(DSP). Changliang dkk. (2008) menerapkan algoritma Neural Network (NN)
untuk menala dua konstanta PID guna mengatur arus masing-masing fase a dan
fase b MASTS secara terpisah melalui buka tutup 4 buah kontak elektronis
berdasarkan identifikasi parameter secara on-line. Fungsi dasar NN dibangun
berdasarkan penelusuran hubungan beban, arus ambang dan ekspektasi kecepatan
secara on-line. Mohammed dkk. (2009) memodelkan sistem menjadi dua loop
yang disebut dengan inner loop dan outer loop PI controllers. Inner loop PI
controller berfungsi sebagai pengendali arus inverter dan outer loop PI controller
sebagai pengendali kecepatan MASTS. Algoritma Particle Swarm Optimization
(PSO) diterapkan untuk mendapatkan parameter pengendali PI. Tujuannya adalah
menjamin respons
pada setiap nilai beban yang diberikan, yang selanjutnya
digunakan untuk pelatihan ANFIS secara off-line, untuk itu dilakukan 2 pengujian
simulasi yaitu menggunakan pengendali PI klasik metode Zigler Nichols dan
kendali adaptif. Hasilnya adalah kinerja pengendali adaptif lebih baik daripada
pengendali klasik. Khuntia dkk. (2009) mengkomparasi respons struktur kendali
P-I, I-P, FLC dan neuro fuzzy yang diterapkan sebagai pengendali MASK.
Hasilnya adalah kinerja pengendali FLC lebih baik daripada pengendali P-I
maupun pengendali I-P, sedangkan kinerja pengendali neuro fuzzy lebih baik
daripada pengendali FLC.
Pengendalian kecepatan MASTS berdasarkan pengembangan struktur
pengendali, dapat dilakukan melalui perpaduan (hybrid) dua atau lebih metode
kendali melalui dua pendekatan. Pendekatan pertama adalah menjadikan suatu
6
metode kendali untuk menala parameter kendali lainnya, sedangkan pendekatan
kedua adalah memparalel kerja kedua pengendali. Pendekatan pertama,
diantaranya dikemukakan oleh Arulmozhiyal dan Kandiban (2012), yang
menjadikan pengendali fuzzy untuk menala parameter PID. Analisis dilakukan
dengan cara mengkomparasi kinerja pengendali PID klasik dengan pengendali
fuzzy PID. Hasil yang diperoleh adalah kinerja pengendali PID fuzzy lebih baik
daripada pengendali PID klasik. Sejalan dengan itu, Wang dkk. (2012)
mengemukakan strategi pengendalian MASTS yang dapat menjamin kecepatan
respons tinggi, overshoot rendah dan steady state error kecil dengan cara menala
konstanta PID menggunakan FLC, yang disebut dengan fuzzy auto-adjust PID
controller. Kaboli dkk. (2013) menala konstanta PI menggunakan pengendali
ANFIS, yang disebut dengan hybrid ANFIS tuned PI. Boumediane dkk. (2009)
mengkomparasi beberapa metode kendali yaitu pengendali FLC, ANFIS dan
ANFIS PSO untuk mengendalikan kecepatan MASTS berbasis MATLAB
simulink. Hasil yang diperoleh adalah, kinerja pengendali ANFIS PSO lebih baik
daripada pengendali FLC. Zang dkk. (2010) memadukan SMC (Sliding Mode
Controller) dan pengendali PID, yang disebut dengan hybrid control of sliding
mode and PID controller sebagai pengendali posisi MASTS. Kaliapan dkk.
(2010) memadukan GA (Genetic Algoritm) dan FLC sebagai pengendali torsi
MASTS. GA digunakan untuk mengoptimasi nilai defuzifikasi, sehingga
diperoleh sinyal output pengendali yang tepat untuk mencapai setting.
Pendekatan pengendali hybrid kedua adalah memparalel kerja kedua
pengendali, diantaranya dikemukakan oleh Mahdi dkk. (2012). Pengendali hybrid
neuro-fuzzy-PI diparalel dengan robust integral SSEE (Steady State Error
Eliminator) dapat mengatasi persoalan steady state error dan kestabilan yang
tinggi, meskipun MASTS mengalami flukstuasi beban. Muhammad dkk. (2011)
memparalel FLC dengan pengendali PI yang disebut dengan hybrid PI fuzzy.
Kedua pengendali bekerja secara terpisah berdasarkan klasifikasi domain error.
Pengendali fuzzy dioperasikan pada domain error besar, sedangkan PI
dioperasikan pada domain error kecil. Analisis dilakukan dengan mengkomparasi
kinerja pengendali PI, fuzzy dan hybrid PI fuzzy sebagai pengendali kecepatan
7
MASTS melalui simulasi MATLAB. Hasil yang didapat adalah pengendali PI
sangat baik beradaptasi pada perubahan torsi besar, sedangkan pengendali fuzzy
sangat baik untuk jangkauan setting kecepatan yang lebar. Rubai dkk. (2008)
mengembangkan
struktur
hybrid
fuzzy-PID
controller
(HFPID)
dengan
memanfaatkan GA untuk menentukan faktor nilai skala optimal variabel output
FPID. Pengendali PID klasik diparalel dengan pengendali FPID yang
dioperasikan secara terpisah berdasarkan pada kondisi respons dengan metode
switching. Pengendali PID klasik dioperasikan pada kondisi normal, sedangkan
pengendali
FPID dioperasikan pada kondisi osilasi dan overshoot. Struktur
pengendali tersebut dinamakan
hybrid fuzzy-PID controller using genetic
optimation (HFPID). Untuk menguji kinerja HFPID dilakukan pengujian simulasi
MATLAB dan diimplementasikan menggunakan komponen dSPACE DS 1104.
Penelitian yang dilakukan adalah rekayasa metode hybrid PID-ANFIS
sebagai pengendali kecepatan MASTS menggunakan microcontroller ARM
Cortex M3 belum pernah dilakukan oleh peneliti yang lain. Penelitian ini
merupakan modifikasi dan pengembangan dari metode-metode terdahulu.
Rancangan sistem yang dibangun menghasilkan prototipe instrumen kendali
kecepatan MASTS yang memiliki perbedaan dengan peneliti sebelumnya.
Perbedaan tersebut terdapat pada metode dan aplikasi yang dikembangkan.
Keaslian dari penelitian ini meliputi pengembangan metode dan aplikasi,
yang diuraikan sebagai berikut:
1.
Metode penelitian yaitu menggunakan algoritma hybrid PID-ANFIS, yang
dibagi menjadi dua struktur yaitu summing hybrid PID-ANFIS dan selecting
hybrid
PID-ANFIS.
Struktur
summing
hybrid
PID-ANFIS
adalah
penjumlahan output pengendali PID dan output pengendali ANFIS
merupakan output bagi pengendali hybrid, sedangkan struktur selecting
hybrid PID-ANFIS adalah pengklasifikasian domain kerja pengendali PID
dan ANFIS berdasarkan domain error kecepatan. Domain error kecepatan
dibagi menjadi tiga yaitu: domain error kecil, domain error sedang dan
domain error besar. Pengendali PID diupayakan bekerja pada domain error
besar, pengendali ANFIS bekerja pada domain error kecil, sedangkan
8
kombinasi pengendali PID dan ANFIS bekerja pada domain error sedang
berdasarkan pembobotan sinyal aktivasi masing-masing pengendali yang
direpresentasikan dengan kurva linier.
Metode penelitian ini berbeda dengan penelitian Arulmozhiyal dan
Kandiban (2012) dan Wang dkk. (2012) yang menjadikan pengendali fuzzy
untuk menala parameter PID, sedangkan Kaboli dkk. (2013) menjadikan
pengendali ANFIS untuk menala parameter PI, Baumediane dkk. (2009)
menggunakan metode ANFIS PSO, Zang dkk. (2010) memadukan metode
SMC dan PID, Kaliapan dkk. (2010) memadukan GA dan FLC, Mahdi dkk.
(2012) memparalel HNF-PI dan SSEE, Muhammad dkk. (2011) memparalel
FLC dan PI, Rubai dkk. (2008) memparalel HFPID dan PID.
2.
Aplikasi pengendali hybrid PID-ANFIS menggunakan microcontroller ARM
Cortex-M3 sebagai komponen utama pengolah data. Akibat keterbatasan
memori dan kecepatan clock ARM Cortex-M3, dibutuhkan rancangan
algoritma pemograman dengan kompleksitas yang rendah, agar terwujud
prototipe alat pengendali kecepatan MASTS yang efektif. Perbedaannya
dengan penelitian terdahulu adalah komponen pengolah data menggunakan
dSPACE DS 1104 DSP, TMS30F2812 berbasis MATLAB yang memiliki
keluasan memori dan kecepatan clock yang tinggi, dan pada umumnya
pembahasan hanya sampai tahap analisis melalui simulasi.
Penelitian ini layak untuk dikerjakan, dan metode yang dipilih adalah
pengendali hybrid PID-ANFIS. Teknis menggabungkan pengendali PID dan
pengendali ANFIS serta teknis mengimplementasikan metode tersebut pada
microcontroller menjadi pembahasan utama dalam penilitian ini. Penelitian
diawali dengan simulasi MATLAB dan selanjutnya dilakukan implementasi
melalui rekayasa prototipe alat pengendali kecepatan MASTS menggunakan
komponen microcontroller ARM Cortex STM32 F103RB.
9
1.4
Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian untuk disertasi ini adalah
sebagai berikut:
1.
Mendapatkan struktur dan parameter pengendali hybrid PID-ANFIS
sebagai pengendali kecepatan MASTS dengan performa respons yang
baik;
2.
Mendapatkan prototipe alat pengendali kecepatan MASTS, sebagai
sarana untuk menguji dan menganalisis kinerja pengendali yang
menerapkan
struktur dan parameter hybrid PID-ANFIS berbasis
microcontroller.
1.5
Manfaat Penelitian
Manfaat penelitian dalam mengembangkan metode pengendali hybrid PIDANFIS adalah sebagai berikut:
1. Rekomendasi model dan struktur pengendali kecepatan MASTS, dalam
rangka meningkatkan performa respons;
2. Menambah khasanah perkembangan ilmu pengetahuan dan teknologi
berupa struktur pengendali kecepatan MASTS, dengan memadukan
pengendali PID dan ANFIS, yang disebut dengan hybrid PID-ANFIS;
3. Secara praktis, prototipe alat pengendali kecepatan MASTS dapat
digunakan sebagai model awal untuk perancangan alat pengendali
kecepatan MASTS dengan kinerja yang lebih baik.