Tujuan Pembelajaran Saat kuselesaikan bab ini kuingin dapat
Tujuan Pembelajaran Saat kuselesaikan bab ini, kuingin dapat melakukan hal-hal berikut. • 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 CHS 31024 Edisi 22 Nop '06 2
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 CHS 31024 Edisi 22 Nop '06 3
Tahapan PABRIK • • Desain Konstruksi Commissioning Start up Operation Production Optimization CHS 31024 Edisi 22 Nop '06 CONTROLLER TUNING 4
Apa yang Distel? • P : PB atau Kc • I : Ti • D : Td CHS 31024 Edisi 22 Nop '06 5
Sifat-sifat yang Kita Cari dalam Kontroler • Kinerja yang baik - ukuran feedback dari Bab 7 Bab ini • Aplikabilitas yang luas parameter yang dapat disetel • Kalkulasi tepat waktu menghindari lup konvergen • Ganti ke/dari manual - tanpa tabrakan • Ekstensibel - dipertinggi dengan mudah CHS 31024 Edisi 22 Nop '06 Bab sebelumnya Bab nanti 6
Penyetelan PID • Bagaimana kita menerapkan persamaan sama untuk banyak proses? • Bagaimana mencapai kinerja dinamik yang kita inginkan? TUNING!!! Parameter yang dapat disetel disebut konstanta tuning. Kita dapat menyesuaikan harganya ke proses untuk mempengaruhi kinerja dinamik CHS 31024 Edisi 22 Nop '06 7
Penyetelan PID S-LOOP plots deviation variables (IAE = 608. 1005) 40 Trial 1: tak stabil, hilang $25, 000 0 -20 -40 0 20 40 60 80 100 120 Time 100 50 Manipulated Variable Adakah cara yang lebih mudah dari pada trial &error? Controlled Variable 20 0 -50 -100 0 20 40 60 Time S-LOOP plots deviation variables (IAE = 23. 0904) 1 Controlled Variable 0. 8 Trial 2: kelewat pelan, rugi $3, 000 0. 6 0. 4 0. 2 0 0 20 40 60 80 100 120 Time 1 Manipulated Variable 0. 8 0. 6 0. 4 0. 2 0 0 20 40 60 Time AC S-LOOP plots deviation variables (IAE = 9. 7189) 1. 5 Controlled Variable 1 0. 5 0 0 20 40 60 80 100 120 Time 1. 5 1 Manipulated Variable CHS 31024 Edisi 22 Nop '06 Trial n: OK, akhirnya!, tapi didapat dengan kelewat lama!! 8 0. 5 0 0 20 40 60 Time 80 100 120
Penyetelan PID S-LOOP plots deviation variables (IAE = 608. 1005) DYNAMIC SIMULATION 1 Controlled Variable Ya, kita bisa menyiapkan korelasi yang baik! 0. 8 Tentukan sebuah model menggunakan eksperimen PRC (process reaction curve). 0. 6 0. 4 0. 2 0 0 5 10 15 20 25 30 35 40 45 50 Manipulated Variable Time 1 0. 8 0. 6 0. 4 0. 2 0 0 5 10 15 20 25 Time 30 35 40 45 50 Tentukan konstanta penyetelan awal dari korelasi. TI Kc Definisikan masalah tuningnya S-LOOP plots deviation variables (IAE = 9. 7189) 1. 5 Terapkan dan setel lebih halus sesuai kebutuhan. 1 Controlled Variable 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja 0. 5 0 0 20 40 60 80 100 120 Time 1. 5 9 1 Manipulated Variable CHS 31024 Edisi 22 Nop '06 0. 5 0 0 20 40 60 Time 80 100 120
Penyetelan PID DYNAMIC SIMULATION Kontroler PID akan berfungsi baik untuk daerah yang luas dari dinamika proses berumpan-balik ditunjukkan di sini. 1. Dinamika proses 2. Variabel yang diukur 1. 5 1 Controlled Variable Definisikan masalah tuningnya 0. 5 0 0 5 10 15 20 25 30 35 40 45 50 DYNAMIC SIMULATION Time DYNAMIC SIMULATION 1 1. 5 3. Kesalahan model 0. 8 5. Kontroler 1 0. 4 Controlled Variable 4. Input forcing Controlled Variable 0. 6 0. 2 0. 5 0 0 5 10 15 20 25 30 35 40 45 0 50 0 5 10 15 20 25 30 35 40 45 50 Time 6. Ukuran kinerja DYNAMIC SIMULATION 1. 5 1 0. 8 Controlled Variable 1 0. 6 0. 4 0. 2 0 0 5 10 15 20 25 30 35 40 45 50 Time 0. 5 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 Manipulated Variable 0. 8 Gambarkan dinamikanya dari data perubahan step. 0. 6 0. 4 0. 2 CHS 31024 Edisi 22 Nop '06 10 0 0 5 10 15 20 25 Time 30 35 40 45 50
Penyetelan PID DYNAMIC SIMULATION Kontroler PID akan berfungsi baik untuk daerah yang luas dari dinamika proses berumpan-balik ditunjukkan di sini. 1. Dinamika proses 2. Variabel yang diukur 1. 5 1 Tak stabil Controlled Variable Definisikan masalah tuningnya 0. 5 0 0 5 10 15 20 25 30 35 40 45 50 DYNAMIC SIMULATION Time DYNAMIC SIMULATION 1 1. 5 3. Kesalahan model 0. 8 Orde n dengan dead time 5. Kontroler 0. 4 Integrator, lihat Bab 18 1 Controlled Variable 4. Input forcing Controlled Variable 0. 6 0. 2 0. 5 0 0 5 10 15 20 25 30 35 40 45 0 50 0 5 10 15 20 25 30 35 40 45 50 Time 6. Ukuran kinerja DYNAMIC SIMULATION 1. 5 1 0. 8 Orde satu dengan dead time 0. 4 0. 2 Controlled Variable 1 0. 6 0 0 5 10 15 20 25 30 35 40 45 50 Time 0. 5 underdamped 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 Manipulated Variable 0. 8 Gambarkan dinamikanya dari data perubahan step. 0. 6 0. 4 0. 2 CHS 31024 Edisi 22 Nop '06 11 0 0 5 10 15 20 25 Time 30 35 40 45 50
Penyetelan PID Definisikan masalah tuningnya Kontroler PID akan berfungsi baik untuk daerah yang luas dari dinamika proses berumpan-balik 1. Dinamika proses 2. Variabel yang diukur Kita akan mengembangkan korelasi penyetelan untuk DYNAMIC SIMULATION 1 3. Kesalahan model 0. 8 dinamika ini. 4. Input forcing Controlled Variable 0. 6 5. Kontroler • Sangat umum terjadi 0. 4 0. 2 • Cocokkan model menggunakan PRC 0 0 5 10 15 20 25 30 35 40 45 50 Time 6. Ukuran kinerja DYNAMIC SIMULATION 1 • Proses-proses lain dikendalikan dengan PID; perlu trial-and-error lagi Controlled Variable 0. 8 0. 6 0. 4 0. 2 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 Manipulated Variable 0. 8 0. 6 0. 4 0. 2 CHS 31024 Edisi 22 Nop '06 12 0 0 5 10 15 20 25 Time
Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses Situasi yang realistis: Variabel yang diukur akan memasukkan efek dari sensor noise dan frekuensi gangguan proses tinggi 2. Variabel yang diukur DYNAMIC SIMULATION 1. 5 4. Input forcing 5. Kontroler Controlled Variable 3. Kesalahan model 6. Ukuran kinerja 1 0. 5 0 -0. 5 0 5 10 15 20 25 Time 30 35 40 45 50 Manipulated Variable 1 0. 8 0. 6 0. 4 0. 2 0 CHS 31024 Edisi 22 Nop '06 13
Penyetelan PID Definisikan masalah tuningnya 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: 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 1 0. 8 Controlled Variable 5. Kontroler DYNAMIC SIMULATION 1 Manipulated Variable 4. Input forcing 0. 6 0. 4 0. 2 6. Ukuran kinerja 0 0 0. 2 5 10 15 20 25 Time 30 35 40 45 0 0 50 gain 1. 5 - 2. 5 5 10 15 20 25 30 35 40 45 50 Time Dead time 3. 75 - 6. 25 Time constant CHS 31024 Edisi 22 Nop '06 7. 5 -1 2. 5 14
Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 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. 4. Input forcing 5. Kontroler 6. Ukuran kinerja Solvent % A FS solvent FA pure A AC CHS 31024 Edisi 22 Nop '06 SP 15
Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur Situasi yang realistis : Kita akan mempertimbangkan kontroler PID, yang mana digunakan untuk hampir semua kontroler luptunggal (1 CV, 1 MV). 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja FS solvent FA pure A AC CHS 31024 Edisi 22 Nop '06 SP 16
Penyetelan PID Definisikan masalah tuningnya Perilaku Dinamik CV: Stabil, offset nol, IAE minimum 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model Perilaku Dinamik MV: osilasi terredamdan fluktuasi kecil disebabkan oleh noise. 4. Input forcing 5. Kontroler 6. Ukuran kinerja MV bisa lebih agresif pada bagian transien yang pertama CHS 31024 Edisi 22 Nop '06 17
Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses Sasaran utama kita adalah menjaga CV dekat dengan set point-nya. Di samping tidak mengauskan katupnya, kenapa kita punya sasaran untuk MV? 2. Variabel yang diukur Steam flow 3. Kesalahan model 40 4. Input forcing 30 Manipulated Variable 5. Kontroler 6. Ukuran kinerja 20 10 0 -10 0 5 10 15 20 25 30 35 Time AC CHS 31024 Edisi 22 Nop '06 Large, rapid changes to the steam flow can damage the trays 18 40
Penyetelan PID Sasaran utama kita adalah menjaga CV dekat dengan set point-nya. Di samping tidak mengauskan katupnya, kenapa kita punya sasaran untuk MV? Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model Fuel flow PI 1 40 4. Input forcing AT PI 1 4 FT 30 TI 1 PI 1 5 5. Kontroler TI 5 20 TI 2 6. Ukuran kinerja Manipulated Variable TI 6 PT 1 TI 3 TC TI 7 TI 10 0 4 -10 0 FT 10 15 20 25 30 35 FI 8 2 TI 3 11 PI PI PI 2 3 6 Fuel CHS 31024 Edisi 22 Nop '06 5 TI Time Besar, perubahan cepat terhadap aliran bahan bakar menyebabkan tekanan panas (thermal stress) yang merusak tube. 19 40
Penyetelan PID Definisikan masalah tuningnya DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing • • • 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 5. Kontroler 6. Ukuran kinerja Kita capai sasaran dengan menyesuaikan Kc, TI dan Td. Detailnya ada di bab dan Appendix E. CHS 31024 Edisi 22 Nop '06 20
Metode Penyetelan Kontroler • PRC-FOPDT • Grafis • Ciancone (1992) • Lopez (1969) • Persamaan • • • Ziegler- Nichols (1942) Coon-Cohen (1953) Lopez (1967) Sintesis Dahlin (1968) Wahid-Rudi-Victor (2005) • On-line: Ziegler-Nichols (1942) • Internal Model Control (IMC) • PRC-SOPDT: Sung, dkk (1996) CHS 31024 Edisi 22 Nop '06 21
Penyetelan PID Process reaction curve Selesaikan masalah penyetelan. Perlu program komputer. Terapkan, apa kinerjanya baik? 1. 5 1 0. 5 0 DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI -0. 5 0 5 10 15 20 25 30 35 40 45 50 1 0. 8 0. 6 0. 4 0. 2 00 5 10 15 20 25 30 35 40 45 50 v 1 TC • • • v 2 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 Kp = 1 Kc = 0. 74 = 5 TI = 7. 5 = 5 Td = 0. 90 CHS 31024 Edisi 22 Nop '06 v 1 TC v 2 22
Penyetelan PID 15 15 10 10 10 5 0 CV 15 CV CV Penyetelan bukan terbaik untuk sembarang kasus individual, tapi terbaik untuk daerah dinamika yang mungkin - itu handal (robust)! 5 0 -5 0 20 40 60 80 100 120 -5 0 40 20 40 60 80 100 120 0 Batas MV 20 Batas MV 40 60 80 100 120 Batas MV 15 MV MV MV 20 20 20 25 30 30 5 10 10 10 5 0 0 20 40 60 time 80 CHS 31024 Edisi Plant = - 22 25% Nop '06 100 120 0 20 40 60 time 80 Plant = model 100 120 0 20 40 60 time Plant = + 25% 23
Penyetelan PID Kinerja baik Process reaction curve Selesaikan masalah penyetelan. Perlu program komputer. 15 10 1. 5 CV 1 0. 5 0 DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI 1 0. 8 0. 6 0. 4 0. 2 00 5 10 15 20 25 30 35 40 45 50 v 1 TC • • • v 2 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 Kp = 1 Kc = 0. 74 = 5 TI = 7. 5 = 5 Td = 0. 90 CHS 31024 Edisi 22 Nop '06 0 -5 0 20 40 60 80 100 120 20 40 60 time 80 100 120 30 20 MV -0. 5 0 5 10 15 20 25 30 35 40 45 50 5 10 0 0 v 1 TC v 2 24
Penyetelan PID 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. Konstanta Penyetelan Tanpa Satuan Variabel bebas Ingat bahwa /( + ) + /( + ) = 1 CHS 31024 Edisi 22 Nop '06 25
Penyetelan PID (KORELASI CIANCONE) disturbance Set point change Grafik Tuning untuk Kontroler PID Berumpan-balik menggunakan KORELASI CIANCONE Ini dikembangkan dengan merangkum sejumlah besar studi kasus pada grafik tanpa dimensi ini? CHS 31024 Edisi 22 (Lihat halaman Nop 281 '06 di buku ajar untuk gambar yang lebih besar. ) 26
Penyetelan PI (KORELASI CIANCONE) Grafik Tuning untuk Kontroler PI Berumpan-balik menggunakan disturbance Set point KORELASI CIANCONE Ini dikembangkan dengan merangkum sejumlah besar studi kasus pada grafik tanpa dimensi ini? CHS 31024 Edisi 22 (Lihat halaman Nop 286 '06 di buku ajar untuk gambar yang lebih besar. ) 27
Penyetelan PID Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT. FS solvent FA pure A AC Process reaction curve Tuning dari chart Kp = 0. 039 %A/%open Kc = ? ? = 5. 5 min TI = ? ? = 10. 5 min Td = ? ? CHS 31024 Edisi 22 Nop '06 28
Penyetelan PID Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT. FS solvent FA pure A AC Process reaction curve Tuning dari chart Kp = 0. 039 %A/%open Kc = 1. 2/0. 039 = 30 %open/%A = 5. 5 min TI = 0. 69(16) = 11 min = 10. 5 min Td = 0. 05(16) = 0. 80 min CHS 31024 Edisi 22 Nop '06 29
Penyetelan PID Kinerja yang baik Gangguan konsentrasi Konsentrasi effluent 3. 4 concentration 3. 3 3. 2 FS 3. 1 solvent 3 0 20 40 60 80 100 120 140 time FA Valve % open pure A 50 AC 45 manipulated flow 40 35 30 25 0 20 40 60 80 100 120 140 160 180 200 time CHS 31024 Edisi 22 Nop '06 30 160 180 200
Penyetelan PID 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. CHS 31024 Edisi 22 Nop '06 31
Penyetelan PID Apa efek dari merubah gain kontroler pada kinerja sebuah lup PID? Mari kita lakukan sebuah eksperimen dengan merubah Kc dan memonitor kinerjanya. CHS 31024 Edisi 22 Nop '06 32
Penyetelan PID 60 control performance, IAE Bad v 1 TC v 2 • Kenapa IAE naik untuk Kc yang kecil? 40 • Kenapa IAE naik untuk Kc yang besarl? ? 20 0 0 0. 5 1 1. 5 2 controller gain 1 1 1 0 -0. 5 -1 0 50 100 time CHS 31024 Edisi 22 Nop '06 150 200 Kc = 1. 14 0. 5 controlled variable Kc = 0. 62 0. 5 0 -0. 5 -1 Is this the “best”? 0 50 100 time 150 Kc = 1. 52 0. 5 0 -0. 5 200 Kontroler PID dengan perubahan Kc, TI = 10, Td = 0. -1 0 50 100 time 150 33 200
Penyetelan PID Apa efek merubah waktu integral pada kinerja lup PID? Apa jawabannya berbeda dari Kc? Apa bedanya? CHS 31024 Edisi 22 Nop '06 34
Penyetelan PID FINE TUNING: Mari kita terapkan pemahaman kita untuk membangun pedoman fine tuning. S-LOOP plots deviation variables (IAE = 9. 6759) Controlled Variable 1. 5 1 Ini adalah kinerja pengendalian yang “baik”. 0. 5 Jelaskan bentuk respon CV dan MV. 0 0 5 10 15 20 25 30 35 40 45 50 Time Manipulated Variable 1. 5 1 0. 5 0 CHS 31024 Edisi 522 0 Nop '06 10 15 20 25 Time 35
Penyetelan PID Catatan: ini adalah perubahan step pada set point - baik untuk diagnosis! CV dibatasi overshoot set point, peredaman cepat, dan kembali ke set point-nya S-LOOP plots deviation variables (IAE = 9. 6759) Controlled Variable 1. 5 1 0. 5 CV tidak berubah disebabkan oleh dead time 0 0 5 10 15 20 Constant slope E(t) = constant 25 30 35 40 45 50 Time 1. 5 Manipulated Variable MV overshoot moderate <= 0. 5( MVss) 1 0. 5 MV 0 = Kc ( SP) seharusnya mendekati perubahan yang MVss diperlukan pada steady state. 0 CHS 31024 Edisi 22 0 5 10 Nop '06 15 20 25 Time 30 35 40 45 50 36
Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. S-LOOP plots deviation variables (IAE = 19. 3873) 1 Controlled Variable 0. 8 0. 6 0. 4 0. 2 0 0 5 10 15 20 25 30 35 40 45 50 Time Manipulated Variable 1 0. 8 0. 6 0. 4 0. 2 CHS 31024 Edisi 22 0 0 5 Nop '06 37 10 15 20 25 Time
Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. S-LOOP plots deviation variables (IAE = 19. 3873) 1 Ini kinerja pengendalian yang jelek. Controlled Variable 0. 8 0. 6 0. 2 0 Kontroler tidak cukup agresif. The CV response is very slow, not aggressive enough 0. 4 0 5 10 15 20 25 30 35 40 45 MV 0, kecil, gain kontroler naik, 50 Kc sekitar x 2 Time Manipulated Variable 1 0. 8 0. 6 0. 4 Perubahan awal pada MV terlalu kecil, lebih kecil 40% dari harga akhirnyal, perubahan steady-state. 0. 2 0 0 CHS 31024 Edisi 22 5 10 Nop '06 15 20 25 Time 30 35 40 45 50 38
Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. S-LOOP plots deviation variables (IAE = 20. 1754) Controlled Variable 2 Ini kinerja pengendalian yang jelek. 1. 5 Kontroler tidak cukup agresif. 1 0. 5 0 0 10 20 30 40 50 Time 60 70 80 MV 0, kecil, gain kontroler naik, 90 100 Kc sekitar x 2 20 30 40 50 Time 60 70 80 90 Manipulated Variable 2. 5 2 1. 5 1 0. 5 0 CHS 31024 Edisi 1022 0 Nop '06 100 39
Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. S-LOOP plots deviation variables (IAE = 20. 1754) 2 Controlled Variable CV terlalu berosilasi Ini kinerja pengendalian yang jelek. 1. 5 Kontroler tidak cukup agresif. 1 0. 5 0 0 10 20 30 40 50 Time 60 70 80 MV 0, kecil, gain kontroler naik, 90 100 Kc sekitar x 2 70 80 90 Manipulated Variable 2. 5 2 Overshoot MV terlalu besar 1. 5 1 0. 5 MV 0 0 CHS 31024 Edisi 1022 0 Nop '06 20 30 40 50 Time 60 100 40
Metode LOPEZ (Grafis) CHS 31024 Edisi 22 Nop '06 41
Metode LOPEZ (Persamaan - Disturbance) CHS 31024 Edisi 22 Nop '06 42
Kontroler PID (Lopez – Disturbance) CHS 31024 Edisi 22 Nop '06 43
Metode LOPEZ (Persamaan - Setpoint) CHS 31024 Edisi 22 Nop '06 44
Kontroler PID (Lopez – Setpoint) CHS 31024 Edisi 22 Nop '06 45
Metode Ziegler-Nichols (PRC) CHS 31024 Edisi 22 Nop '06 46
Metode Ziegler-Nichols (Online) • Langkah-langkah percobaan • Set kontroler: • AUTOMATIK • Proporsional 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) CHS 31024 Edisi 22 • Hitung periode osilasinya (Tu) 47 Nop '06
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 CHS 31024 Edisi 22 Nop '06 48
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: CHS 31024 Edisi 22 Nop '06 49
Cohen-Coon Tuning CHS 31024 Edisi 22 Nop '06 50
Contoh CHS 31024 Edisi 22 Nop '06 51
Cohen-Coon Tuning • Cohen-Coon: Servo • Kontroler PID lebih baik dari PI • Gain kontroler lebih agresif/tinggi • Respon tidak diinginkan untuk banyak kasus CHS 31024 Edisi 22 Nop '06 52
Cohen-Coon Tuning • Cohen-Coon: Regulatori • Osilasi lebih tinggi • Lebih agresif CHS 31024 Edisi 22 Nop '06 53
Sintesis DAHLIN • Minium IAE Kontroler PI: tc = 2/3 q Kontroler PID: tc = 1/5 q • 5% 0 vershoot CHS 31024 Edisi 22 Nop '06 54
Contoh Sintesis Dahlin CHS 31024 Edisi 22 Nop '06 55
Korelasi Wahid-Rudi-Victor (WRV): Servo • Proporsional: • PID: CHS 31024 Edisi 22 Nop '06 56
55 Tentukan harga parameter Kontroler PID dengan berbagai Korelasi 47 43 55 39 45 0 10 20 30 40 time CHS 31024 Edisi 22 Nop '06 57 output variable, degrees C input variable, % open 51
Heat Exchanger Sensor-transmitter Control valve CHS 31024 Edisi 22 Nop '06 58
PRC CHS 31024 Edisi 22 Nop '06 59
Kode MATLAB Kc=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; CHS 31024 Edisi 22 Nop '06 % 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)); end pause plot(t, IAE) IAE=IAE(n) 60
Perbandingan Ziegler-Nichols: Kc = 4. 5 Ti = 22. 4 Td = 6. 6 IAE = 10. 5252 Ciancone: Kc = 1. 5 Ti = 40. 5 Td = 1. 8 IAE = 23. 678 Cohen-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. 9076 Wahid Kc = 4 Ti = 40 Td = 9 IAE = 3. 2461 CHS 31024 Edisi 22 Nop '06 61
Internal Model Control • Hubungan kontroler yang diimplementasikan (Gc): • Fungsi alih lup tertutup: CHS 31024 Edisi 22 Nop '06 62
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) CHS 31024 Edisi 22 Nop '06 63
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 CHS 31024 Edisi 22 Nop '06 64
Internal Model Control • Penyetelan kontroler PID didasarkan IMC • Asumsinya model sempurna (perfect model) • Filter yang digunakan orde satu: • Proses mengandung: • RHP (right half plane) zero • Komponen integral • Time delay perlu CHS 31024 Edisi 22 Nop '06 diaproksimasi dengan Pade 65
Penyetelan kontroler PID didasarkan IMC untuk Gc CHS 31024 Edisi 22 Nop '06 66
Controller Tuning by SOPDT CHS 31024 Edisi 22 Nop '06 67
Controller Tuning by SOPDT CHS 31024 Edisi 22 Nop '06 68
Model SOPDT • Metode Harriott (1964) • Metode Smith (1972) • Rough Model CHS 31024 Edisi 22 Nop '06 69
Metode Harriott (dari PRC) t PRC y/KM Kurva Harriott CHS 31024 Edisi 22 Nop '06 70
Metode Smith t 20% t 60% dari PRC Kurva SMITH t CHS 31024 Edisi 22 Nop '06 71
Rough Model CHS 31024 Edisi 22 Nop '06 72
Penyetelan PID - WORKSHOP 1 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. CHS 31024 Edisi 22 Nop '06 73
Penyetelan PID - WORKSHOP 2 Gain kontroler adalah positif untuk contoh-contoh di dalam diktat. Apa K c selalu lebih besar dari nol? Di dalam jawabanmu, diskusikan sistem pengendalian suhu pada gambar di bawah ini. v 1 TC v 2 Apa satuan dari gain kontroler-nya? CHS 31024 Edisi 22 Nop '06 74
Penyetelan PID - WORKSHOP 3 Data di bawah ini adalah PRC untuk sebuah proses, grafikkan dalam variabel deviasi. Tentukan penyetelan untuk sebuah kontroler PID. Controlled Variable 4 3 2 1 0 -1 0 5 10 15 20 25 Time 30 35 40 45 50 TC 15 Manipulated Variable v 1 10 v 2 5 0 0 5 10 CHS 31024 Edisi 22 Nop '06 15 20 25 Time 30 35 40 45 50 75
Penyetelan PID - WORKSHOP 4 Diagnosis data lup-tertutup pada gambar dan sarankan modifikasinya, jia perlu. S-LOOP plots deviation variables (IAE = 6. 1515) Controlled Variable 1. 5 1 0. 5 0 -0. 5 0 5 10 15 20 25 Time 30 35 40 45 50 v 1 Manipulated Variable 20 TC 15 10 v 2 5 0 -5 0 5 10 15 CHS 31024 Edisi 22 Nop '06 20 25 Time 30 35 40 45 50 76
Penyetelan PID - WORKSHOP 5 Meski dengan eksperimen yang sangat hati-hati, kamu dapat menentukan parameter modelnya dengan ketidakpastian 50%. Rekomendasikan harga kontanta penyetelan awal untuk sebuah kontroler PID. DYNAMIC SIMULATION 1 0. 8 Controlled Variable Manipulated Variable 1 0. 6 0. 4 0. 2 0 0 0. 2 5 10 15 20 25 30 35 40 Time 45 0 0 50 gain 1. 0 - 3. 0 5 10 15 20 25 30 35 40 45 50 Time Dead time 2. 5 - 7. 5 Time constant CHS 31024 Edisi 22 Nop '06 5. 0 -1 5. 0 77
Penyetelan PID Saat kuselesaikan bab ini, kuingin dapat melakukan hal-hal berikut. • 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 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)! CHS 31024 Edisi 22 Nop '06 78
Bab 9 - Sumber Pembelajaran • 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. CHS 31024 Edisi 22 Nop '06 79
Bab 9 - SARAN UNTUK BELAJAR MANDIRI 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? CHS 31024 Edisi 22 Nop '06 80
Bab 9 - SARAN UNTUK BELAJAR MANDIRI 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 m 3/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. ) CHS 31024 Edisi 22 Nop '06 81
- Slides: 81