Departemen Teknik Kimia FTUI

Presentasi berjudul: "Departemen Teknik Kimia FTUI"— Transcript presentasi:

1 Departemen Teknik Kimia FTUI
Bab 9 Penyetelan PID Ir. Abdul Wahid, MT. Departemen Teknik Kimia FTUI

2 Saat kuselesaikan bab ini, kuingin dapat melakukan
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

3 Kerangka Kuliah 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

4 Sifat-sifat yang Kita Cari dalam Kontroler
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

5 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

6 Penyetelan PID Trial 1: tak stabil, hilang $25,000 Adakah cara
20 40 60 80 100 120 -40 -20 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable -100 -50 50 Manipulated Variable Adakah cara yang lebih mudah dari pada trial &error? Trial 2: kelewat pelan, rugi $3,000 20 40 60 80 100 120 0.2 0.4 0.6 0.8 1 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable AC 20 40 60 80 100 120 0.5 1 1.5 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable Trial n: OK, akhirnya!, tapi didapat dengan kelewat lama!!

7 Penyetelan PID Ya, kita bisa menyiapkan
korelasi yang baik! S-LOOP plots deviation variables (IAE = ) 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 Time Manipulated Variable DYNAMIC SIMULATION Controlled Variable Tentukan sebuah model menggunakan eksperimen PRC (process reaction curve). Kc TI Tentukan konstanta penyetelan awal dari korelasi. Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja 20 40 60 80 100 120 0.5 1 1.5 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable Terapkan dan setel lebih halus sesuai kebutuhan.

8 Gambarkan dinamikanya dari data perubahan step.
Penyetelan PID 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. 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 Time Manipulated Variable Gambarkan dinamikanya dari data perubahan step.

9 Gambarkan dinamikanya dari data perubahan step.
Penyetelan PID 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. 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 DYNAMIC SIMULATION Time Controlled Variable Orde satu dengan dead time Orde n dengan dead time Tak stabil Integrator, lihat Bab 18 underdamped 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 Time Manipulated Variable Gambarkan dinamikanya dari data perubahan step.

10 Penyetelan PID 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 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 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 Time Manipulated Variable

11 Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja Situasi yang realistis: Variabel yang diukur akan memasukkan efek dari sensor noise dan frekuensi gangguan proses tinggi DYNAMIC SIMULATION Time 5 10 15 20 25 30 35 40 45 50 -0.5 0.5 1 1.5 Controlled Variable 0.2 0.4 0.6 0.8 Manipulated Variable

12 Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja 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: 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable Manipulated Variable gain Dead time Time constant

13 Penyetelan PID 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 % A solvent pure A AC FS FA SP

14 Penyetelan PID 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

15 Penyetelan PID Perilaku Dinamik CV: Stabil, offset nol, IAE minimum
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

16 Penyetelan PID Steam flow
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 4. Input forcing 5. Kontroler 6. Ukuran kinerja Steam flow AC 5 10 15 20 25 30 35 40 -10 Time Manipulated Variable Large, rapid changes to the steam flow can damage the trays

17 Penyetelan PID Fuel flow 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 4. Input forcing 5. Kontroler 6. Ukuran kinerja Fuel flow FT 1 2 PT PI AT TI 3 4 5 6 7 8 FI 10 11 TC Fuel 5 10 15 20 25 30 35 40 -10 Time Manipulated Variable Besar, perubahan cepat terhadap aliran bahan bakar menyebabkan tekanan panas (thermal stress) yang merusak tube.

18 DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI
Penyetelan PID Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja 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.

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 Penyetelan PID Selesaikan masalah penyetelan. Perlu program komputer.
Process reaction curve Selesaikan masalah penyetelan. Perlu program komputer. Terapkan, apa kinerjanya baik? 5 10 15 20 25 30 35 40 45 50 -0.5 0.5 1 1.5 0.2 0.4 0.6 0.8 TC v1 v2 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 TC v1 v2 Kp = 1  = 5  = 5 Kc = 0.74 TI = 7.5 Td = 0.90

21 Penyetelan PID Penyetelan bukan terbaik untuk sembarang kasus individual, tapi terbaik untuk daerah dinamika yang mungkin - itu handal (robust)! 20 40 60 80 100 120 -5 5 10 15 CV 25 time MV 30 Plant = model Plant = + 25% Plant = - 25% Batas MV Batas MV Batas MV

22 DEFINISI GABUNGAN DARI MASALAH PENYETELAN UNTUK KORELASI
Penyetelan PID Kinerja baik Process reaction curve Selesaikan masalah penyetelan. Perlu program komputer. 20 40 60 80 100 120 -5 5 10 15 CV 30 time MV 5 10 15 20 25 30 35 40 45 50 -0.5 0.5 1 1.5 0.2 0.4 0.6 0.8 TC v1 v2 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 Kp = 1  = 5  = 5 Kc = 0.74 TI = 7.5 Td = 0.90 TC v1 v2

23 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

24 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? (Lihat halaman 281 di buku ajar untuk gambar yang lebih besar.)

25 Penyetelan PI (KORELASI CIANCONE)
Grafik Tuning untuk Kontroler PI Berumpan-balik menggunakan KORELASI CIANCONE disturbance Set point Ini dikembangkan dengan merangkum sejumlah besar studi kasus pada grafik tanpa dimensi ini? (Lihat halaman 286 di buku ajar untuk gambar yang lebih besar.)

26 Penyetelan PID Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT. solvent pure A AC FS FA Process reaction curve Kp = %A/%open  = 5.5 min  = 10.5 min Tuning dari chart Kc = ?? TI = ?? Td = ??

27 Penyetelan PID Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT. solvent pure A AC FS FA Process reaction curve Kp = %A/%open  = 5.5 min  = 10.5 min Tuning dari chart Kc = 1.2/0.039 = 30 %open/%A TI = 0.69(16) = 11 min Td = 0.05(16) = 0.80 min

28 Penyetelan PID Kinerja yang baik Konsentrasi effluent
Gangguan konsentrasi 20 40 60 80 100 120 140 160 180 200 3 3.1 3.2 3.3 3.4 time concentration solvent pure A AC FS FA Valve % open 20 40 60 80 100 120 140 160 180 200 25 30 35 45 50 time manipulated flow

29 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.

30 Penyetelan PID Apa efek dari merubah gain kontroler pada kinerja sebuah lup PID? Mari kita lakukan sebuah eksperimen dengan merubah Kc dan memonitor kinerjanya.

31 Kontroler PID dengan perubahan Kc, TI = 10, Td = 0.
Penyetelan PID Kenapa IAE naik untuk Kc yang kecil? untuk Kc yang besarl? 0.5 1 1.5 2 20 40 60 controller gain control performance, IAE Bad ? TC v1 v2 50 100 150 200 -1 -0.5 0.5 1 time controlled variable Is this the “best”? Kc = 0.62 Kc = 1.14 Kc = 1.52 Kontroler PID dengan perubahan Kc, TI = 10, Td = 0.

32 Penyetelan PID Apa efek merubah waktu integral pada kinerja lup PID?
Apa jawabannya berbeda dari Kc? Apa bedanya?

33 pengendalian yang “baik”. Jelaskan bentuk respon
Penyetelan PID FINE TUNING: Mari kita terapkan pemahaman kita untuk membangun pedoman fine tuning. 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable Ini adalah kinerja pengendalian yang “baik”. Jelaskan bentuk respon CV dan MV.

34 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 5 10 15 20 25 30 35 40 45 50 0.5 1 1.5 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable CV tidak berubah disebabkan oleh dead time Constant slope E(t) = constant MV overshoot moderate <= 0.5(MVss) MV0 = Kc (SP) seharusnya mendekati perubahan yang diperlukan pada steady state. MVss

35 Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable

36 Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable Manipulated Variable Ini kinerja pengendalian yang jelek. Kontroler tidak cukup agresif. MV0, kecil, gain kontroler naik, Kc sekitar x2 The CV response is very slow, not aggressive enough Perubahan awal pada MV terlalu kecil, lebih kecil 40% dari harga akhirnyal, perubahan steady-state.

37 Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. 10 20 30 40 50 60 70 80 90 100 0.5 1 1.5 2 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable 2.5 Manipulated Variable Ini kinerja pengendalian yang jelek. Kontroler tidak cukup agresif. MV0, kecil, gain kontroler naik, Kc sekitar x2

38 Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. 10 20 30 40 50 60 70 80 90 100 0.5 1 1.5 2 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable 2.5 Manipulated Variable Ini kinerja pengendalian yang jelek. Kontroler tidak cukup agresif. MV0, kecil, gain kontroler naik, Kc sekitar x2 CV terlalu berosilasi Overshoot MV terlalu besar MV0

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 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) 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: tc = 2/3 q Kontroler PID:
5% 0vershoot

50 Contoh Sintesis Dahlin

51 Korelasi Wahid-Rudi-Victor: Servo
Proporsional: PI: PID:

52 Tentukan harga parameter Kontroler PID dengan berbagai
45 55 input variable, % open 39 43 47 51 output variable, degrees C 10 20 30 40 time Tentukan harga parameter Kontroler PID dengan berbagai Korelasi

53 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; % 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)

54 Perbandingan Lopez: Kc = 1.63 Ti = 48.5 Td = 4.29 IAE = 26.9076 Wahid
Ziegler-Nichols: Kc = 4.5 Ti = 22.4 Td = 6.6 IAE = Ciancone: Kc = 1.5 Ti = 40.5 Td = 1.8 IAE = Cohen-Coon Kc = 5.34 Ti = 24.32 Td = 3.84 IAE = Lopez: Kc = 1.63 Ti = 48.5 Td = 4.29 IAE = Wahid Kc = 4 Ti = 40 Td = 9 IAE =

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

60 Controller Tuning by SOPDT

61 Model SOPDT Metode Harriott (1964) Metode Smith (1972) Rough Model

62 Metode Harriott (dari PRC) t PRC y/KM Kurva Harriott

63 Metode Smith t20% t60% dari PRC Kurva SMITH t

64 Rough Model

65 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.

66 Penyetelan PID - WORKSHOP 2
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. TC v1 v2 Apa satuan dari gain kontroler-nya?

67 Penyetelan PID - WORKSHOP 3
Data di bawah ini adalah PRC untuk sebuah proses, grafikkan dalam variabel deviasi. Tentukan penyetelan untuk sebuah kontroler PID. 5 10 15 20 25 30 35 40 45 50 -1 1 2 3 4 Time Controlled Variable Manipulated Variable TC v1 v2

68 Penyetelan PID - WORKSHOP 4
Diagnosis data lup-tertutup pada gambar dan sarankan modifikasinya, jia perlu. 5 10 15 20 25 30 35 40 45 50 -0.5 0.5 1 1.5 S-LOOP plots deviation variables (IAE = ) Time Controlled Variable -5 Manipulated Variable TC v1 v2

69 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. 5 10 15 20 25 30 35 40 45 50 0.2 0.4 0.6 0.8 1 DYNAMIC SIMULATION Time Controlled Variable Manipulated Variable gain Dead time Time constant

70 Saat kuselesaikan bab ini, kuingin dapat melakukan
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)!

71 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.

72 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 = Simulasikan penyetelan asal dan harga lain dari Td. Apa yang terjadi pada kinerjanya?

73 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 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 Tuning -- Abdul Wahid