PENGATURAN KECEPATAN PADA PARALLEL HYBRID
ELECTRIC VEHICLE MENGGUNAKAN SELF TUNING
PROPORTIONAL INTEGRAL DERIVATIVE BERDASARKAN
GENETIC ALGORITHM
Ahmad Thonthowi - 2210100187
T UGAS AKHIR TE-091399
Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya, 2014
Dosen Pembimbing : Ir. Rusdhianto Effendi A.K, MT.
Pendahuluan
Latar Belakang Perumusan
Masalah Batasan Masalah
Tujuan
Pemberian beban berlebih yang mengakibatkan kecepatan kendaraan Hybrid berkurang
Membutuhkan penggerak bantuan penggerak utama untuk menanggung beban bersama
Metode kontrol Proportional-Integral-Derivative (PID) digunakan untuk mengatur kecepatan motor listrik, sehingga dapat membantu ICE saat terjadi pembebanan yang dapat menurunkan kecepatan kendaraan
Pendahuluan
Latar Belakang Perumusan
Masalah Batasan Masalah
Tujuan
Timbulnya beban menyebabkan kecepatan putar ICE menurun
Mensinkronisasi dan mengoptimalkan kerja dari motor listrik untuk membantu ICE dalam pengaturan kecepatan dari mesin hybrid agar dapat mempertahankan kecepatan yang diinginkan ketika terjadi pembebanan
Pendahuluan
• Digunakan plant berupa simulator HEV terdiri dari ICE sebagai penggerak utama, motor DC sebagai penggerak pembantu dan rem elektromagnetik sebagai efek beban.
• ICE telah mencapai set point yang diinginkan
• Motor listrik diberikan tegangan dari PLN, Proses charging-discharging baterai tidak diperhatikan.
Latar Belakang Perumusan
Masalah Batasan Masalah
Tujuan
Pendahuluan
Latar Belakang Perumusan
Masalah Batasan Masalah
Tujuan
Dengan mengatur kecepatan dari motor DC menggunakan metode PID-GA dapat
menghasilkan penambahan torsi yang sesuai untuk membantu ICE dengan
pemberian beban yang berbeda untuk mempertahankan keadaan steady state nya
Pengenalan plant dan kontroler
Simulator HEV Metode PID-GA
Konfigurasi simulator HEV :
Motor DC
ICE
Ge
ar
4:1
Beban
tachogenerator
Rem Elektromagnetik
Arduino R3 Driver Motor
Power Supply
z
Power Supply
Pengenalan plant dan kontroler
• PID
merupakan kontroler yang aksi kontrolnya merupakan kombinasi dari aksi kontrol proporsional, aksi kontrol integral dan aksi kontrol differensial.
Simulator HEV Metode PID-GA
Pengenalan plant dan kontroler
• PID
sinyal kesalahan e(t) merupakan masukan kontroler sedangkan keluaran kontroler adalah sinyal kontrol u(t). Hubungan antara masukan kontroler e(t) dan keluaran kontroler u(t)
Simulator HEV Metode PID-GA
Pengenalan plant dan kontroler
dalam besaran transformasi Laplace
Simulator HEV Metode PID-GA
sEss
11KsU d
ip
Kp = penguatan proporsional τi = waktu integral τd = waktu differensial.
Pengenalan plant dan kontroler
Simulator HEV Metode PID-GA
Linear Quadratic Regulator adalah suatu kontrol optimal pada sistem linear dengan dengan kriteria kuadratik untuk menyelesaikan permasalahan regulator.
Dengan meminimalisasi energy (cost
function/quadratic function) melalui
indeks performansi dalam interval t0,∞ :
02
1
t
TT dtRuuQeeJ
Pengenalan plant dan kontroler
Simulator HEV Metode PID-GA
0QPBPBRPAPA T1T
Persoalan regulator dapat diselesaikan
dengan menyelesaikan Persamaan
Riccati:
(2.40)
Pengenalan plant dan kontroler
Simulator HEV Metode PID-GA
0
222 azpuyuJ
t
0
idp ydtKdt
dyKyKtu*
(2.45)
Kontroler PID LQR merupakan kontroler optimal LQR yang digunakan untuk menentukan gain Kp, Ki, dan Kd pada kontroler PID.
semua state memenuhi serta tersedia untuk feedback, dengan ketentuan u* = -Fx,
Sekarang J sebagai kriteria optimasi yang meminimumkan indeks performansi kuadratik yang direpresentasikan oleh:
Pengenalan plant dan kontroler
untuk memperoleh nilai parameter yang optimal dari kontroler PID berupa Kp, Ki dan Kd . Urutan dari proses Algoritma Genetika adalah :
- Inisialisasi
- Evaluasi
- Seleksi
- Crossover
- Mutasi
Simulator HEV Metode PID-GA
Pengenalan plant dan kontroler
Pembangkitan populasi awal akan dibangkitkan secara random dengan biangan integer antara
0,1 – 100
- Dengan jumlah populasi 4
- Kemudian melakukan proses GA (Evaluasi, Seleksi, Crossover, Mutasi)
Simulator HEV Metode PID-GA
Pengenalan plant dan kontroler
- nilai beban berubah-ubah maka akan digunakan parameter Kp , Ki, Kd sebagai fungsi V load saat implementasi pada sistem,
• Kp (n) = a1 + a2 Vload + a3 Vload 2
• Ki (n) = b1 + b2 Vload + b3 Vload 2
• Kd (n) = c1 + c2 Vload + c3 Vload 2
Simulator HEV Metode PID-GA
Pengenalan plant dan kontroler
•
1 20 202
1 30 302
1 40 402
1 50 502
1 60 602
𝑎1𝑎2𝑎3
=
𝐾𝑝1
𝐾𝑝2
𝐾𝑝3
𝐾𝑝4
𝐾𝑝5
• A a Kp
• ATA 𝑎1𝑎2𝑎3
= AT K Sehingga 𝑎1𝑎2𝑎3
= (ATA)-1
ATKp
Simulator HEV Metode PID-GA
Untuk Kp:
Perancangan Sistem Diagram Blok
sistem Identifikasi ICE
Identifikasi motor DC
Kontroler PID
• Pengujian Identifikasi ICE dengan metode Strejc
Beban Transfer Function RRMSE
Minimal 𝐺 𝑠 =
1.29
0.3118 + 1 2 4.39%
Nominal 𝐺 𝑠 =
1
0.1848 + 1 2 3.208%
Maksimal 𝐺 𝑠 =
1
0.289 + 1 2 6.17%
Perancangan Sistem Diagram Blok
sistem Identifikasi ICE
Identifikasi motor DC
Kontroler PID
• Pengujian Identifikasi ICE dengan metode Strejc
0 1 2 3 4 5 6 7 8 9 100
100
200
300
400
500
600
700
800
900
1000
1100
waktu(s)
kece
pata
n(rp
m
Set Point
Respon Pemodelan
Respon Pengukuran
Hasil Identifikasi dan Pemodelan ICE Beban Nominal
Perancangan Sistem Diagram Blok
sistem Identifikasi ICE
Identifikasi motor DC
Kontroler PID
0 1 2 3 4 5 6 7 8 9 100
200
400
600
800
1000
1200
Waktu (s)
Kec
epat
an (
rpm
)
𝐺 𝑠 = 11,01
(s2 + 4,5s + 11,056)
Perancangan Sistem Diagram Blok
sistem Identifikasi ICE
Identifikasi motor DC
Kontroler PID
Simulink Simulasi Kontroler
Perancangan Sistem
Diagram Blok sistem
Identifikasi ICE Identifikasi motor DC
Kontroler PID
Simulink Implementasi Kontroler
Pengujian Sistem
Tegangan Beban (Volt) Daya Motor DC (Watt) Penurunan Kecepatan (rpm)
20 58,138 158,219
30 92,040 236,410
40 133,194 308,428
50 187,740 387,350
60 241,800 464,640
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
Pengujian Sistem
• Respon ICE dengan penurunan kecepatan berubah ubah
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 10 20 30 40 50 60 70 80 90 1000
200
400
600
800
1000
1200
1400
Waktu (s)
Kecepata
n (
rpm
)
Set Point
Respon ICE
Beban
Pengujian Sistem
• Sinyal kesalahan ICE dengan penurunan kecepatan berubah ubah
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 10 20 30 40 50 60 70 80 90 100-200
0
200
400
600
800
1000
1200
Waktu (s)
Kecepata
n (
rpm
)
Sinyal Kesalahan
Pengujian Sistem
• Parameter Kontroler PID yang didapatkan menggunakan GA
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
Tegangan Beban (Volt) Kp Ki Kd
20 1,08 1 0.7589
30 1,12 1,025 0,783
40 1,2 1,083 0,84
50 1,56 1,31 1,06
60 1,72 1,414 1,17
Pengujian Sistem
• Respon HEV dengan pemberian beban 20 VDC
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 1 2 3 4 5 6 7 8 9 10-200
0
200
400
600
800
1000
1200
Waktu(s)
Kecepata
n (
rpm
)
Set Point
Respon mesin Hybrid
Respon ICE
Desired Respon
Pengujian Sistem
• Sinyal kesalahan HEV dengan pemberian beban 20 VDC
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 1 2 3 4 5 6 7 8 9 100
0.2
0.4
0.6
0.8
1
1.2
1.4
Waktu(s)
Kec
eata
n (r
ms)
Sinyal Kesalahan
Pengujian Sistem
• Sinyal kontrol HEV dengan penurunan kecepatan 158,219 rpm
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 1 2 3 4 5 6 7 8 9 100
20
40
60
80
100
120
140
160
180
Waktu(s)
Kec
epat
an (
rpm
)
Sinyal Kontrol
Pengujian Sistem
• Respon HEV dengan pemberian beban 60 VDC
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 1 2 3 4 5 6 7 8 9 10-200
0
200
400
600
800
1000
1200
Waktu (s)
Kecepata
n (
rpm
)
Set Point
Respon Mesin Hybrid
Respon ICE
Desired Respon
Pengujian Sistem
• Sinyal kesalahan HEV dengan pemberian beban 60 VDC
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 1 2 3 4 5 6 7 8 9 100
0.2
0.4
0.6
0.8
1
1.2
1.4
Waktu (s)
Kecepata
n (
rpm
)
Sinyal Kesalahan
Pengujian Sistem
• Sinyal kontrol HEV dengan penurunan kecepatan 464,64 rpm
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 1 2 3 4 5 6 7 8 9 100
100
200
300
400
500
600
Waktu (s)
Kec
epat
an (
rpm
)
Sinyal Kontrol
Pengujian Sistem
• Respon ICE dengan penurunan kecepatan berubah - ubah
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 20 40 60 80 100 1200
200
400
600
800
1000
1200
1400
1600
Waktu (s)
Kecepata
n (
rpm
)
Respon ICE
Set Point
Pengujian Sistem
• Respon HEV dengan penurunan kecepatan berubah – ubah
Simulasi ICE Simulasi HEV Implementasi
ICE Implementasi
HEV
0 20 40 60 80 100 1200
200
400
600
800
1000
1200
1400
1600
1800
Waktu (s)
Kecepata
n (
rpm
)
Respon Mesin Hybrid
Set Point
PENUTUP
• ▫ Parameter Kontroler PID berupa Kp, Ki dan Kd yang
optimal dapat dicari menggunakan Algoritma Genetika berdasarkan penerapan aturan tertentu yang sesuai
▫ Kontroler PID mampu mengurangi sinyal kesalahan
akibat adanya pembebanan berlebih yang diberikan pada sistem HEV
▫ Terjadi kenaikan steady state error dengan
bertambahnya besar beban yang diberikan pada ICE
Kesimpulan Saran
PENUTUP
▫ Pada simulasi, kontroler PID mampu mengurangi
steady state error set point pada saat terdapat beban yang menyebabkan penurunan kecepatan motor DC yang terjadi hingga mencapai 2,2%.
▫ Pada implementasi , respon motor DC dengan
Kontroer PID dapat membantu kinerja ICE pada simulator HEV, tetapi belum dapat mencapai performansi optimalnya, terutama saat rem elektromagnetik diberi tegangan sebesar 50 VDC dan 60 VDC.
Kesimpulan Saran
PENUTUP
Program yang digunakan untuk penentuan parameter kontrol PID dengan metode pencarian Algoritma genetika lebih baik lagi, sehingga mendapatkan parameter yang lebih optimal dan nilai steady state error lebih kecil lagi.
Kesimpulan Saran