PENGATURAN KECEPATAN PADA PARALLEL HYBRID ELECTRIC …

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.

AGENDA

Pendahuluan

Pengenalan Plant dan Kontroler

Perancangan Sistem

Pengujian Sistem

Penutup

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



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.



Tujuan

Pendahuluan



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

Bentuk fisik simulator HEV :



Konfigurasi simulator HEV :

Motor DC

ICE

Ge

ar

4:1

Beban

tachogenerator

Rem Elektromagnetik

Arduino R3 Driver Motor

Power Supply

z

Power Supply


• PID

merupakan kontroler yang aksi kontrolnya merupakan kombinasi dari aksi kontrol proporsional, aksi kontrol integral dan aksi kontrol differensial.



• 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)



dalam besaran transformasi Laplace


sEss

11KsU d

ip

Kp = penguatan proporsional τi = waktu integral τd = waktu differensial.



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



0QPBPBRPAPA T1T

Persoalan regulator dapat diselesaikan

dengan menyelesaikan Persamaan

Riccati:

(2.40)



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:


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



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)



- 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



•

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


Untuk Kp:

Perancangan Sistem Diagram Blok

sistem Identifikasi ICE

Identifikasi motor DC

Kontroler PID




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%




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




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)




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


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


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


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


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


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


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


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


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


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


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


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

PENGATURAN KECEPATAN PADA PARALLEL HYBRID ELECTRIC …

Documents

Transcript of PENGATURAN KECEPATAN PADA PARALLEL HYBRID ELECTRIC …