Pengaturan Akselarasi di Simulator ... - digilib.its.ac.id

PENGATURAN AKSELARASI DI SIMULATOR PARALLEL HYBRID

ELECTRIC VEHICLE MENGGUNAKAN METODE ANFIS

YOGA SEPTEFA NURIS 2210100156

Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2014

1. PENDAHULUAN

2. DESKRIPSI SISTEM

3. PERANCANGAN SISTEM

4. PENGUJIAN DAN ANALISIS SISTEM

5. KESIMPULAN

PENDAHULUAN

HEV merupakan kombinasi antara dua sumber energi gerak yaitu Internal Combustion Engine (ICE) dan motor listrik.

ICE dan motor listrik dapat bekerja secara bersama-sama atau bekerja bergantian menurut kebutuhan dari HEV.

Kombinasi ditujukan untuk mengurangi konsumsi bahan bakar tanpa mengurangi tenaga yang dikeluarkan [1].

LATAR BELAKANG TUJUAN PERMASALAHAN

[1] Momoh, Omonowo D., Omoigui, Michael O. “An Overview of Hybrid Electric Vehicle Technology”, IEEE, 978-1-4244-2601, September, 2009.

PENDAHULUAN

Dengan menggunakan kontroler ANFIS, daerah fungsi keanggotaan dapat ditentukan secara otomatis. [2]

Respon kecepatan dari motor DC brushless menggunakan kontroler ANFIS menunjukkan respon terbaik menggunakan fungsi bell dengan lima fungsi keanggotaan [2]


[2] Hidayat, PH.Sasongko, Sarjiya & Suharyanto, “ Performance Analysis of Adaptive Neuro Fuzzy Inference Systems (ANFIS) for Speed Control of Brushless DC Motor, in Proc. ICEEI 2011,17-19 July 2011, p. 211 .

PENDAHULUAN

Pada keadaan akselarasi, jika motor listrik dalam keadaan tidak aktif akan menjadi beban.

Penambahan beban bagi ICE akan menjadikan konsumsi bahan bakar lebih besar.

Dibutuhkan strategi kontrol untuk pengendalian motor listrik pada keadaan akselarasi .


PENDAHULUAN

Perancangan strategi kontrol menggunakan metode ANFIS untuk pengendalian motor listrik pada HEV saat keadaan akselarasi.


DESKRIPSI SISTEM

Pada Tugas Akhir kali ini digunakan Simulator PHEV untuk merepresentasikan kerja PHEV sebenarnya.

Komponen pada PHEV, antara lain : 1. ICE 2 Tak 2. Motor DC 3. Sistem Roda Gerigi 4. Rem Elektromagnetik

SIMULATOR PHEV MOTOR DC

DESKRIPSI SISTEM

Gambar 1 Bentuk Fisik Simulator PHEV

Rem Elektromagnetik Motor DC

Sistem Roda Gerigi ICE 2 Tak


DESKRIPSI SISTEM

Skema dalam pengendalian motor DC akan ditunjukkan pada Gambar

Gambar 2 Skema pengendalian Kecepatan Motor DC [2]

[2] Austin Hughes and Bill Drury,Electric Motors And Drives, Fundamentals, Types, And Applications Fourth Edition, Elsevier, 2013, Oxford .


PERANCANGAN SISTEM

Gambar 3 Diagram Blok Sistem

DIAGRAM BLOK SISTEM MODEL REFERENSI PERMODELAN SISTEM KONTROLER ANFIS

PERANCANGAN SISTEM

Permodelan pada sistem ini dibagi menjadi permodelan ICE dan motor DC.

Permodelan yang digunakan adalah mengacu pada permodelan yang telah dibuat pada penelitan sebelumnya[3]. Model motor DCpada (1)

𝑮𝑮 𝒔𝒔 = 𝟏𝟏𝟏𝟏,𝟎𝟎𝟏𝟏

(𝒔𝒔𝟐𝟐 + 𝟒𝟒,𝟓𝟓𝒔𝒔 + 𝟏𝟏𝟏𝟏,𝟎𝟎𝟓𝟓𝟎𝟎) (1)

[3] Resmi, Ilmiyah Elrosa Citra, “Traction Control pada Parallel Hybrid Electric Vehicle dengan Metode Generalized Predictive Control”, Tugas Akhir, 2014, Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember, Surabaya.


PERANCANGAN SISTEM

Permodelan ICE didapat dengan memberikan beban minimal,nominal dan maksimal pada ICE.

Hasil respon ICE tersebut diidentifkasi dengan metode Strejc. Hasil permodelan yang diperoleh[3] adalah pada persamaan (2)

𝑮𝑮 𝒔𝒔 = 𝟏𝟏

𝟎𝟎.𝟏𝟏𝟏𝟏𝟒𝟒𝟏𝟏𝒔𝒔 + 𝟏𝟏 𝟐𝟐 (2)

[3] Resmi, Ilmiyah Elrosa Citra, “Traction Control pada Parallel Hybrid Electric Vehicle dengan Metode Generalized Predictive Control”, Tugas Akhir, 2014, Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember, Surabaya.


PERANCANGAN SISTEM

Dari identifikasi yang telah dilakukan penelitian sebelumnya [1], didapatkan rise time motor bakar sebesar 1 s dan nilai time constant sebesar 0,3726 s.

Model referensi dibuat memiliki rise time lebih cepat dengan time constant yang lebih kecil sehingga dibuat model referensi dengan fungsi alih berikut :

𝐺𝐺(𝑠𝑠) = 1

0,2 𝑠𝑠 + 1 (3)


PERANCANGAN SISTEM

Akan dibentuk sejumlah i aturan yang dibentuk dari klasifikasi fungsi keanggotaan. Aturan yang dibuat pada kontroler ANFIS ini direpresentasikan dalam Tabel 1. Tabel 1 Aturan –aturan fuzzy

Gaya (u) error (e)= 𝑿𝑿𝟏𝟏

A1 A2 A3

delta error (∆𝒆𝒆)= 𝑿𝑿𝟐𝟐

B1 𝝎𝝎𝟏𝟏 𝝎𝝎𝟒𝟒 𝝎𝝎𝟕𝟕

B2 𝝎𝝎𝟐𝟐 𝝎𝝎𝟓𝟓 𝝎𝝎𝟏𝟏

B3 𝝎𝝎𝟑𝟑 𝝎𝝎𝟎𝟎 𝝎𝝎𝟗𝟗


PERANCANGAN SISTEM

Menggunakan fungsi Bell untuk membangkitkan fungsi keanggotaan atau fuzzyfikasi.

µ𝐛𝐛𝐛𝐛𝐛𝐛𝐛𝐛 𝐱𝐱 = 𝟏𝟏

𝟏𝟏+ 𝐱𝐱−𝐜𝐜𝐚𝐚

𝟐𝟐𝐛𝐛 (4)

dimana a,b,c merupakan parameter yang ditentukan.


PERANCANGAN SISTEM

menggunakan mekanisme inferensi fuzzy fungsi Sugeno orde 1 untuk membangkitkan nilai output atau defuzzyfikasi.

𝑖𝑖𝑖𝑖 𝑥𝑥1 𝑖𝑖𝑠𝑠 𝐴𝐴1𝐴𝐴𝐴𝐴𝐴𝐴 𝑥𝑥2 𝑖𝑖𝑠𝑠 𝐵𝐵1𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑦𝑦1 = 𝑐𝑐11 𝑥𝑥1 + 𝑐𝑐11𝑥𝑥2 + 𝑐𝑐1𝑜𝑜

: :

𝑖𝑖𝑖𝑖 𝑥𝑥1 𝑖𝑖𝑠𝑠 𝐴𝐴3𝐴𝐴𝐴𝐴𝐴𝐴 𝑥𝑥2 𝑖𝑖𝑠𝑠 𝐵𝐵3𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑦𝑦9 = 𝑐𝑐91 𝑥𝑥1 + 𝑐𝑐92𝑥𝑥2 + 𝑐𝑐9𝑜𝑜


PERANCANGAN SISTEM

Struktur ANFIS yang digunakan mengacu pada struktur yang dipaparkan oleh Jang [4].

Gambar 5 Struktur ANFIS [4]

[4] Jang, Jyh-Shing Roger. “Neuro-Fuzzy and Soft Computing”.Prentice Hall.1997.


PERANCANGAN SISTEM

ANFIS INVERSE MODEL

Didapat dari model invers plant dengan nilai sinyal kontrol ANFIS 𝑢𝑢(𝑘𝑘) =

1𝑏𝑏0

𝜏𝜏𝜏𝜏 + 𝑇𝑇𝑠𝑠

− 𝑎𝑎1 𝑦𝑦 𝑘𝑘 + 𝑎𝑎2𝑦𝑦 𝑘𝑘 − 1 − 𝑏𝑏1𝑢𝑢 𝑘𝑘 − 1 +𝑇𝑇𝑠𝑠

𝜏𝜏 + 𝑇𝑇𝑠𝑠𝑦𝑦𝑟𝑟 𝑘𝑘 + 1


PERANCANGAN SISTEM

Penghitungan parameter-parameter pada kontroler ANFIS yang akan dibagi menjadi dua tahap, yaitu tahap forward pass dan back pass.

Perhitungan ANFIS pada tahap maju atau

forward pass artinya perhitungan akan merambat maju dari lapisan ke 1 menuju ke lapisan 5.


PERANCANGAN SISTEM

Pada tahap back pass pembelajaran dilakukan dengan mempropagasikan balik error antara keluaran jaringan ANFIS dan keluaran target.

Pada tahap ini parameter konsekuen dianggap tetap untuk memperbaiki parameter premis menggunakan gradient descent .


PERANCANGAN SISTEM

Lapisan 1 Pada lapisan ini, neuron memiliki sifat adaptif. Keluaran tiap tiap neuron adalah fungsi keanggotaan dari fungsi Bell (4). Dari struktur di Gambar 5, output lapisan 1 adalah µ𝐴𝐴1, µ𝐴𝐴2 , µ𝐴𝐴3,µ𝐵𝐵1,µ𝐵𝐵2, µ𝐵𝐵3


PERANCANGAN SISTEM

Lapisan 2 Neuron pada lapisan ini adalah hasil dari perkalian dari masukan neuron sebelumnya. Fungsi yang digunakan pada neuron ini adalah operator AND. Dengan i = 1,2…..n, maka : 𝐿𝐿2 = 𝑤𝑤𝑖𝑖 = µ𝐴𝐴(𝑥𝑥1)µ𝐵𝐵(𝑥𝑥2) (5)


PERANCANGAN SISTEM

Lapisan 3 Setiap neuron pada lapisan ini adalah node tetap yang berupa hasil normalisasi, dicari dengan :

𝐿𝐿3 = 𝑤𝑤𝑖𝑖 = 𝑤𝑤𝑖𝑖𝑤𝑤𝑖𝑖+𝑤𝑤𝑖𝑖+1+⋯.+𝑤𝑤𝑛𝑛

(6)


PERANCANGAN SISTEM

Lapisan 4 𝐿𝐿4 = 𝑤𝑤𝑖𝑖𝑦𝑦𝑖𝑖 = 𝑤𝑤𝑖𝑖 𝑐𝑐𝑖𝑖1𝑥𝑥1 + 𝑐𝑐𝑖𝑖2𝑥𝑥2 + 𝑐𝑐𝑖𝑖0 (7) dimana 𝑦𝑦𝑖𝑖 adalah bobot. Bobot ini akan direvisi untuk epoh > 1, Dengan menggunakan Steepest Descent maka : 𝑦𝑦𝑖𝑖 = 𝑦𝑦𝑖𝑖 + 𝜂𝜂𝜀𝜀𝑜𝑜𝑜𝑜𝑜𝑜𝑤𝑤𝑖𝑖 (8) dimana 𝜂𝜂 = nilai laju pembelajaran yang bernilai antara 0-1 dan 𝜀𝜀𝑜𝑜𝑜𝑜𝑜𝑜 = error antara output target dengan output jaringan.


PERANCANGAN SISTEM

Lapisan 5

Lapisan ke lima adalah berisi neuron yang merupakan penjumlahan neuron-neuron pada lapisan ke 4. Fungsi pada lapisan ini adalah 𝐿𝐿5 = ∑ 𝑤𝑤𝑖𝑖 𝑦𝑦𝑖𝑖𝑖𝑖 (9)


PERANCANGAN SISTEM

Pada tahap back pass pembelajaran dilakukan dengan mempropagasikan balik error antara keluaran jaringan ANFIS dan keluaran target.

Pada tahap ini parameter konsekuen dianggap tetap untuk memperbaiki parameter premis menggunakan gradient descent .


PERANCANGAN SISTEM

Dengan struktur ANFIS pada gambar 3.3 yang memiliki 5 lapisan dengan jumlah N(L) neuron pada lapisan ke-L, dengan fungsi

Ep = ∑ (𝑑𝑑𝑘𝑘 − 𝑋𝑋𝐿𝐿,𝑘𝑘)2𝑁𝑁(𝐿𝐿)𝑘𝑘=1 (10)


PERANCANGAN SISTEM

Error lapisan 5 Propagasi error pada lapisan ini dirumuskan sebagai berikut :

𝜀𝜀5 = 𝛿𝛿𝛿𝛿𝑝𝑝𝛿𝛿𝐿𝐿5

= −2 𝑌𝑌 − 𝐿𝐿5 (11)

dengan Y = target output jaringan ANFIS,


PERANCANGAN SISTEM

Error lapisan 4

Propagasi error pada lapisan ke 4 dirumuskan sebagai berikut : 𝜀𝜀5 = 𝜀𝜀4 (12) Dengan demikian error di lapisan 4 untuk setiap neuron adalah sama dengan error pada lapisan 5


PERANCANGAN SISTEM

Error lapisan 3 Pada lapisan 3 error yang terjadi di lapisan ini adalah 𝜀𝜀3 = 𝜀𝜀4𝑖𝑖𝑖𝑖𝑖𝑖 (13) dimana 𝜀𝜀4𝑖𝑖 merupakan error neuron di lapisan ke 4 dan 𝑖𝑖𝑖𝑖 adalah fungsi adaptif lapisan ke 4.


PERANCANGAN SISTEM

Error lapisan 2 Error di lapisan ini jika mengacu pada struktru ANFIS gambar maka error di setiap neuron di lapisan ke 2 akan dipengaruhi oleh setiap neuron di lapisan ke 3

𝜀𝜀2𝑖𝑖 = 𝑤𝑤≅𝑖𝑖

∑ 𝑤𝑤𝑖𝑖𝑛𝑛𝑖𝑖=1

2 𝜀𝜀3 − 𝜀𝜀≅3 (14)


PERANCANGAN SISTEM

Error lapisan 1 Propagasi error pada lapisan ini dirumuskan sebagai berikut : 𝜀𝜀1 = 𝜀𝜀𝐴𝐴𝑖𝑖 = 𝜀𝜀2𝑖𝑖µ𝐵𝐵(𝑋𝑋𝑖𝑖) (15) Dengan perhitungan ini , informasi error 𝜀𝜀1 akan digunakan untuk memperbaiki parameter premis , dengan perhitungan umum sebagai berikut :


PERANCANGAN SISTEM

𝜀𝜀𝑎𝑎 = (𝜀𝜀1) 2 𝑥𝑥𝑖𝑖𝑐𝑐𝑖𝑖 2

𝑎𝑎𝑖𝑖3 1+ 𝑥𝑥𝑖𝑖−𝑐𝑐𝑖𝑖𝑎𝑎𝑖𝑖

2 𝜀𝜀𝑐𝑐 = (𝜀𝜀1) 2 𝑥𝑥𝑖𝑖𝑐𝑐𝑖𝑖 2

𝑎𝑎𝑖𝑖2 1+ 𝑥𝑥𝑖𝑖−𝑐𝑐𝑖𝑖𝑎𝑎𝑖𝑖

2

Setelah didapatkan error parameter, maka perubahan nilai parameter premis dirumuskan sebagai berikut : 𝛥𝛥𝑎𝑎𝑖𝑖 = 𝜂𝜂𝜀𝜀𝑎𝑎𝑥𝑥𝑖𝑖 𝛥𝛥𝑐𝑐𝑖𝑖 = 𝜂𝜂𝜀𝜀𝑐𝑐𝑥𝑥𝑖𝑖


PERANCANGAN SISTEM

Dimana 𝜂𝜂 adalah nilai laju pembelajaran yang bernilai antara 0-1. Untuk menentukan nilai parameter premis yang baru menjadi

𝑎𝑎𝑖𝑖 = 𝑎𝑎𝑖𝑖 + 𝛥𝛥𝑎𝑎𝑖𝑖 𝑐𝑐𝑖𝑖 = 𝑐𝑐𝑖𝑖 + 𝛥𝛥𝑐𝑐𝑖𝑖


PENGUJIAN DAN ANALISIS SISTEM

Gambar. Simulasi ICE Berbeban Nominal Tanpa Bantuan Motor DC Mencapai set point pada t = 1,93 s dengan rise time sebesar 𝑡𝑡𝑟𝑟= 1.67143 s.


Gambar. Respon ICE Berbeban Nominal Tanpa Bantuan Motor DC dengan perubahan sinyal referensi 372,3 rpm rise time sebesar 𝑡𝑡𝑟𝑟= 1.60825 detik, 538,7 rpm, 𝑡𝑡𝑟𝑟= 1.45179 detik. 799,4 rpm 𝑡𝑡𝑟𝑟= 1,384435 detik . 1095 rpm 𝑡𝑡𝑟𝑟= 1.36819 detik


Gambar . Respon Kontroler terhadap Sinyal Target dengan learning rate 05 Dengan uji learning rate 0,05 ; 0,5 ; 0,9 .Kemampuan adaptasi kontroler ANFIS didapat saat t = 0,248 s;t = 0,084 s; t = 0,064 s.


Gambar Respon PHEV Dengan Bantuan Motor DC PHEV Mencapai model referensi pada t = 0,626 s .


Gambar Sinyal Error Output Motor DC


Gambar Respon PHEV dengan Perubahan Sinyal Referensi Dengan Perubahan 372,3 rpm ; 538,8 rpm;799,35 rpm;1095rpm. PHEV dapat mencapai model referensi ketika t=0,624s ; t=3,03s ; 5,74s ; t=8,4s.


Gambar. Implementasi Respon PHEV menggunakan kontroler ANFIS Respon hanya akan mendahului PHEV tanpa kontroler sebesar t = 0,05 s.

KESIMPULAN

Dalam kondisi tanpa bantuan motor DC, PHEV mencapai set point pada t = 1, 93 s, sedangkan PHEV dengan kontroler ANFIS dapat mencapai set point pada t = 0,574 s.

kontroler ANFIS dapat digunakan pada proses akselerasi PHEV seperti yang diharapkan.

Karakteristik kontroler ANFIS yang memerlukan pembelajaran , terdapat delay sekitar t = 0,023 detik sebelum kontroler akan memberikan sinyal kontrol kepada motor DC.

KESIMPULAN

Respon PHEV menggunakan kontroler ANFIS hanya akan mendahului PHEV tanpa kontroler sebesar t = 0,05 s. H

Implementasi sinyal kontrol dibatasi pada maksimal 5 volt =1095 rpm.

Pengaturan Akselarasi di Simulator ... - digilib.its.ac.id

Documents

Transcript of Pengaturan Akselarasi di Simulator ... - digilib.its.ac.id