IDENTIFIKASI PLANT DISTILASI VAKUM BIOETANOL DENGAN METODE EXTENDED LEAST SQUARE (ELS)

Muhamad Zainudin

115060300111049

Dosen Pembimbing:1. M. Aziz Muslim, ST., MT., Ph.D.2. Goegoes Dwi N. ST., MT.

Perlu adanya energi alternatif dari bahan nabati.

LATAR BELAKANG

Permintaan energi meningkat 1,6% per tahun. (International Energy Agency)

Distilasi vakum dilakukan untuk mengganti proses absorbsi yang dapat memakan waktu 2-3 hari.

Distilasi vakum sangat bergantung pada suhu dan tekanan, sehingga diperlukan pengontrolan.

Sebelum menentukan strategi kontrol yang tepat, mengidentifikasi suatu sistem fisik perlu dilakukan.

RUMUSAN MASALAH

Bagaimana merancang perangkat keras dan lunak yang mampu melakukan identifikasi plant distilasi vakum bioetanol dengan metode extended least square (ELS)?

Bagaimana merancang identifikasi plant distilasi vakum bioetanol dengan metode extended least square (ELS)?

TUJUAN

Tujuan dari penelitian ini adalah untuk merancang identifikasi plant distilasi vakum bioetanol dengan metode extended least square (ELS) guna mendapatkan model matematis

yang sesuai dari plant.

BATASAN MASALAH

Mekanisme terjadinya Bioetanol tidak dibahas secara mendalam.

Kinerja driver dan elektronika tidak dibahas mendalam.

Struktur model yang dipilih adalah ARMAX.

Bahan baku yang digunakan berupa fermentasi tetes tebu sebanyak 15L.

Media pemanas didalam selimut tabung pemanas berupa minyak goreng sebanyak 15L.

Pembahasan ditekankan pada pemodelan plant suhu dan tekanan pada proses distilasi vakum bioetanol.

Vacuum Distiller yang digunakan adalah prototype dengan desain sendiri.

GAMBAR PERANCANGAN ALAT

BLOCK DIAGRAM

PERANCANGAN IDENTIFIKASI SISTEM

Sinyal uji PRBS

Struktur model ARMAX

Metode ELS

Uji Keakurasian dan FPE

Pseudo Random Binary Sequence (PRBS) adalah sinyal kotak yang termodulasi pada lebarnya dan berlangsung secara sekuensial.

Periode maksimum dapat ditentukan melalui persamaan:

𝐿𝑃𝑅𝐵𝑆 = 2𝑛 – 1

SINYAL UJI PRBS

u(t)= variabel input (suhu) e(t)= variabel gangguan (tekanan) y(t)= variabel output (suhu)

Parameter A, B dac C mempunyai orde dari 1 hingga ke-n.

STRUKTUR MODEL ARMAX

ESTIMASI PARAMETER

ELS digunakan untuk mengidentifikasi model dari struktur ARMAX:

A(q-1) y(t) = q-d B(q-1) u(t) + C(q-1) e(t)

PENGUJIAN SENSOR SUHU THERMOCOUPLE TIPE K

Grafik Pengujian Sensor Suhu

0

20

40

60

80

100

120

0 2 4 6 8 10 12 14 16

Suh

u (°

C)

Data ke-n

 

Sebelum Kalibrasi

Sesudah Kalibrasi

Referensi

 

0,40

0,50

0,60

0,70

0,80

0,90

1,00

1,10

0 2 4 6 8 10 12

Teka

nan

(atm

)

Data ke-n

Grafik Pengujian Sensor Tekanan

Sebelum Kalibrasi

Sesudah Kalibrasi

Tekanan Referensi

PENGUJIAN SENSOR TEKANAN MPX5100AP

PENGUJIAN PENYULUTAN TRIAC

Sudut Penyalaan (°)

Perhitungan (ms)

Pengujian (ms)

Kesalahan (%)

22,5 1,25 1,1 12,00

45 2,5 2,4 4,00

67,5 3,75 3,2 14,67

90 5 4,8 4,00

112,5 6,25 5,8 7,20

135 7,5 7 6,67

157,5 8,75 8,2 6,29

180 10 9,6 4,00

Rata – rata kesalahan 7,35

0

50

100

150

200

250

0 20 40 60 80 100 120 140T

egan

gan

(V

)

PWM

Grafik Pengujian Dimmer

PENGUJIAN RANGKAIAN DIMMER

PWM Sudut (°) Tegangan (V)

125 175,78 4115 161,72 13105 147,66 2795 133,59 4885 119,53 7075 105,47 9265 91,41 11555 77,34 13745 63,28 15735 49,22 17425 35,16 19215 21,09 1995 7,03 207

PENGUJIAN KARAKTERISTIK PLANT

Pada nilai PWM= 85 tidak terjadi lagging suhu, sehingganilai PWM ini dipilih untuk nilai pembangkitan sinyal masukan.

20

30

40

50

60

70

80

0 10000 20000 30000 40000 50000 60000 70000

Suh

u (°

C)

Waktu (detik)

Grafik Karakteristik Plant

PWM 5

PWM 25

PWM 45

PWM 65

PWM 75

PWM 85

20,00

22,00

24,00

26,00

28,00

30,00

32,00

34,00

36,00

38,00

0 2000 4000 6000 8000 10000 12000

Suh

u (°

C)

Waktu (detik)

Output Suhu (°C)

70

80

90

100

110

120

130

0 2000 4000 6000 8000 10000 12000

PW

M

Waktu (detik)

Input PRBS 8 Bit

0,40

0,50

0,60

0,70

0,80

0,90

1,00

0 2000 4000 6000 8000 10000 12000 14000

Teka

nan

(atm

)

Waktu (detik)

Output Tekanan (atm)

PENGUJIAN KESELURUHAN

PARAMETER ESTIMASI & FUNGSI ALIH

Parameter 1 2 3 4

A -0,2920 -0,2848 -0,2324 -0,1845

B 0,0057 -0,0029 -0,0017 -1,8200

C -1,2805 7,1277 -7,5873 2,0066

ERROR dan VALIDASI

Hasil Validasi Bestfit : 94,44% FPE : 0,1795

Error steady state: 0,2741°C

-1,5

-1

-0,5

0

0,5

1

1,5

2

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000

Suh

u (°

C)

Waktu (detik)

Grafik Nilai Error Hasil Prediksi

22

24

26

28

30

32

34

36

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000

Suh

u (°

C)

Waktu (detik)

Grafik Perbandingan Output Model dan Output Plant

Output Plant

Output Model

PERBANDINGAN HASIL VALIDASI MODELANTARA METODE RLS DENGAN ELS

Metode Best FIT FPE

RLS 94,61 0,0368

ELS 94,44 0,1795

Penyebab: Adanya penurunan performa plant. Adanya perbedaan sensor suhu yang dipakai. Pada

penelitian sebelumnya digunakan sensor suhu PT100, sedangkan sekarang memakai sensor suhu thermocouple tipe K.

Adanya pengaruh disturbance terukur berupa tekanan udara yang pada penelitian sebelumnya diabaikan.

Tabel Hasil Validasi

KESIMPULAN

 

Parameter Hasil Estimasi:

A [-0,2920 -0,2848 -0,2324 -0,1845]B [0,0057 -0,0029 -0,0017 -1,8200]C [-1,2805 7,1277 -7,5873 2,0066]

SARAN

Saran yang dapat diberikan untuk penelitian selanjutnya adalah pengembangan lebih lanjut untuk membandingkan dengan hasil identifikasi yang menggunakan metode Output Error. Selain itu, perlu diperhatikannya cara pembangkitan sinyal PRBS, yaitu melalui kondisi

steady state sistem.

TERIMA KASIH