860 likes | 1.22k Views
Bab 9 Penyetelan PID. Ir. Abdul Wahid, MT. Departemen Teknik Kimia FTUI. Tujuan Pembelajaran. Saat kuselesaikan bab ini, kuingin dapat melakukan hal-hal berikut. Menjelaskan sasaran kinerja yang kita cari hingga ketemu lewat penyetelan (tuning).
E N D
Bab 9 Penyetelan PID Ir. Abdul Wahid, MT. Departemen Teknik Kimia FTUI
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
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
Tahapan PABRIK • Desain • Konstruksi • Commissioning • Start up • Operation • Production • Optimization CONTROLLER TUNING
Apa yang Distel? • P : PB atau Kc • I : Ti • D : Td
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
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
S-LOOP plots deviation variables (IAE = 608.1005) 40 Trial 1: tak stabil, hilang $25,000 20 0 Controlled Variable -20 -40 0 20 40 60 80 100 120 Time 100 50 0 Manipulated Variable -50 -100 0 20 40 60 80 100 120 Time S-LOOP plots deviation variables (IAE = 23.0904) 1 Trial 2: kelewat pelan, rugi $3,000 0.8 0.6 Controlled Variable 0.4 0.2 0 0 20 40 60 80 100 120 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 20 40 60 80 100 120 Time AC Trial n: OK, akhirnya!, tapi didapat dengan kelewat lama!! S-LOOP plots deviation variables (IAE = 9.7189) 1.5 1 Controlled Variable 0.5 0 0 20 40 60 80 100 120 Time 1.5 1 Manipulated Variable 0.5 0 0 20 40 60 80 100 120 Time Penyetelan PID Adakah cara yang lebih mudah dari pada trial &error?
DYNAMIC SIMULATION 1 0.8 0.6 Controlled Variable 0.4 0.2 S-LOOP plots deviation variables (IAE = 608.1005) 0 0 5 10 15 20 25 30 35 40 45 50 Time Tentukan sebuah model menggunakan eksperimen PRC (process reaction curve). Tentukan konstanta penyetelan awal dari korelasi. TI Kc 1 S-LOOP plots deviation variables (IAE = 9.7189) 1.5 0.8 Manipulated Variable Terapkan dan setel lebih halus sesuai kebutuhan. 1 0.6 Controlled Variable 0.5 0.4 0 0.2 0 20 40 60 80 100 120 Time 1.5 0 0 5 10 15 20 25 30 35 40 45 50 1 Time Manipulated Variable 0.5 0 0 20 40 60 80 100 120 Time Penyetelan PID Ya, kita bisa menyiapkan korelasi yang baik! Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja
DYNAMIC SIMULATION 1.5 DYNAMIC SIMULATION 1 0.8 1 0.6 0.4 Controlled Variable Controlled Variable 0.5 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 0 0 5 10 15 20 25 30 35 40 45 50 Time DYNAMIC SIMULATION 1.5 1 Controlled Variable 0.5 DYNAMIC SIMULATION 1.5 0 0 5 10 15 20 25 30 35 40 45 50 1 Time Controlled Variable 0.5 0 DYNAMIC SIMULATION 0 5 10 15 20 25 30 35 40 45 50 1 Time 0.8 0.6 Controlled Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 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. Gambarkan dinamikanya dari data perubahan step.
DYNAMIC SIMULATION 1.5 DYNAMIC SIMULATION 1 0.8 1 0.6 0.4 Controlled Variable Controlled Variable 0.5 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 0 0 5 10 15 20 25 30 35 40 45 50 Time Tak stabil DYNAMIC SIMULATION 1.5 1 Controlled Variable 0.5 DYNAMIC SIMULATION Orde n dengan dead time 1.5 Integrator, lihat Bab 18 0 0 5 10 15 20 25 30 35 40 45 50 1 Time Controlled Variable 0.5 0 DYNAMIC SIMULATION 0 5 10 15 20 25 30 35 40 45 50 1 Time 0.8 0.6 Controlled Variable 0.4 Orde satu dengan dead time 0.2 underdamped 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 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. Gambarkan dinamikanya dari data perubahan step.
DYNAMIC SIMULATION 1 0.8 0.6 0.4 Controlled Variable 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time DYNAMIC SIMULATION 1 0.8 0.6 Controlled Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 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
DYNAMIC SIMULATION 1.5 1 Controlled Variable 0.5 0 -0.5 5 10 15 20 25 30 35 40 45 50 0 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 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 1 0.8 0.6 Controlled Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 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: gain Dead time 1.5 - 2.5 3.75 - 6.25 Time constant 7.5 -1 2.5
FS solvent FA pure A AC Penyetelan PID 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. Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja Solvent % A SP
FS solvent FA pure A AC SP Penyetelan PID Situasi yang realistis : Kita akan mempertimbangkan kontroler PID, yang mana digunakan untuk hampir semua kontroler lup-tunggal (1CV, 1MV). Definisikan masalah tuningnya 1. Dinamika proses 2. Variabel yang diukur 3. Kesalahan model 4. Input forcing 5. Kontroler 6. Ukuran kinerja
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 MV: osilasi terredamdan fluktuasi kecil disebabkan oleh noise. MV bisa lebih agresif pada bagian transien yang pertama
40 30 20 Manipulated Variable AC 10 0 -10 0 5 10 15 20 25 30 35 40 Time Penyetelan PID 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 Large, rapid changes to the steam flow can damage the trays
PI 1 AT PI 1 4 FT TI 1 PI 1 5 TI 5 TI 2 TI 6 PT 1 TC TI 3 TI TI 7 10 TI 40 4 30 20 TI FT FI 8 TI 2 10 3 Manipulated Variable 11 0 PI PI PI -10 2 3 6 0 5 10 15 20 25 30 35 40 Time Fuel Penyetelan PID 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 Besar, perubahan cepat terhadap aliran bahan bakar menyebabkan tekanan panas (thermal stress) yang merusak tube.
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.
MetodePenyetelanKontroler • PRC-FOPDT • Grafis • Ciancone (1992) • Lopez (1969) • Persamaan • Ziegler- Nichols (1942) • Coon-Cohen (1953) • Lopez (1967) • Sintesis Dahlin (1968) • Wahid-Rudi-Victor (2005) • On-line: Ziegler-Nichols (1942) • Internal Model Control (IMC) • PRC-SOPDT: Sung, dkk (1996)
v1 1.5 1 0.5 0 TC -0.5 0 5 10 15 20 25 30 35 40 45 50 1 0.8 0.6 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 v1 v2 TC v2 Penyetelan PID Process reaction curve Selesaikan masalah penyetelan. Perlu program komputer. Terapkan, apa kinerjanya baik? • 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
15 15 15 10 10 10 CV 5 5 CV CV 5 0 0 0 -5 -5 -5 0 20 40 60 80 100 120 0 20 40 60 80 100 120 0 20 40 60 80 100 120 40 25 30 20 30 20 15 MV 20 MV MV 10 10 10 5 0 0 0 0 20 40 60 80 100 120 0 20 40 60 80 100 120 0 20 40 60 80 100 120 time time time Plant = - 25% Plant = model Plant = + 25% Penyetelan PID Penyetelan bukan terbaik untuk sembarang kasus individual, tapi terbaik untuk daerah dinamika yang mungkin - itu handal (robust)! Batas MV Batas MV Batas MV
Kinerja baik 15 10 v1 1.5 1 CV 5 0.5 0 TC -0.5 0 0 5 10 15 20 25 30 35 40 45 50 1 0.8 -5 0.6 0 20 40 60 80 100 120 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 30 20 v1 MV v2 TC 10 0 0 20 40 60 80 100 120 time v2 Penyetelan PID Process reaction curve Selesaikan masalah penyetelan. Perlu program komputer. • 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 Kc = 0.74 TI = 7.5 Td = 0.90 Kp = 1 = 5 = 5
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
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.)
Penyetelan PI (KORELASI CIANCONE) disturbance Set point Grafik Tuning untuk Kontroler PI Berumpan-balik menggunakan KORELASI CIANCONE Ini dikembangkan dengan merangkum sejumlah besar studi kasus pada grafik tanpa dimensi ini? (Lihat halaman 286 di buku ajar untuk gambar yang lebih besar.)
FS solvent FA pure A AC Penyetelan PID Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT. Process reaction curve Kp = 0.039 %A/%open = 5.5 min = 10.5 min Tuning dari chart Kc = ?? TI = ?? Td = ??
FS solvent FA pure A AC Penyetelan PID Mari kita terapkan grafik tuning ke proses 3 tangki pencampuran, yang bukan FOPDT. Process reaction curve Kp = 0.039 %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
Kinerja yang baik 3.4 3.3 concentration 3.2 3.1 FS 3 0 20 40 60 80 100 120 140 160 180 200 time solvent 50 45 40 FA manipulated flow 35 pure A 30 AC 25 0 20 40 60 80 100 120 140 160 180 200 time Penyetelan PID Konsentrasi effluent Gangguan konsentrasi Valve % open
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.
Penyetelan PID Apa efek dari merubah gain kontroler pada kinerja sebuah lup PID? Mari kita lakukan sebuah eksperimen dengan merubah Kc dan memonitor kinerjanya.
60 Bad 40 ? control performance, IAE 20 v1 TC 0 0 0.5 1 1.5 2 controller gain 1 1 1 Kc = 0.62 Kc = 1.14 Kc = 1.52 v2 0.5 0.5 0.5 0 0 0 controlled variable controlled variable controlled variable -0.5 -0.5 -0.5 Is this the “best”? -1 -1 -1 0 50 100 150 200 0 50 100 150 200 0 50 100 150 200 time time time Penyetelan PID • Kenapa IAE naik • untuk Kc yang kecil? • Kenapa IAE naik • untuk Kc yang besarl? Kontroler PID dengan perubahan Kc, TI = 10, Td = 0.
Penyetelan PID Apa efek merubah waktu integral pada kinerja lup PID? Apa jawabannya berbeda dari Kc? Apa bedanya?
S-LOOP plots deviation variables (IAE = 9.6759) 1.5 1 Controlled Variable 0.5 0 0 5 10 15 20 25 30 35 40 45 50 Time 1.5 1 Manipulated Variable 0.5 0 0 5 10 15 20 25 30 35 40 45 50 Time Penyetelan PID FINE TUNING: Mari kita terapkan pemahaman kita untuk membangun pedoman fine tuning. Ini adalah kinerja pengendalian yang “baik”. Jelaskan bentuk respon CV dan MV.
S-LOOP plots deviation variables (IAE = 9.6759) 1.5 1 Controlled Variable 0.5 0 0 5 10 15 20 25 30 35 40 45 50 Time 1.5 1 Manipulated Variable 0.5 0 0 5 10 15 20 25 30 35 40 45 50 Time 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 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
S-LOOP plots deviation variables (IAE = 19.3873) 1 0.8 0.6 Controlled Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan.
S-LOOP plots deviation variables (IAE = 19.3873) 1 0.8 0.6 Controlled Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time 1 0.8 0.6 Manipulated Variable 0.4 0.2 0 0 5 10 15 20 25 30 35 40 45 50 Time Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. 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.
S-LOOP plots deviation variables (IAE = 20.1754) 2 1.5 Controlled Variable 1 0.5 0 0 10 20 30 40 50 60 70 80 90 100 Time 2.5 2 1.5 Manipulated Variable 1 0.5 0 0 10 20 30 40 50 60 70 80 90 100 Time Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. Ini kinerja pengendalian yang jelek. Kontroler tidak cukup agresif. MV0, kecil, gain kontroler naik, Kc sekitar x2
S-LOOP plots deviation variables (IAE = 20.1754) 2 1.5 Controlled Variable 1 0.5 0 0 10 20 30 40 50 60 70 80 90 100 Time 2.5 2 1.5 Manipulated Variable 1 0.5 0 0 10 20 30 40 50 60 70 80 90 100 Time Penyetelan PID Terapkan pedoman fine tuning untuk respon di bawah dan sarankan perubahan spesifik untuk perbaikan. 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
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)
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: