Analisis Perbandingan Sistem Kendali PID dan Sistem Kendali Fuzzy PID pada Pengontrolan Kecepatan Motor DC

Budi Subarta, Hamzah Eteruddin, David Setiawan

Sari


Pada sistem pengendali kecepatan motor DC, menjaga kestabilan kecepatan putaran dan mencapai respon sistem yang optimal merupakan hal yang penting. Untuk mencapai tujuan tersebut, diperlukan pengendali yang dapat menjaga kinerja motor DC agar tetap stabil. Salah satu metode yang digunakan adalah Self-tuning fuzzy PID. Dengan menggunakan metode Self-tuning fuzzy PID, diharapkan sistem pengendalian mampu menghasilkan kecepatan putaran motor DC yang stabil dan respon sistem yang optimal. Nilai Error dan Delta Error yang diperoleh dari sistem kendali PID saat menggunakan Set point 8100 digunakan sebagai acuan dalam menentukan domain fungsi keanggotaan Input Error dan Delta Error pada perencanaan sistem kendali Fuzzy PID. Penetapan aturan dalam tahap Inferensi juga berperan penting dalam menentukan hasil keputusan akhir pada tahap Defuzifikasi. Parameter PID dengan nilai Kp = 0,2, Ki = 0,25, dan Kd = 0,12 yang digunakan dalam sistem kendali PID menjadi acuan dalam menentukan domain fungsi keanggotaan Output Kp, Ki, dan Kd pada perencanaan sistem kendali Fuzzy PID. Penalaan parameter Kp, Ki, dan Kd menggunakan Fuzzy Logic akan beradaptasi secara dinamis terhadap perubahan nilai Error dan Delta Error, sehingga menjaga stabilitas kecepatan motor DC dari perubahan yang disebabkan oleh beban. Jika dibandingkan dengan pengujian Sistem Kendali PID, Sistem Kendali Fuzzy PID dalam penelitian ini menghasilkan peningkatan parameter respons sistem, seperti Settling time sebesar 7,04 detik yang lebih cepat 1,4 detik daripada sistem kendali PID yang menghasilkan Settling time sebesar 8,44 detik atau terjadi kenaikan waktu Settling time sebesar 19,89%, Rise time sebesar 3,58 detik lebih cepat 0,08 detik daripada sistem kendali PID yang menghasilkan Rise time sebesar 3,66 detik atau terjadi kenaikan waktu Rise time sebesar 2,19%,, Overshoot sebesar 1,2963%, dan Steady State Error = 0. Hasil ini menunjukkan bahwa Sistem Kendali Fuzzy PID memberikan kinerja yang lebih baik daripada Sistem Kendali PID.

 

In the control system of a DC motor speed, maintaining speed stability and achieving optimal system response are crucial. To achieve these goals, a controller is needed to maintain the performance of the DC motor and ensure its stability. One of the methods used is Self-tuning fuzzy PID. By utilizing the Self-tuning fuzzy PID method, it is expected that the control system can achieve a stable DC motor speed and optimal system response. The Error and Delta Error values obtained from the PID control system when using a Setpoint of 8100 are used as references to determine the membership function domains of Input Error and Delta Error in the design of the Fuzzy PID control system. The establishment of rules in the Inference stage also plays a crucial role in determining the final decision in the Defuzzification stage. The PID parameters with values of Kp = 0.2, Ki = 0.25, and Kd = 0.12 used in the PID control system serve as references to determine the membership function domains of Output Kp, Ki, and Kd in the design of the Fuzzy PID control system. The tuning of Kp, Ki, and Kd parameters using Fuzzy Logic dynamically adapts to changes in Error and Delta Error values, thus maintaining the stability of the DC motor speed in response to load changes. When compared to the testing of the PID Control System, the Fuzzy PID Control System in this study resulted in improved system response parameters. For instance, the settling time was 7.04 seconds, which is 1.4 seconds faster than the PID control system that had a settling time of 8.44 seconds, representing an increase of 19.89%. The rise time was 3.58 seconds, 0.08 seconds faster than the PID control system with a rise time of 3.66 seconds, indicating a rise time increase of 2.19%. The overshoot was 1.2963%, and the steady-state error was 0. This result indicates that the Fuzzy PID Control System provides better performance than the PID Control System.


Kata Kunci


Motor DC; PID; Fuzzy Logic; Respon Sistem; Sistem Kendali

Teks Lengkap:

PDF


Dilihat:
Sari 193 kali
PDF 52 kali

Referensi


Nurhayati, A., Jaya, S. N., Aliansyah, A. N., Pagiling, L., Alam, W. O. S. N., & Nur, M. N. A. (2022). Analisis Tuning Parameter PID Menggunakan Algoritma Genetika pada Pengontrolan Kecepatan Motor DC. Majalah Ilmiah Teknologi Elektro, 21(2), 287–296. https://doi.org/10.24843/MITE.2022.v21i02.P17

Hidayat, D., As’ari, E. S., & Syafei, N. S. (2017). Implementasi Pengontrol PID Pada Model Fisis Elektronik. EKSAKTA, 18(02), 178–185. https://doi.org/10.24036/eksakta/vol18-iss02/75

Khadari, I., Subiyanto, S., & Prastiyanto, D. (2019). Simulasi Kontroler PID Tuning Menggunakan Logika Fuzzy dan Algoritma Genetika Sebagai Pengendali Kecepatan Motor DC. Jurnal Ilmiah Setrum, 8(2), 186–196.

Bansal, U. K., & Narvey, R. (2013). Speed Control of DC Motor Using Fuzzy PID Controller. Advance in Electronic and Electric Engineering, 3(9), 1209–1220. http://www.ripublication.com/aeee.htm

Ma’arif, A., Istiarno, R., & Sunardi, S. (2021). Kontrol Proporsional Integral Derivatif (PID) pada Kecepatan Sudut Motor DC dengan Pemodelan Identifikasi Sistem dan Tuning. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 9(2), 374–388. https://doi.org/10.26760/elkomika.v9i2.374

Kurniawan, F. F., Endramawan, P., & Hardiyanto, D. (2022). Rancang Bangun Pengatur Kecepatan Motor DC Dengan PWM Berbasis Arduino Nano. JUPITER (Jurnal Pendidikan Teknik Elektro), 07(02), 9–16.

Fahmizal, F., Fathuddin, F., & Susanto, R. (2018). Identifikasi Sistem Motor DC dan Kendali Linear Quadratic Regulator Berbasis Arduino-Simulink Matlab. Majalah Ilmiah Teknologi Elektro, 17(2), 299–306. https://doi.org/10.24843/mite.2018.v17i02.p20

Anggraini, S. F., Ma’arif, A., & Puriyanto, R. D. (2020). Pengendali PID pada Motor DC dan Tuning Menggunakan Metode Differential Evolution. TELKA, 6(2), 147–159.

Setiawan, I. (2008). Kontrol PID Untuk Proses Industri. Jakarta: PT Elex Media Komputindo.

Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan (2nd ed.). Yogyakarta: Graha Ilmu.




DOI: https://doi.org/10.15575/telka.v10n2.178-192

Refbacks

  • Saat ini tidak ada refbacks.


Jurnal TELKA terindex oleh :


     moraref logo       Crossref logo        sinta logo     base logo


Onesearch logo     IPI logo      Dimensions logo




Didukung oleh :







Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.