Upload
rauzan-fikri-muthahari
View
32
Download
0
Embed Size (px)
Citation preview
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