IMPLEMENTASI KONTROL MODEL PREDIKSI BERBASIS ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM) PADA MESIN PENGHASIL UAP AIR

RANGGA KURNIAWAN L, R.Sumiharto, S.Si.,M.Kom.

2014 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Mesin penghasil uap air merupakan sebuah boiler yang digunakan untuk mengubah air menjadi uap air dengan kualitas bervariasi pada suatu tekanan discharge tertentu. Parameter masukan dari mesin penghasil uap air perlu untuk dikendalikan agar diperoleh parameter keluaran yang sesuai dengan keadaan yang diperlukan ketika dipergunakan, sehingga mesin penghasil uap air dapat bekerja dengan optimal. Mesin penghasil uap air mempunyai permasalahan pada parameter keluaran berupa dependent variabel, oleh karena itu diperlukan suatu cara untuk mendapatkan perilaku sistem dari mesin penghasil uap air yang direpresentasikan dengan model dari plant tersebut. Kontrol model prediksi merupakan kontrol yang menggunakan model dari plant sebagai unit penyusun kontrolnya. Pada penelitian ini, metode yang digunakan dalam mendapatkan model adalah dengan menggunakan ANFIS (Adaptive Neuro Fuzzy Inference System). Dalam perancangan kontrol model prediksi, dilakukan pembuatan dua buah struktur model yang berbeda, masingmasing dari struktur model tersebut dijadikan unit kontrol dan unit prediksi. Implementasi kontrol model prediksi pada penelitian ini direpresentasikan dengan menggunakan simulasi, sehingga objek yang dikontrol berupa mesin virtual penghasil uap air. Dalam penelitan ini digunakan perangkat lunak MATLAB sebagai mesin virtual penghasil uap air dan juga untuk melakukan komputasi ANFIS, sedangkan perangkat lunak LabVIEW digunakan sebagai representasi dari ruang kontrol. Dari hasil penelitian, didapatkan parameter terbaik untuk masing-masing ANFIS yang dijadikan sebagai unit model pada kontrol model prediksi, yaitu dengan menggunakan historical data ke-4 yang berjumlah 800 data, dengan rasio presentase pembelajaran untuk training data dan checking data pada masingmasing ANFIS untuk setiap struktur model secara berurutan sebesar 90% dan 10%, kecuali rasio presentase untuk ANFIS pada parameter aliran air secara berurutan sebesar 80% dan 20%. Hasil validasi RMSE (Root Mean Square Error) dengan melakukan pengujian terhadap 100 data, didapatkan nilai sebagai berikut: aliran air=1.9941, tekanan air=48.0236, aliran udara=604.0621, tekanan bahan bakar=0.7087, temperatur bahan bakar=18.6594, O2 content=0.9591, tekanan uap air=76.1557, kualitas uap air=3.9734 dan aliran uap air=264.9173.

Steam generator is a boiler that is used to convert water into steam with varying quality at a certain discharge pressure. Input parameters of steam genarator need to be controlled to obtain the output parameters according to the state that are required when it is used, so steam generator can work optimally. Steam generator has problem such as dependent variable on the output parameters, therefore it is needed a way to get system behavior of steam generator which is represented by model of the plant. Model predictive control is controller that uses the model of the plant as a compiler unit of control. In this research, the method that was used to get the model was using ANFIS (Adaptive Neuro Fuzzy Inference System). In designing the model predictive control, it was performed to make structures of two different models, each of structures would serve as a control unit and prediction unit. Implementation of the model predictive control in this research was represented by using simulation, so the object that was controlled was virtual steam generator. In this research was used MATLAB software as a virtual steam generator and also for computes ANFIS, whereas the LabVIEW software was used as a representation of control room. From the research, it was found the best parameters for each ANFIS that was used as a model unit in the model predictive control, that was by using historical data 4 th as much as 800 datas, the percentage ratio of learning for training data and checking data on each ANFIS for each model structures sequentially by 90% and 10%, except the percentage ratio for ANFIS on water flow parameter sequentially by 80% and 20%. The results of validation RMSE (Root Mean Square Error) by testing for 100 datas, it was obtained values as follows: water flow=1.9941, water pressure=48.0236, air flow=604.0621, fuel gas pressure=0.7087, fuel gas temperature=18.6594, O2 content=0.9591, steam pressure=76.1557, steam quality=3.9734 and steam flow=264.9173.

Kata Kunci : Mesin penghasil uap air, kontrol model prediksi, pemodelan, ANFIS, MATLAB, LabVIEW