Sistem Ketinggian Air
Secara umum, mekanisme fisik dari Water Level System (WLS) dianalisis sementara estimasi model linier juga dibangun untuk merepresentasikan properti dinamis WLS di sekitar titik kesetimbangan. Selain itu, metode identifikasi mengenali karakter dinamis WLS menggunakan data masukan dan keluaran yang diukur. Secara teknis, instrumen ketinggian tangki air dikembangkan dengan menggunakan sistem kendali proses waktu nonlinier, yang dapat dimodelkan secara global atau parsial sebagai sistem air. Selain itu, model yang berbeda mengarah pada strategi kontrol yang berbeda yang sangat penting untuk desain sistem kontrol secara keseluruhan.
Katup bola listrik dikontrol di dalam tangki agar aliran air yang keluar dari tangki sesuai dengan yang dibutuhkan. Metode pengendalian yang sering digunakan dalam penelitian adalah metode PID, Fuzzy, Fuzzy-PID, ANFIS, dan kombinasi metode dengan kecerdasan buatan. Metode ini telah digunakan dalam memecahkan masalah sistem kendali. Diantaranya adalah kontrol frekuensi pada mikro-hidro, dan kontrol pelacakan fotovoltaik sumbu ganda.
ANFIS dan Fuzzy-PID
ANFIS adalah penggabungan dari mekanisme Fuzzy Inference System (FIS) yang dijelaskan dalam arsitektur jaringan saraf. Arsitektur dan prosedur pembelajaran yang mendasari ANFIS disajikan, yaitu sistem inferensi fuzzy yang diimplementasikan dalam kerangka jaringan adaptif. Perbandingan dengan jaringan saraf dan pekerjaan sebelumnya pada pemodelan FIS telah terdaftar dan didiskusikan. Sistem inferensi fuzzy yang digunakan adalah model fuzzy Tagaki-Sugeno-Kang (TSK) untuk kemudahan komputasi. Data ANFIS diambil dari data hasil pelatihan PID.
Fuzzy – Proportional Integral Derivative (Fuzzy-PID) controller diusulkan yang dapat disesuaikan dengan membawa aturan tuning dari kontroler domain PID ke kontroler domain Fuzzy Logic. Karena pengontrol nonlinier dapat mengontrol proses nonlinier dengan lebih efisien, pengontrol fuzzy dapat memberikan kinerja yang lebih baik.
Sistem pengendalian ketinggian air didapatkan nilai overshot terkecil pada model PID-ANFIS = 0,5135 pu, undershot terkecil pada PID-ANFIS = 0,5291 pu, dan keluaran Flow diperoleh nilai overshot terkecil pada model PID-ANFIS = 0,0023 pu, undershot terkecil pada model PID-ANFIS = 0,0014 pu. Dengan demikian dapat disimpulkan bahwa model pengontrol terbaik adalah PID-ANFIS.
Penulis: Aji Akbar Firdaus
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
