Title | Identifikasi Sistem Plant Motor DC menggunakan Metode Recursive Least Square |
---|---|
Author | Nur Fitria |
Pages | 15 |
File Size | 1.3 MB |
File Type | |
Total Downloads | 32 |
Total Views | 139 |
Identifikasi Sistem Plant Motor DC menggunakan Metode Recursive Least Square Nur Fitria M. Alfan Identifikasi Sistem Identifikasi sistem merupakan suatu cara untuk menentukan model matematis dari sistem dinamis dengan mengambil data input dan output pada model. Alur identifikasi sistem dapat dilihat...
Identifikasi Sistem Plant Motor DC menggunakan Metode Recursive Least Square Nur Fitria M. Alfan
Identifikasi Sistem
Identifikasi sistem merupakan suatu
cara untuk menentukan model matematis dari sistem dinamis
dengan mengambil data input dan output pada model. Alur identifikasi
sistem dapat dilihat pada alur diagram berikut.
Alur identifikasi sistem [1]
01
Pengambilan Data Input dan Output Pembentkan PRBS berdasarkan analisis respon transient Pseudo Random Binary Sequence (PRBS) adalah sinyal kotak yang termodulasi pada lebarnya dan berlangsung secara sekuensial. Sinyal ini biasanya dibangkitkan menggunakan Linear Feedback Shift Register (LFSR) [1]. Panjang dari shift register menentukan periode maksimum yang dapat dihasilkan dari sekuensial PRBS dan tidak berulang yang dapat dinyatakan dengan persamaan
𝐿 = 2𝑁 − 1 Untuk merancang parameter durasi maksimum dari pulse PRBS dicatat bahwa durasi maksimun harus lebih baik dari waktu time rise sehingga didapatkan rumus sebagai berikut:
𝑡𝑖𝑚 = 𝑁. 𝑇𝑠 > 𝑇𝑟
Sehingga Time Rise pada model open loop motor DC ditampilkan pada slide berikut, dimana time rise adalah 10%-90% dari nilai steady state.
Sistem open-loop dengan pemberian input step
N yang digunakan adalah 6 dan Ts=0,5. maka durasi maksimum pulsa PRBS adalah sebagi berikut
Time Rise yang didapatkan adalah 1,116 detik
𝑡𝑖𝑚 = 𝑁. 𝑇𝑠 > 1,116 𝑡𝑖𝑚 = 6 × 0,5 > 𝑇𝑟 𝑡𝑖𝑚 = 3 detik
Maka diketahui 𝑁=6 ; 𝑡𝑖𝑚 = 3 𝑑𝑒𝑡𝑖𝑘 6 𝐿 = 2 − 1 = 63 ; 𝑇𝑠 = 0,5 𝑑𝑒𝑡𝑖𝑘
Sehingga umpan balik XOR
terdapat pada posisi 5 dan 6. sinyal prbs ini digunakan
sebagai input model
INPUT PRBS
Pengambilan Data Output
OUTPUT
Data output yang digunakan merupakan keceptan motor
dengan diberikan noise pada sistem
02
Pemilihan Kompleksitas Model Struktur identifikasi umum:
Model motor DC memiliki polynomial A dan B sehingga model yang digunakan adalah model ARX
Penentuan Orde Model ARX Penilaian kuantitatif estimasi, dikembalikan sebagai struktur. Penetuan order model menggunakan Struktur AIC (Akaike Information Criteria) z1 = z(1:105); z2 = z(1:105); V = arxstruc(z1,z2,struc(1:10,1:10,1:10)); nn = selstruc(V,'AIC'); Orde yang ditentukan pada percobaan ini adalah orde Dengan [na nb nk] = [17 20 2]
03
Penentuan Parameter Model dengan Metode RLS Penjelasan Algoritma
Inisialisasi awal theta dan matrik kovarian
A
Auxiliary parameter
Hitung theta baru
Perbarui nilai theta (matriks hasil estimasi)
Perbarui Matriks kovarian
Ambil data input output
Hitung error hasil prediksi
Hitung matrik baru kovarian
A
Penggunaan RLS untuk menemukan beberapa kandidat Sebelum menemukan beberapa kandidat RLS dilakukan estimasi orde RLS dengan kodingan: Yo=y(1:105,2); Ui=u(1:105,2); nmax=20; maksimal sistem order Sel=0; meminimalkan kriteria estimasi [N0,nA0,nB0,d0,Tab]= estorderls(Yo,Ui,nmax,sel); Dari estimasi order RLS akan menumukan nilai nA0 Dan nB0 yang akan dimasukkan dalam function RLS [B,A]=rls(Yo,Ui,nA0,nB0,d0,Fin,lam1,lam0); Dengan keterangan Fin=1000; Lam1=1; Lam0=1
04
Seleksi Model Penggunaan Kriteria Best Fit dan Akaike’s FPE untuk menyeleksi Model
KRITERIA BEST FIT nn =selstruc(V,0);M =arx(z1,nn)
KRITERIA AKAIKE’S FPE nn =selstruc(V,’aic’);M =arx(z1,nn)
05
Validasi Model Pengujian Validitas dengan Whiteness Test [wlossf,ulossf,wrni,urni,wyhat,uyhat]=olvalid(B,A,C,Yo,Ui);
THANK you Reference: Reference: Nusantoro, D., & Muslim, (2012). CREDITS: ThisG. presentation template M. wasA. created by Slidesgo, including icons by Flaticon, and Identifikasi Sistem Plant Suhu dengan Metode infographics & images by Freepik Recursive Least Square. Jurnal E, 6(1), 67–74....