Pengaturan Level Pada Tangki PCT-100 Menggunakan Kontroler PID-Neural Network (PID-NN)

Rosyidi, Wildan Febry Fahmi (2024) Pengaturan Level Pada Tangki PCT-100 Menggunakan Kontroler PID-Neural Network (PID-NN). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111940000078-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (1MB) | Request a copy

Abstract

Pengaturan level pada tangki PCT-100 merupakan salah satu masalah yang sering dihadapi dalam industri proses. Tangki PCT-100 adalah sebuah plant yang terdiri dari dua tangki yang saling terhubung dan memiliki level air yang berbeda. Tujuan dari pengaturan level adalah untuk menjaga level air pada tangki kedua sesuai dengan set point yang diinginkan. Kontroler PID adalah salah satu metode kontrol yang umum digunakan untuk pengaturan level, namun memiliki keterbatasan dalam menangani sistem yang nonlinear, multivariabel, dan memiliki gangguan. Oleh karena itu, penelitian ini mengusulkan penggunaan kontroler PID-Neural Network (PID-NN) yang merupakan gabungan antara kontroler PID dan jaringan saraf tiruan (Artificial Neural Network, ANN). Kontroler PID-NN menggunakan ANN untuk mengestimasi parameter kontroler PID secara adaptif berdasarkan algoritma backpropagation. Penelitian ini bertujuan untuk merancang dan menguji kinerja kontroler PID-NN untuk pengaturan level pada tangki PCT-100. Metodologi yang digunakan meliputi pemodelan sistem, desain kontroler, simulasi, dan pengujian. Bahan dan peralatan yang digunakan adalah plant PCT-100, mikrokontroler STM32F407VG, dan MATLAB dan Simulink 2023a. Hasil penelitian menunjukkan bahwa kontroler PID-NN mampu mengatur level pada tangki PCT-100 dengan baik, baik pada kondisi tanpa gangguan maupun dengan gangguan. Kontroler PID-NN memiliki nilai error yang lebih kecil, waktu settling yang lebih cepat, namun memiliki overshoot yang lebih tinggi sedikit dibandingkan dengan kontroler PID konvensional. Kontroler PID-NN juga dapat beradaptasi dengan perubahan set point dan parameter sistem. Dengan demikian, kontroler PID-NN dapat dianggap sebagai metode kontrol yang efektif dan robust untuk pengaturan level pada tangki PCT-100.
====================================================================================================================================
Level control in the PCT-100 tank is a frequent challenge encountered in the process industry. The PCT-100 tank is a plant that consists of two interconnected tanks with varying water levels. The aim of level control is to maintain the water level in the second tank according to the desired set point. PID controller is one of the common control methods for level control, but it has limitations in handling nonlinear, multivariable, and disturbed systems. Hence, this study proposes the implementation of a PID-Neural Network (PID-NN) controller, which is a combination of PID controller and Artificial Neural Network (ANN). The PID-NN controller utilizes the ANN to estimate the PID controller parameters adaptively based on the backpropagation algorithm. This study aims to design and test the performance of the PID-NN controller for level control in the PCT-100 tank. The methodology used includes system modeling, controller design, simulation, and testing. The materials and equipment utilized include the PCT-100 plant, STM32F407VG microcontroller, and MATLAB and Simulink 2023a. The results show that the PID-NN controller can control the level in the PCT-100 tank well, both in the absence of disturbance and with disturbance. The PID-NN controller has a smaller error value, a faster settling time, but a slightly higher overshoot than the conventional PID controller. The PID-NN controller can also adapt to changes in set point and system parameters. Thus, the PID-NN controller can be considered as an effective and robust control method for level control in the PCT-100 tank.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengaturan level, tangki PCT-100, PID, Neural Network, backpropagation; Level Control, PCT-100, PID, Neural Network, Backpropagation
Subjects:	T Technology > T Technology (General) > T57.62 Simulation T Technology > T Technology (General) > T57.74 Linear programming
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Wildan Febry Fahmi Rosyidi
Date Deposited:	06 Feb 2024 01:43
Last Modified:	06 Feb 2024 01:43
URI:	http://repository.its.ac.id/id/eprint/106196

Actions (login required)

View Item