Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tulisan ini membahas tentang perancangan, pembuatan perangkat keras, dan pembuatan program untuk aplikasi pengaturan level ketinggian air berbasis Inverter Drive LG - SV008iC5. Aplikasi ini berupa simulasi pengaturan level ketinggian dan kestabilan air pada bak penampungan. Alat simulasi level ketinggian air terdiri dari bak penampungan dan bak sumber air, motor AC 3 phase, sensor dan panel kendali. Sensor yang digunakan adalah sensor ultrasonik untuk mendeteksi level ketinggian air. Panel kendali terdiri dari mikrokontroller jenis AVR ATMega 8535, modul Inverter LG - SV008iC5 dan seperangkat terminal penghubung. Untuk mengetahui kinerja alat, telah dilakukan serangkaian pengujian. Dari hasil pengujian, didapatkan bahwa alat telah berfungsi dengan baik. Inverter Drive LG - SV008iC5 mampu mengendalikan kecepatan putaran motor AC 3 phasa dalam beberapa kondisi level ketinggian air.

---

This final project describes the design, hardware development, and program development for application water level control system based on Inverter Drive LG ' SV008iC5. This application is a simulation of setting the height and stability of water levels in tanks. Height of water level simulation tool consists of water tank and water resources tank, 3 phase AC motors, sensors and control panels. The sensor used is an ultrasonic sensor to detect the level of the water level. Control panel consists of AVR microcontroller type ATMega 8535, Inverter module LG ' SV008iC5 and a set of terminal connector. To determine the performance of equipment, has conducted a series of tests. From the test results, it was found that the device is functioning properly. Inverter Drive LG ' SV008iC5 able to control the rotation speed of 3 phase AC motor in some cases the level of the water level."

"Sistem pengendalian ketinggian air merupakan aplikasi yang umum digunakan dalam bidang industri otomasi. Aplikasi dari sistem ini berguna untuk menjaga nilai ketinggian air yang dibutuhkan dalam proses kontrol. Pada penelitian ini, sistem pengendalian ketinggian air dibuat dalam skala lab dengan menerapkan sistem kendali menggunakan reinforcement learning dengan policy gradient agent. Pada plant yang dibuat ini terdapat perangkat keras programmable logic controller (PLC), control valve, flow transmitter dan water level transmitter. Perangkat keras tersebut dihubungkan ke MATLAB dan Simulink menggunakan OPC server sebagai jalur komunikasi dua arah. Implementasi policy gradient agent pada sistem pengendalian ketinggian air digunakan dalam dua kondisi yaitu simulasi dan plant. Parameter yang digunakan untuk menentukan performa pengendalian adalah overshoot, rise time, dan settling time. Berdasarkan hasil pengendalian yang didapatkan, terdapat nilai overshoot yang cukup kecil, yaitu 0.38 % pada simulasi dan sebesar 2,92 % pada plant.

---

Water level control system is a commonly used application in industrial automation. The application of this system is useful for maintaining the value of the water level needed in the control process. In this study, the water level control system was made on a lab-scale by implementing a control system using reinforcement learning with a policy gradient agent. In this plant, there is a programmable logic controller (PLC), control valve, flow transmitter, and water level transmitter. The hardware is connected to MATLAB and Simulink using an OPC server as a two-way communication line. The implementation of the policy gradient agent in the water level control system is used in two conditions, namely simulation and plant. The parameters used to determine the control performance are overshoot, rise time, and settling time. Based on the control results obtained, there is a fairly small overshoot value, namely 0.38% in the simulation and 2.92% in the plant."

"Proses industri banyak melibatkan penggunaan coupled tank, salah satu proses yang dilakukan adalah pengendalian ketinggian cairan. Pada penelitian ini dilakukan pengendalian ketinggian air pada sistem coupled tank menggunakan Reinforcement Learning berbasis algoritma Soft Actor Critic (SAC) menggunakan MATLAB dan Simulink. Sebelum diimplementasikan ke dalam sistem coupled tank dilakukan serangkaian proses training pada algoritma SAC. Hasil dari proses training ini merupakan action dalam bentuk besar bukaan control valve. Kinerja pengendali dievaluasi menggunakan nilai rise time, settling time, overshoot, dan steady state error. Berdasarkan parameter ini, algoritma SAC dapat mengendalikan sistem dengan baik dengan rise time kurang dari 47 sekon, settling time kurang dari 62 sekon, overshoot dibawah 10%, dan steady state error kurang dari 1%. Ketika diberikan gangguan algoritma SAC dapat kembali ke keadaan stabil dalam waktu kurang dari 45 sekon.

---

A lot of industrial processes utilize the use of coupled tanks, with one of the processes being liquid level control. In this study, Reinforcement Learning is implemented to control the water level in the coupled tank system using Soft Actor Critic (SAC) algorithm through MATLAB and Simulink. Before being implemented into the coupled tank system, the SAC algorithm went through a series of training processes. The result of this training process is an action in the form of adjusting control valve opening percentage. The controller performance is evaluated using parameters such as rise time, settling time, overshoot, and steady state error. Based on these parameters, the SAC algorithm manages to perform well in controlling the system with a rise time of less than 47 seconds, a settling time of less than 62 seconds, overshoot of less than 10%, and steady state error below 1%. When the system received a disturbance the SAC algorithm can return to a steady state in less than 45 seconds."

"Sistem Coupled tank umum digunakan pada bidang industri otomatis, salah satu pengendalian yang umum terjadi pada coupled tank adalah pengendalian ketinggian air. Sistem pengendalian tersebut bertujuan untuk menjaga ketinggian air yang berada pada tangki. Penelitian ini melakukan simulasi pengendalian ketinggian air pada coupled tank dengan menerapkan Reinforcement Learning (RL) dengan algoritma Deep Deterministic Policy Gradient (DDPG). Proses simulasi tersebut dilakukan menggunakan simulink pada MATLAB. Algoritma DDPG melalui serangkaian training sebelum diimplementasikan pada sistem coupled tank. Kemudian pengujian algoritma DDPG dilakukan dengan memvariasikan nilai set point dari ketinggian air dan sistem diberikan gangguan berupa bertambahnya flow in dari control valve lain. Performa dari algorima DDPG dalam sistem pengendalian dilihat dari beberapa parameter seperti overshoot, rise time, settling time, dan steady state error. Hasil yang diperoleh pada penelitian ini bahwa algoritma DDPG memperoleh nilai settling time terbesar sebesar 109 detik, nilai steady state error terbesar sebesar 0.067%. Algoritma DDPG juga mampu mengatasi gangguan dengan waktu terbesar sebesar 97 detik untuk membuat sistem kembali stabil.

---

The Coupled Tank system is commonly used in the field of industrial automation, and one of the common controls implemented in this system is water level control. The purpose of this study is to simulate water level control in a coupled tank using Reinforcement Learning (RL) with the Deep Deterministic Policy Gradient (DDPG) algorithm. The simulation process is performed using Simulink in MATLAB. The DDPG algorithm undergoes a series of training sessions before being implemented in the coupled tank system. Subsequently, the DDPG algorithm is tested by varying the set point values of the water level and introducing disturbances in the form of increased flow from another control valve. The performance of the DDPG algorithm in the control system is evaluated based on parameters such as overshoot, rise time, settling time, and steady-state error. The results obtained in this study show that the DDPG algorithm achieves a maximum settling time of 109 seconds and a maximum steady-state error of 0.067%. The DDPG algorithm is also capable of overcoming disturbances, with the longest recovery time of 97 seconds to restore system stability."

"Pengendalian ketinggian atau biasa disebut Level Controller adalah hal yang penting di berbagai bidang industri, termasuk industri kimia, industri minyak bumi, industri pupuk, industri otomatif dan lain-lainnya. Pada penelitian ini, dirancang sebuah pengendali non-konvesional menggunakan Reinforcement Learning dengan Twin Delayed Deep Deterministic Polic Gradient (TD3). Agent ini diterapkan pada sebuah miniature plant yang berisi air sebagai fluidanya. Miniature plant ini disusun dengan berbagai komponen yaitu flow transmitter, level transmitter, ball-valve, control valve, PLC, dan pompa air. Kontroler agent TD3 dirancang menggunakan SIMULINK Matlab di computer. Data laju aliran dan ketinggian air diambil melalui flow transmitter dan level transmitter yang dikoneksikan dengan OPC sebagai penghubung antara Matlab ke SIMULINK. Penerapan agent TD3 pada sistem pengendalian ketinggian air digunakan pada dua kondisi yaitu secara riil plant dan simulasi. Dari penelitian ini didapatkan, bahwa kontroler agent TD3 dapat mengendalikan sistem dengan baik. overshoot yang didapatkan kecil yaitu 0,57 secara simulasi dan 0,97 secara riil plant.

---

In this study, the level controller is the most important in many industry fields, such as chemical industry, petroleum industry, automotive industry, etc., a non-conventional controller using Reinforcement Learning with Twin Delayed Deep Deterministic Policy Gradient (TD3) agent was designed. This agent was implemented in water contain the miniature plant. This miniature plant consists of many components: flow transmitter, level transmitter, ball-valve, control valve, PLC, and water pump. Agent controller was designed using SIMULINK Matlab on a computer, which obtained flow rate and height information comes from flow transmitter and level transmitter connected to OPC that link between Matlab to SIMULINK. Implementation of TD3 to control water level system used two conditions, in real plant and simulation. In this study, we obtain that the TD3 agent controller can control the designs with a slight overshoot value, namely 0,57 in the simulation and 0,97 in the real plant."

"Penelitian ini dilakukan dengan menyimulasikan pengendalian ketinggian air menggunakan sistem Reinforcement Learning dengan agent DDPG pada suatu tangki berkapasitas 36,4 liter menggunakan Simulink Matlab. Tujuan dari penelitian ini adalah untuk menjaga level air yang terukur pada tangki agar berada pada setpoint yang telah ditetapkan. Sistem akan diuji dengan melakukan perubahan setpoint secara increasing maupun decreasing. Plant ini terdiri atas control valve, flow transmitter, level transmitter, tangki dengan flow in serta flow out, dan Programmable Logic Controller. Komunikasi antara Simulink Matlab dan PLC dijembatani oleh OPC server. OPC merupakan perangkat lunak intreoperabilitas yang digunakan dalam pertukaran data menggunakan arsitektur client/server. Pada penelitian ini diberikan batasan bahwa ketinggian maksimal yang digunakan pada tangki adalah 60 cm. Penerapan sistem kendali RL menggunakan agen DDPG dapat digunakan sebagai metode alternatif dalam perancangan sistem kendali dengan melihat parameter-parameter seperti rise time, settling time, maximum overshoot, dan steady-state error sebagai data kualitatif. Berdasarkan hasil percobaan, RL DDPG memiliki nilai performasi dengan maximum overshoot sebesar 1,9 %, dan steady-state error maximum sebesar 1,29 %.

---

This research was conducted by simulating water level control using a Reinforcement Learning system with DDPG agent on a 36.4 liter tank using Simulink Matlab. The purpose of this study was to keep the measurable water level in the tank to be at a setpoint. The system will be tested by making setpoint changes in increasing and decreasing. This plant consists of control valve, flow transmitter, level transmitter, tank with flow in and flow out, and Programmable Logic Controller. Communication between Simulink Matlab and PLC is bridged by opc server. OPC is an interoperability software used in data exchange using client/server architecture. In this study, it was given a limit that the maximum height used in the tank was 60 cm. The implementation of the RL control system using the DDPG agent can be used as an alternative method in designing the control system by looking at parameters such as rise time, settling time, maximum overshoot, and steady-state error as qualitative data. Based on the test results, RL DDPG has a performance value with a maximum overshoot of 1.9 % and a steady-state error maximum of 1.29 %. "

"Rancangan sistem mekanik penggerak detektor dua dimensi untuk fantom air telah dibuat dengan menggunakan mikrokontroler H8/3069F. Sistem ini dilengkapi dengan dua buah servo motor continuous yang digunakan untuk memutar poros ulir pada sumbu vertikal dan horizontal sehingga detektor holder dapat bergerak dua dimensi sejauh 30 cm. Arah gerak servo motor continuous diatur dengan menggunakan metode Pulse Width Modulation (PWM) melalui Bahasa C yang bekerja pada mikrokontroler. Posisi aktual dari detektor dapat diketahui melalui sensor rotary encoder yang dipasang satu sumbu dengan motor. Pengaturan posisi detektor secara manual dapat dilakukan melalui PC dengan memanfaatkan tampilan Graphical User Interface (GUI) Python. RS-232 dugunakan untuk komunikasi antara komputer dan mikrokontroler. Ketelitian dari alat ini adalah 0.67% untuk sumbu vertikal dan 0.33% untuk sumbu horizontal.

---

Mechanical drive system design of two-dimensional detector for water phantom had been done by using microcontroller H8/3069F. This system is equipped with two continuous servo motors in order to rotate the threaded shaft on vertical and horizontal axis so that the detector holder can move two dimensionally as far as 30 cm. The direction of continuous servo motor is set by using Pulse Width Modulation (PWM) method through C Language that works on the microcontroller.

The actual position of detector can be determined by rotary encoder sensor which is assembled in one shaft with motor. Setting the position of the detector can be automatically done through a PC by using the display Graphical User Interface (GUI) in Python. RS-232 is used for communication between computer and microcontroller. The accuracy of this device is 0.67% for vertical axis and 0.33% for horizontal axis."

"Telah dilakukan penelitian pada sistem ketinggian permukaan air pada bejana berhubungan menggunakan metode PID. Adapun penelitian tersebut memiliki karakteristik pengendalian yang multivariable. Dengan pengaruh sistem yang saling mengganggu maka sistem menjadi tidak stabil, sehingga dibutuhkan suatu bilangan decoupler untuk menstabilkan kembali sistem dari keadaan yang saling mempengaruhi. Pembuatan sistem ini dilakukan dalam skala laboratorium agar dapat mengetahui terlebih dahulu mengenai sistem multi input multi output sebelum terjun ke dunia industri yang banyak memakai sistem multi input multi output.

---

Has been researched at the couple tank water level controller system using PID methods. Overall,the research is about the characteristic of multivariable control. Where the system get disturbances from one plan to anothers that make the process unstable,for that reason we need a decoupler to make it stable. This project build for researched at labroratory scalles to find out about multi input multi output before we go to industrial world that use it a lot."

"Penggunaan pembangkit listrik energi terbarukan belum dapat diandalkan karena sumbernya tergantung pada kondisi lingkungan. Microgrid dapat menjadi solusi untuk masalah yang dimiliki oleh pembangkit listrik energi terbarukan karena mereka dapat mengintegrasikan beberapa sumber energi baik dari jaringan utama maupun dari pembangkit listrik energi terbarukan. Microgrid membutuhkan simulasi untuk menganalisis sistem sebelum diterapkan. Penelitian ini memodelkan dan merancang simulasi Microgrid Berbasis Inverter menggunakan perangkat lunak MATLAB / Simulink. Setiap sub-modul dimodelkan dalam bentuk ruang-negara dan semua digabungkan pada frekuensi referensi umum. Dalam model ini tiga Generasi Terdistribusi (DG) digunakan dan setiap DG mensimulasikan sumber energi terbarukan. Dalam simulasi, tiga percobaan berbeda dilakukan, yaitu perubahan tegangan referensi, beban, dan konstanta pengontrol untuk melihat respons sistem terhadap berbagai perubahan. Diperoleh bahwa sistem Microgrid mampu mengikuti perubahan pada kedua nilai beban pasir tegangan referensi. Model keseluruhan microgrid juga linierisasi dan matriks sistem digunakan untuk memperoleh nilai eigen. Nilai eigen menunjukkan bahwa konstanta pengontrol mempengaruhi stabilitas sistem. Nilai untuk setiap konstanta harus dipilih yang paling cocok dengan sistem, karena setiap konstanta pengontrol memiliki dampak yang berbeda pada respons transien sistem.

---

The use of renewable energy power plants cannot be relied upon because the source depends on environmental conditions. Microgrids can be a solution to problems that are owned by renewable energy power plants because they can integrate several energy sources both from the main grid and from renewable energy power plants. Microgrid requires a simulation to analyze the system before it is implemented.

This study models and designs an Inverter-based Microgrid simulation using MATLAB / Simulink software. Each sub-module is modeled in the form of space-state and all are combined at a common reference frequency. In this model three Distributed Generations (DG) are used and each DG simulates a renewable energy source. In simulations, three different experiments are carried out, namely changes in reference voltage, load, and controller constants to see the system's response to various changes.

It was found that the Microgrid system was able to keep up with changes in both the reference voltage sand load values. The overall microgrid model is also linearized and the system matrix is ​​used to obtain the eigenvalue. Eigenvalues ​​indicate that the controller constant affects the stability of the system. The value for each constant must be chosen that best matches the system, because each controller constant has a different impact on the transient response of the system."

"Sistem coupled-tank merupakan konfigurasi yang digunakan pada industri dalam hal pengendalian ketinggian air, biasanya dengan metode pengendalian proportional, integral, derivative (PID). Namun, metode lain seperti reinforcement learning (RL) juga bisa diterapkan. Metode RL dapat dikombinasikan dengan programmable logic controller (PLC) yang sering digunakan dalam proses industri. PLC mengontrol ketinggian air dengan membaca data dari water level transmitter dan mengatur bukaan control valve berdasarkan algoritma RL yang sudah dilatih untuk mencapai kontrol optimal. Algoritma RL yang digunakan adalah twin-delayed deep deterministic (TD3) policy gradient. Performa algoritma ini diukur menggunakan parameter seperti overshoot, rise time, settling time, dan steady-state error, lalu dibandingkan dengan pengendali PID konvensional. Hasil simulasi dan pengujian pada hardware menunjukkan bahwa algoritma RL menghasilkan overshoot sebesar 6.59% dan steady-state error sebesar 3.53%, di mana steady-state error ini terjadi karena sensor yang sensitif sehingga data ketinggian air tidak pernah terekam konstan dan stabil. Sebagai perbandingan, pengendali PID memiliki overshoot sekitar 23.38% dan steady-state error terkecil berkisar pada 7.15%, yang berarti pengendali RL sudah memiliki performa yang lebih baik dibandingkan pengendali PID.

---

Coupled-tank system is a configuration commonly used in industry, mainly for water level control with proportional, integral, and derivative (PID) control method. But, other methods like reinforcement learning (RL) can be implemented for this control problem. This RL method can be combined with programmable logic controller (PLC) which is often used in industry process. PLC will control water level by reading data from water level transmitter and controlling a control valve opening according to a trained RL algorithm to gain an optimal control. The RL algorithm used is twin-delayed deep deterministic (TD3) policy gradient. The algorithm’s performance will be measured by parameters such as overshoot, rise time, settling time, and steady-state error, and then compared with the conventional PID control method. According to the results from simulation and from the real hardware, the overshoot value that happens is only in the range of 6.59% with the smallest steady-state error value ranged around 3.53%, which happens due to the sensitive sensor so that water level data never recorded at a constant and stable state. For comparison, the PID control has an overshoot around 23.38% and smallest steady-state error around 7.15%, which means that the RL control method has a better performance than the PID control method."