PENGEMBANGAN METODA SELF TUNING PARAMETER PID CONTROLLER DENGAN MENGGUNAKAN GENETIC ALGORITHM PADA PENGATURAN MOTOR INDUKSI SEBAGAI PENGGERAK MOBIL

Pada saat ini PID kontroller masih banyak digunakan di berbagai sektor industri, karena ketangguhannya untuk menghandel permasalahan yang ada di industri, tetapi terdapat satu kekurangan yaitu metode tuning. Prosedur tuning lebih banyak dilakukan secara manual dengan metode trial and error yang belum tentu benar, untuk mengatasi permasalahan tersebut dibutuhkan suatu pendekatan alternatif yang dapat mencapai suatu tingkat automasi dari proses tuning. Dalam kasus ini metode alternatif yang digunakan adalah Genetic Algorithm (GA). GA diimplementasi untuk mendapatkan kombinasi parameter P,I, dan D dari kontroler PID dalam simulasi pengaturan kecepatan motor induksi tiga fasa sehingga kecepatan motor dapat dipertahankan agar sama dengan kecepatan referensi dalam steady-state. Proses kerja GA diawali dengan inisialisasi satu rangkaian nilai random yang disebut populasi. Setiap individu di dalam populasi disebut kromosom. Sebuah kromosom dapat direpresentasikan dalam bentuk simbol-simbol string biner, floating point, integer.

Untuk menginisialisasi GA pada Tuning Controller PID, populasi awal dibentuk dari 20 individu yang diambil secara acak dengan memperhatikan batas atas dan batas bawah kromosom dimana tiap individu terdiri atas 3 kromosom bernilai real yang merepresentasikan nilai parameter kontroler PID.

Langkah awal dalam proses GA adalah mengevaluasi tiap kromosom dan memberi nilai fitness. Tiap individu dievaluasi untuk mendapatkan variabel untuk parameter-parameter kontroler PID. Setelah variabel parameter PID didapatkan, variable variable tersebut kemudian dimasukkan dalam model Simulink yang mencerminkan model sebenarnya dari sistem yang digunakan. Setelah simulasi selesai, variabel tersebut dikembalikan lagi kedalam GA agar respons simulasi dievaluasi dan individu tersebut diberi nilai fitness. Individu yang terpilih untuk generasi berikutnya ditentukan secara robabilistik berdasarkan nilai fitness individu tersebut. Dari individu yang terpilih diatas, generasi berikutnya diperoleh dari proses mutasi dan single-pointcrossover, dengan parameter Probabilitas crossover 0,8 dan Probabilitas mutasi 0,01.

Hasil dari simulasi pengaturan kecepatan motor induksi untuk berbagai macam kondisi pada torsi beban dan parameter yang berbeda menunjukkan bahwa respons kecepatan yang dihasilkan menggunakan Genetic algorithm sangatlah bagus.

Kesimpulan

Berdasarkan simulasi yang dilakukan dan hasil yang diperoleh dari penelitian ini maka dapat disimpulkan bahwa menggunakan Genetik Algoritma dalam pengembangan metoda self tuning parameter pid controller pada pengaturan motor induksi sebagai penggerak mobil listrik telah menghasilkan parameter PID secara cepat dengan hasil yang Optimal, hal ini ditandai semakin kecil nilai parameter yang dihasilkan maka akan mendapatkan respon kecepatan yang semakin baik, hal ini sudah dibuktikan dari hasil simulasi dengan Torsi beban dan parameter yang berbeda-beda.