IMC Based PID Control of a Magnetic Levitation System

Duka, Adrian-Vasile; Dulău, Mircea; Oltean, Sebastian

doi:10.1016/j.protcy.2016.01.125

Cited by 28 publications

(23 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Kontrol PID dengan metode IMC telah digunakan dalam sistem magnetic levitation (Duka et al, 2016), pengontrolan pada superheated steam temperature (Li et al, 2016b), pengontrolan sistem yang tidak stabil (Begum et al, 2016). Penggunan teknik tuning PID dengan metode IMC dapat meminimalisir error dengan membandingkan antara keluaran proses dengan keluaran hasil prediksi dengan menggunakan inverse model sehingga dapat digunakan untuk mengoptimalkan kontrol PID (Li et al, 2016a).…”

Section: Pendahuluanunclassified

“…Penggunan teknik tuning PID dengan metode IMC dapat meminimalisir error dengan membandingkan antara keluaran proses dengan keluaran hasil prediksi dengan menggunakan inverse model sehingga dapat digunakan untuk mengoptimalkan kontrol PID (Li et al, 2016a). Internal Model Controller (IMC) secara eksplisit memberikan strategi yang menggunakan model dari proses yang dikendalikan untuk mengembangkan kontroler yang tepat (Duka et al, 2016).…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

PID Tuning Using Internal Model Controller with Tustin Model Approach

Azis

Setiawan

Hermawan

et al. 2018

JTEP

View full text Add to dashboard Cite

Jurnal Keteknikan Pertanian (JTEP) terakreditasi berdasarkan SK Dirjen Penguatan Riset dan Pengembangan Kementerian Ristek Dikti Nomor I/E/KPT/2015 tanggal 21 September 2015. Selain itu, JTEP juga telah terdaftar pada Crossref dan telah memiliki Digital Object Identifier (DOI) dan telah terindeks pada ISJD, IPI, Google Scholar dan DOAJ. JTEP terbit tiga kali setahun yaitu bulan April, Agustus dan Desember, dan mulai tahun ini berisi 15 naskah untuk setiap nomornya. Peningkatan jumlah naskah pada setiap nomornya ini dimaksudkan untuk mengurangi masa tunggu dengan tidak menurunkan kualitas naskah yang dipublikasikan. Jurnal berkala ilmiah ini berkiprah dalam pengembangan ilmu keteknikan untuk pertanian tropika dan lingkungan hayati. Jurnal ini diterbitkan dua kali setahun baik dalam edisi cetak maupun edisi online. Penulis makalah tidak dibatasi pada anggota PERTETA tetapi terbuka bagi masyarakat umum. Lingkup makalah, antara lain meliputi teknik sumberdaya lahan dan air, alat dan mesin budidaya pertanian, lingkungan dan bangunan pertanian, energi alternatif dan elektrifikasi, ergonomika dan elektronika pertanian, teknik pengolahan pangan dan hasil pertanian, manajemen dan sistem informasi pertanian. Makalah dikelompokkan dalam invited paper yang menyajikan isu aktual nasional dan internasional, review perkembangan penelitian, atau penerapan ilmu dan teknologi, technical paper hasil penelitian, penerapan, atau diseminasi, serta research methodology berkaitan pengembangan modul, metode, prosedur, program aplikasi, dan lain sebagainya. Penulisan naskah harus mengikuti panduan penulisan seperti tercantum pada website dan naskah dikirim secara elektronik (online submission) melalui http://journal.ipb.ac.id/index.php/jtep. Penanggungjawab:Ketua AbstrakKontrol PID merupakan salah satu teknik pengontrolan yang populer untuk pengontrolan sistem dengan ketelitian tinggi. Terdapat satu tahapan yang sangat penting dan mempengaruhi kehandalan dari sistem kontrol PID yang dihasilkan. Tahapan tersebut adalah penalaan (tuning) PID. Tahapan ini menjadi penting karena berperan dalam penentuan konstanta PID (K P , K I , dan K D ). Saat ini telah banyak teknik penalaan PID yang telah dikembangkan dari teknik Ziegler-Nichols. Penalaan PID dengan teknik Internal Model Controller (IMC) melalui pendekatan model discrete Tustin digunakan dalam penelitian ini. Metode openloop dengan teknik pengontrolan PWM dipakai dengan dua variasi nilai PWM yaitu 20% dan 80%. Tujuan penelitian ini adalah menemukan konstanta PID dan menguji performanya dengan motor DC. Dari proses penalaan PID yang dilakukan, diperoleh dua pasang konstanta K P , K I , dan K D . Konstanta pertama masingmasing sebesar 0.4013; 0.0988; dan 0.0176, dan pasangan kedua masing-masing sebesar 0.2314; 0.0531; dan 0.044. Hasil pengujian dengan motor DC memperlihatkan performa konstanta PID yang diperoleh cukup handal dalam mengontrol kecepatan motor yang ditandai oleh kemampuan motor dalam mengikuti nilai set-point yang diberikan dan tidak terjadi steady state error. Akan tetapi t...

show abstract

Section: Pendahuluanunclassified

PID Tuning Using Internal Model Controller with Tustin Model Approach

Azis

Setiawan

Hermawan

et al. 2018

JTEP

View full text Add to dashboard Cite

show abstract

“…Experiments are conducted on a Quanser magnetic levitation system to evaluate the performance of the proposed methodology and the experimental results prove that the proposed control strategy is effective not only in stabilizing the ball but also in rejecting the disturbance present in the system. Another method was used to design PID controller for stabilizing maglev system is IMC [2]. In [3], a self-tuning robust integral of signum of error (RISE) based controller is designed and used to control a maglev system.…”

Section: Introductionmentioning

confidence: 99%

Tuning Parameters of Fuzzy Logic Controller using PSO for Maglev System

Truong¹,

Ngo²

2019

IJCA

View full text Add to dashboard Cite

The paper proposes to use Particle Swarm Optimization (PSO) to tune parameters of a fuzzy logic controller for regulating a magnetic levitation (maglev) system at a desired position. PSO is a meta-heuristic search method. This method is inspired by bird flocking behavior searching for food. In this study, the rule base of the Fuzzy Logic Controller (FLC) is brought by expert experience, and the parameters of the controller including the membership function parameters and scaling gains will be optimally tuned by the PSO such that a quadratic criterion is minimized. Simulation results show that the designed fuzzy controller is able to stabilize the position of the maglev system. Besides, a state feedback controller is also used to regulate the maglev system. Although, the simulation results show that FLC gives performance better than the state feedback controller but the latter is more robust.

show abstract

“…An object is levitated through this system without any human interaction through magnetic force generated by an electromagnetic coil. This type of process offers many real-world applications, for example: magnetic bearings, artificial blood pumps, suspension of wind models and transportation systems [1]. Because of such applications, these systems have been getting increasing attention [2].…”

Section: Introductionmentioning

confidence: 99%

Iterative Learning Control Based Fractional Order PID Controller for Magnetic Levitation System

Hanif

Shaikh

Ali

2019

Mehran Univ. res. j. eng. technol.

View full text Add to dashboard Cite

Maglev (Magnetic Levitation) systems are an interesting class of systems since they work without any physical contact and are hence frictionless. Due to this attractive property, such systems have the potential for wide range of applications such as maglev trains. Maglev is non-linear due to magnetic field and unstable that suggest the need of stabilizing controller. An appropriate controller is required to levitate the object at desired position. FOPID (Fractional Order Proportional Integral Derivative) controller and ILC (Iterative learning Control) based FOPID controller are designed in this paper for the levitation of metallic ball with desired reference at minimum transient errors. Since maglev is unstable and ILC is used only for stable systems, FOPID controller is used to stabilize the plant. Non-linear interior point optimization method is used to obtain the parameters of FOPID controller. An ILC is used as a feedforward controller in order to improve the response iteratively. P, PD and PID-ILC control laws are used to update the new control input in ILC based FOPID controller. The overall control scheme is therefore a hybrid combination of ILC and FOPID. The effectiveness of proposed technique is analyzed based on performance indices via simulation. ISE (Integral Square Error) and IAE (Integral Absolute Error) is lesser in case of hybrid PID-ILC as compared to simple FOPID controller.

show abstract

IMC Based PID Control of a Magnetic Levitation System

Cited by 28 publications

References 7 publications

PID Tuning Using Internal Model Controller with Tustin Model Approach

PID Tuning Using Internal Model Controller with Tustin Model Approach

Tuning Parameters of Fuzzy Logic Controller using PSO for Maglev System

Iterative Learning Control Based Fractional Order PID Controller for Magnetic Levitation System

Contact Info

Product

Resources

About