2) Pulsa (sebesar H dan berdurasi T)
BAB 2 MATEMATI KA SEBAGAI ALAT ANALI SI S SI STEM KONTROL Teknik untuk analisis dinamika proses:
1. Transformasi Laplace umum
⇒
2. Simulasi komputer lebih akurat dan detail
⇒ 2. 1 Transformasi Laplace (TL):
- Berlaku hanya pada Persamaan Differensial (PD) linear: merubah PD menjadi persamaan aljabar
- Dapat menggunakan teknik grafik untuk meramal performansi sistem tanpa menyelesaikan PD
Pada kebanyakan proses: PD nonlinear linearisasi TL
⇒ ⇒
- TRANSFORMASI LAPLACE
Definisi:
∞ st −
( )
F(s) = f t e dt ∫
dengan: TL dari f(t)
F(s) : F(t) : fungsi waktu (ingat: proses bersifat dinamik) st ∞ − e dt : simbol operasi integral Laplace
∫ s : variabel TL t : waktu Matematika Sebagai Alat Analisis SistemKontrol
Sinyal Uji
Sinyal Respon
(Input) SISTEM (Output)
Sulit/impossible Sinyal-sinyal uji dalam praktek sebagai pembanding
Gambar 2.1 Urgensi sinyal ujiDalam analisis sistem kontrol, sinyal diterapkan sebagai input ke sistem (seperti gangguan atau disturbance, perubahan set point, dll) agar bisa dilakukan studi respon- nya. Meski beberapa jenis sinyal biasanya sulit atau bahkan tidak dapat dicapai dalam prakteknya, sinyal-sinyal uji bisa diterapkan sebagai perbandingan respon.
Berikut ini adalah contoh-sontoh penurunan Transformasi Laplace dari beberapa sinyal uji:
1) Unit step function
t < u ( t )
= 1 t ≥
{ ∞ st − u ( t ) e dt =
∫
1 ∞
1 st
− = e
− s
= -1/s (0 -1) u(t)] = 1/s t t=0
Matematika Sebagai Alat Analisis SistemKontrol
2) Pulsa (sebesar H dan berdurasi T) t , t T < ≥ f ( t )
= H t T ≤ <
{ ∞ st − f ( t ) e dt =
H ∫
∞ − st He dt =
∫ ∞
H H − st sT − e = − = ( e
1 ) − − s s
H − sT
= ( 1 e ) − t s t=0 t=T
3) Fungsi impulsa satuan Dirac Delta function ( (t)) ⇒ ⇒ δδ
Ada 2 pendekatan:
∞ Pendekatan Smith, dll.
( t ) lim f ( t ), δ = T
→ f ( t ) fungsi pulsa
=
dengan: HT = 1 (luas)
H = 1/T 1 − sT 1
lim ( 1 ) (
1 1 )
(t)] = e δ − = − = T Ts
→ t t=0
(tdk didefinisikan) Aturan : sT d − − sT dT − 1 e se
( ) (t)] = lim lim
1
δ = = T T d → → dT ( ) Ts s
(t)] = 1 δ du ( t )
Pendekatan Luyben:
- ( t )
δ = t / T dt −
( ) lim
1
u t e = − T ( )
→ d t / T
− lim 1 e
δ − ( )
{ T } → dt
Matematika Sebagai Alat Analisis SistemKontrol
1 £ lim lim 1 T 1 / 1 Ts s
- =
- =
(t)] = 1
T e T T T T T t δ
[ ]
→ → − →
1
1 lim
4) Gelombang sinus (amplitudo satuan & frekuensi
Matematika Sebagai Alat Analisis SistemKontrol =
1
= 2 2 2 1
2
2
1
1 ω ω
) ( ) ( dt e dt e t i s t i s i 2 1 ω ω
ω ω + =
s i i i s i s i
ω t] = 2 2
ω ω
1 t=T t
= ∞
∞
∫ −
∫ ∞ −
ω ω )
1 ,
2 sin
− = − =
− i i e e t t i t i
ω ω ω ω t] =
sin dt te st
− ∫ ∫
ω = dt e i e e st t i t i
− ∞ −
2
ω ω =
- − ∞ − −
- − − −
- − − ) ( ) ( 2 1 ω ω ω ω i s s i s s t i s t i s i<
- − − −
- −
- s
- n
- -at
- 1
- -at
- n
- s
- -at
- -at
- a s a s
- s s
- −
ω ω
8. Cosine
cos ω t 2 2
ω + s s
9. Damped sine
e
sin ω t 2 2
) ( ω ω
a s
10. Damped cosine
e
cos ω t 2 2
) ( ω + +
11. Diverging sine
t sin ω 2 2 2
) (
2 ω ω
12. Diverging cosine
t cos ω t 2 2 2 2 2
) (
ω ω
sin ω t 2 2
a s n
7. Sine
s
Matematika Sebagai Alat Analisis SistemKontrol
Tabel 2.1 Transformasi Laplace Sinyal Uji NO NAME Time Functionf(t) Laplace
Transform F(s) Figure
1. Unit impulse
δ (t)
1
∞
2. Unit step U(t)
1
( ) 1 !
3. Unit ramp t 2
1 s
4. n-th-order ramp t
n 1 !
s n
5. Exponential
e
a s
6. n-th-order exponential
t n e
s s
2. 2 TEOREMA TL:
1. Linearitas
k.f k = constant
Sifat distributif:
f
2. Real Differentiation Theorem
df ( t )
£ sF ( s ) f (()) = − dt
2
( )
d f t 2 df £ s F ( s ) sf (()) ( ) 2 = − − dt dt
Rumus umum: n n 2 n 1
− − d f ( t ) df d f d f n n − 1 n − 2
£ s F ( s ) s f ( ) s ( ) ... s ( ) ( ) n
= − − − − −
n 2 n 1 − − dt dt dt dt
3. Real Integration Theorem t
1
£ f ( t ) dt F ( s ) =
∫ s
4. Complex Differentiation Theorem
d £ tf ( t ) F ( s ) = −
[ ] ds
5. Real Translation Theorem (Dead Time) st
− £ f t t e F ( s ) f(t)
− = ( ) [ ] f(t-to)
Complex Translation Theorem at
t=to £ e f t F ( s a )
= − [ ( ) ]
Matematika Sebagai Alat Analisis SistemKontrol
6. Final Value Theorem
lim f ( t ) lim sF ( s ) t s = → ∞ →
7. Initial Value Theorem
lim f ( t ) lim sF ( s ) t s = → → ∞
CONTOH: Cari fungsi Laplace dari PD di bawah ini: 2
d x ( t ) dx ( t ) 2
2 x ( t ) Kr ( t ) 2 + + ξω ω = n n
dt dt dx x ( ) ( )
dengan: K, n , konstanta dan
ω ξ = = dt
Jawab: Teorema 2 (bentuk sederhana):
2
2 s X(s) + 2 n sX(s) + n X(s) = KR(s)
ω ξ ω
2
2 X(s)[s + 2 n s + n ] = KR(s)
ω ξ ω K X ( s ) R ( s )
= 2 2 s 2 s
- ω n ξ ω n
2. 3 SOLUSI PERSAMAAN DIFFERENSIAL Pers. Differensial linear: n n − 1 m m − 1
d y ( t ) d y ( t ) d x ( t ) d x ( t )
... ( ) ... ( )
a a a y t b b b x t n n 1 = m m n − n 1 m − m
+ + + + + +
1 1 − − dt dt dt dtdengan:
- - a dan b adalah koefisien PD
- - y(t) adalah fungsi keluaran (respon)
- - x(t) adalah forcing function (variabel yang memaksa) variabel keluaran untuk berubah
atau fungsi masukan
Matematika Sebagai Alat Analisis SistemKontrol
- - initial conditions n 1 − dy d y y
- -1
- 1
- − −
- -t -2t
- -t -t
- =
- =
- =
- -1
- - t t r k t t r t t r k
- -t
- - 2t e>- 2
- -2e
- -1
- + 2u(t) KASUS 4: Adanya dead time
- − =
- −
- =
- -st0
- -1
- =
- Tidak bisa di- Laplace-kan secara langsung dari st st st
- Multiple delays:
- Y ( s ) e e .... [ Y ( s )] e [ Y ( s )] e ....
- 2 c ( t ) f ( t ) dengan c ( ) tentukan responnya untuk :
- -s
- -s -2s -3s
- s
- s
- C ( s )
- -2t
- -2(t-1)
- s
- -s -2s
- -2(t-1) -2(t-2
ii) Akar konjugasi kompleks A ( s r ) Bw e (Acos wt + Bsin wt)
- -sto
- k 1 k
- tidak perlu mencari f(s k ) dan s k )
- tidak perlu mencari f n-1 (s) dengan rumus di atas
- + 2s
- = 2 2 1 2 ( s 1 , 651 ) ( s , 174 ) 1
- -1,651t -0,174t
- PD orde satu: f [ x ( t )] k (2-56)
- f [ x ( t )] f ( x ) ( x )
- f [ x ( t )] f ( x ) ( x )[ x ( t ) x ] (2-59)
- Kecil: dekat titik operasi
- Besar: jauh dr ttk operasi
- f ( x ) k ( x )
- [ A − B /( T C )]
- 1 (
- k T ) k ( T ) ( T )( T T )
- k ( T ) k ( T ) k ( T ) ( T T )
- − −
- 2 ! y x y
- Variabel deviasi: A ( h , w ) w H h W
- k = 1 k
- base point: f
−
- 5
( ) ; ( ) ;.......; ( ) = = = n 1
− dt dt m 1
− dx d x x
( ) ; ( ) ;.......; ( ) = = = m 1
− dt dt
Prosedur penyelesian PD: 1. Ubahlah PD ke dalam p'-ersamaan aljabar variabel s (Iihat Teorema TL).
2. Selesaikan secara al abar untuk TL variabel keluaran Y(s) dan substitusikan TL variabel masukan X(s) sehingga diperoleh rasio dua polinomial:
N ( s ) Y ( s ) dengan N(s) = numerator =
D ( s ) D(s) = denominator
3. Lakukan TL Balik (invers) sehingga diperoleh variabel keluaran sebagai fungsi waktu :
y(t)
y [Y(s)]
Dengan menggunakan prosedur di atas, maka: m m 1
− N ( s ) b s b s b m m
- 1 −
Y ( s ) X ( s ) = = n n 1 −
D ( s ) a s a s a n n − + + 1
diubah menggunakan metode ekspansifraksi-parsial menjadi:
N ( s ) Y ( s ) ke dalam sejumlah k fraksi: =
( s r )( s ).....( s r ) − − − 1 2 k
A A A A 1 2 i k Y ( s ) ... ....
= + + + + + ( s r ) ( s r ) ( s r ) ( s r )
− 1 − 2 − i − k
Ada 4 kasus untuk (mencari akar-akarnya): 1. Akar nyata tak berulang.
2. Sepasang akar konjuingasi kompleks tak berulang.
3. Akar-akar berulang.
4. Adanya dead time.
Matematika Sebagai Alat Analisis SistemKontrol
KASUS 1: Akar nyata tak berulang A i = lim (s - r i ). Y(s) s r i
→
Contoh: Cari c(t) dari PD linear orde-dua di bawah ini 2
d c ( t ) dc ( t ) dc
3 2 c ( t ) 5 u ( t ) dengan c ( ) ; ( ) 2 + + = = =
dt dt dt
Jawab:
2 s C(s)+ 3sC(s) + 2C(s) = 5U(s).
2 C(s) (s + 3s + 2) = 5/s
A 1 = lim (s + 1) C(s)
s →
5
5 lim
5
= = = − s 1 → −
( s 2 ) s (
1 2 )( 1 )
A 2 = 5/2 dan A 3 = 5/2
c(t) = -5e + 5/2.e + 5/2. u (t) KASUS 2: Sepasang akar konjungasi kompieks
Bila akar-akarnya terdapat bilangan imajiner i, maka: © © + ( )
A A A s a A b 1 + Y ( s )
= = 2 1 − 2 2 2
( s a bi ) ( s a bi ) ( s a ) b
− − − − + +
2
2
2 lim A 1 lim [(s - a) + b ].Y(s) s a+bi s a+bi
→ → Matematika Sebagai Alat Analisis SistemKontrol Contoh. 2
d c ( t ) dc ( t ) dc
2 5 c ( t ) 3 u ( t ) dengan c ( ) ; ( ) 2 + + = = =
dt dt dt
Jawab:
2 s C(s) + 2sC(s) + 5C(s) = 3U(s)
2
2
) + A [(s + 1)
lim A I (s + 1
2 2 = lim + 2 ]. C(s)
s -1-2i s -1-2i → →A 1 (-1 - 2i + 1) + A 2 2 = 3/(-1 - 2i)
Ruas kanan dikalikan akar sekawannya:
A 1 (-2i) + A 2 2 = -3/5 + 6/5.i maka: A 1 (-2 i) = 6/5i
A 2 2 = -3/5 A2 =-3/10 A 3 = 3/5
c(t) = -3/5.e cos 2t - 3/10.e sin 2t + 3/5 u(t) KASUS 3: Akar~akar berulanq A A A A N ( s ) 1 2 m k Y ( s )
... ...
= = m m m 1 + + + + +
−
( s r ) ...( s r ) ( s r ) ( s r ) s r s r − − − − − − 1 k k − 1 1 1 1 k
1 d m lim ( ) ( )
A s r Y s k = [ − k 1 1 ] s r − → 1
( 1 )!
k ds −
Contoh: 3 2
d c ( t ) d c ( t ) dc ( t )
3 3 c ( t ) 2 u ( t ) 2 + + + 2 =
dt dt dt 2 dc d c
dengan ( ) ; ( ) ; ( )
c = = = 2 dt dt
Matematika Sebagai Alat Analisis SistemKontrol
1
2 ) (
3 3 (
Jawab:
s
3 C(s) + 3s
2 C(s) + 3sC(s) + C(s) = 2U(s) s A s A s A s A s s s s s s C s 4 3 2 2 3 1 3 2 3
1 ) ) 1 ( 1 (
) 1 (
2 )
3 C(s) = -2
Matematika Sebagai Alat Analisis SistemKontrol
D s N s Y s
A s s s A 4 = 2 c(t) = -te
)] ( [ ) ( ) (
) ( 1 st st
Y e s e D s N s Y s
− − =
= k k r s A r s A r s A
−
=
... ) (
) ( ) ( 2 2 1 1 1 t r k t r t r k
A e e A e A t y
... ) ( 2 1 2 1 1 Y(s) = e
Y 1 y 1 (t - t )] y
[Y(s)] = y 1 (t - t ) ) ( ) ( 2 ) ( 1 1 1 2 1 ...
A e e A e A ) (t - t [Y(s)] = y y(t) = £ − − −
− = − → − → − → s s ds d s ds d
− = =
=
= − → − → s s ds d
A 1 = lim (s + 1)
s →
2
2 lim 2 )!
1 2 ( 1 lim 2 1 1 2
− = =
−
A s s
2
4 lim
2
2 lim
2
1
2 )!
1 3 ( 1 lim 3 1 2 1 2 2 1 3
1
Catatan:
− − − A e A e A e 1 2 k Y ( s ) ...
= + + + s r s r s r
− 1 − 2 − k
N ( s ) N ( s ) 1 − st 01 2 − st − st − st 02 + + 1 +
= = 01 2 02 D ( s ) D ( s ) 1 2
y(t) = y 1 (t - t 01 ) + y 2 (t - t
02 Contoh: dc ( t )
= = dt
a) Perubahan unit step pada t = 1: f(t) = u(t - 1)
b) Fungsi tangga berundak (staircase) dari unit step pada setiap satuan waktu: f(t) = u(t - 1) + u(t - 2) + u(t - 3) + ....
Jawab:
sC(s) + 2C(s) = F(s)
1
= e a) u(t - 1)] .
s b) F(s) u(t - 1) + u(t - 2) + u(t - 3) +....
1
= (e + e + e + ...)
s
1 C ( s ) F ( s ) = , maka
2
1
1 s s − − i) C ( s ) e C ( s ) e
= =
2 s 1
1
1 A A 1 1 2
= = s 2 s s 2 s
A 1 = -1/2 dan A
2
c
1
c(t) = c 1 (t -1 1)[1 - e ] Matematika Sebagai Alat Analisis SistemKontrol
Catatan:
unit step u(t - 1) harus juga dikalikan dengan fungsi eksponensial untuk
0 untuk t<1
mengindikasikan bahwa -c(t) = ii) Untuk fungsi staircase kita lihat bahwa
1
1 s 2 s − − C ( s ) e e ....
= + + ( ) s
2
= C 1 (s)e + C 1 (s)e c(t) = c 1 (t-1) + c 1 (t-2
1)[1 - e ] + 2)[1 - e =
No. Denominator Y(s) Fraksi Parsial y(t) rt
i) Akar tidak berulang a Ae
s r − rt
− m i − + ( s r ) B 2 2 m − 1 iii) Akar berulang A i rt t i i e A
∑ ∑ i 1 − ( i ( s r ) 1 )! = i = 1 − iv) Dead time: y 1 (t - t )
Y 1 (s)e
2. 4 EIGENVALUES DAN KESTABILAN Persamaan Karakteristik dari PD dan dari sistem yang memiliki respon dinamik adalah
n n-1 n-2 a n s + a n-1 s + a n-2 s
1 s + a = 0
dengan a adalah, koefisien variabel tergantung dan turunannya pada
o , a 1 , a 2 , ... a n PD.
Eigenvalues: eigen (Jerman) berarti karakteristik atau diri, merupakan akar-akar persamaan karakteristik.
Matematika Sebagai Alat Analisis SistemKontrol
Pentingnya e.v: 1. Merupakan definisi sifat PD.
2. Tidak tergantung masukan forcing function.
3. Menentukan apakah respon waktunya monoton (kasus 1 dan 3) atau berosilasi (kasus 2).
4. Menentukan apakah respon tersebut stabil atau tidak.
PD disebut stabil bila respon waktunya tetap terbatas untuk forcing function yang
rt
terbatas r harus negatif, agar nilai e mengecil/terbatasi. Jadi agar stabil, maka semua e.v harus punya harga r negatif.
2. 5 MENCARI AKAR POLINOMIAL Beberapa metode yang biasa digunakan:
1. Metode Newton Cocok untuk perhitungan manual, khususnya bila dikombinasikan dengan metode Nested Multiplication.
2. Metode Newton- Bairstow Cocok untuk konjungasi kompleks dan akar nyata èkalkulator yang bisa diprogram.
3. Metode Muller Cocok untuk mencari akar nyata ataupun kompleks
èkomputer Di sini hanya dibicarakan metode Newton saja.
Polinomial derajat ke-n:
n n-1 n-2 f n (s) = a n s + a n-1 s + a n-2 s 1 s + a
Syarat: f n (s) = 0 atau ada toleransi kesalahannya
f s ( )
k
Rumus iterasinya:
s s = −
f ' ( s )
k
f ( ) s nPolinomial derajat ke-(n-1): ,
f ( ) s = n
1 − s r
−
1
akar yang sudah diperoleh
r 1 = Matematika Sebagai Alat Analisis SistemKontrol Dengan Nested Multiplication (memperbaiki Newton):
Kalkulasi yang dilakukan: 1. dan c
b n = a n n = b n 2. untuk i = n-1, n-2, ...1,0 i = a i + b i+1 s k
è b 3. untuk i = n-1, n-2
1 i = b i +c i+1 s k
è c
4. f(s k )= b dan s k ) = c
1 n-1 n-2 5. f n-1 (s) = b n s + b n-1 s 2 s + b
1 Contoh:
3 2
d c ( t ) d c ( t ) dc ( t )
2
3 4 ( ) 4 ( )
c t t 3 2 + + + = δ dt dt dt
3
2 s C(s) + 2s C(s) + 3sC(s) + 4C(s) = 4.1
4 C s ( ) =
3
2 s s s
2
3
4
3
2
f(s) = s + 3s + 4
Aproksimasi awal: s o = -1 Iterasi 1
(3) (2) (1) (0)
a 3 = 1 a 2 = 2 a 1 = 3 a = 4 s = -1 b 3 s=-1 b 2 s=-1 b 1 s=-2 b 3 = 1 b 2 = 1 b 1 = 2 b = 2 = f(-1) c
3 s=-1 c 2 s=0 c 3 = 1 c 2 = 0 c 1 = 2 1)
Matematika Sebagai Alat Analisis SistemKontrol
Iterasi 5 (3) (2) (1) (0)
a 3 = 1 a 2 = 2 a 1 = 3 a = 4 s 4 = -1,651 b 3 s=-1,651 b 2 s=-0,577 b 1 s=-4 b 3 = 1 b 2 = 0,349 b 1 = 2,423 b = 0 =f(-1,651)
2 f 2 (s) = s + 0,349s + 2,423
, 349 , 1218 4 ( 2 , 423 )
− ± −
, 174 1 , 547
r 2 , 3 = = − ± i 2 .
1
4 ( )
C s =
( 1 , 651 )( , 174 1 , 547 )( , 174 1 , 547 )
s s i s i − + + + +
A A ( s , 174 ) A 1 , 547
- 3<
dan A
A 1 = 0,875 A 2 = -0,874 3 = 0,834
maka:
c(t) = 0,875e + e (-0,874 cos 1,547t + 0,834 sin 1,547t)
2.6 LINEARISASI DAN VARIABEL DEVIASI
Transformasi Laplace (TL) hanya dipakai pada PD linear Proses di industri nonlinear
⇒
Agar TL bisa digunakan, maka harus ada: LINEARISASI. Ini memunculkan satu vaeiabel baru: variabel deviasi/pasturbasi.
Asumsi dasar: Respon aproksimasi linear mewakili respon proses pada daerah sekitar titik operasi
(operating point/base point) Matematika Sebagai Alat Analisis SistemKontrol
Variabel deviasi: Beda antara harga suatu variabel/sinyal dan harga titik operasi.
X ( t ) x ( t ) x = −
dengan:
X (t ) : variabel deviasi x (t ) : variabel absolut x : harga x pada titik operasi
variabel deviasi: deviasi suatu variabel dari harga titik operasinya. Transformasi dari absolut ke harga deviasi dari suatu variabel ekivalen dengan menggerakkkan nol pada aksis n n variabel tsb. ke base value.
d X ( t ) d x ( t )
untuk n = 1, 2, 3
= x : konstanta ë n n dt dt
: harga awal (initial value) ë biasanya : pada keadaan tunak (steady state)
X(0) = 0
ë x(0) = x n
d X ( ) untuk n = 1, 2, 3 n = dt n
X ( ) d t n s X ( s ) n =
dt
Segi lain: konstanta hilang dari PD linearisasi, jika base value adalah initial steady state condition
1. Linearisasi Fungsi Satu Variabel
dx ( t )
= dt
: fungsi nonlinear dari x
f[x(t)]
: konstanta
k Matematika Sebagai Alat Analisis SistemKontrol Deret Taylor: 2
df 1 d f 2 f [ x ( t )] f ( x ) ( x )[ x ( t ) x ] ( x )[ x ( t ) x ]
= − − + + 2 dx 2 ! dx 3
(2-57)
1 d f 3 ( x )[ x ( t ) x ] ..... 3 − + + 3 ! dx
eliminasi pangkat dua ke atas (harganya terlalu kecil):
df
X ( t ) =
(2-58)
dx df
= − dx
Beda antara aproksimasi linear dan fungsi aktual:
Daerah di mana aproksimasi linear cukup akurat untuk menggambarkan fungsi nonlinear sulit ditaksir. Makin nonlinear, makin kecil daerahnya.
Substitusi persamaan 2-59 ke 2-56: (2-60)
dx ( t ) df f ( x ) ( x ) X ( t ) k
= + + dt dx dx
X Kondisi awal: x ( ) , ( ) , dan ( ) = = = dt df
Maka: f ( x ) ( x )( ) k
= + + dx d
X ( t ) df
X ( t )
(2-61)
= ë = dt dx
(tidak ada konstanta) Tahap intermediet bisa diabaikan, bisa langsung dari pers. 2-56 ke pers. 2-61.
Matematika Sebagai Alat Analisis SistemKontrol
Contoh-contoh fungsi nonlinear: ( E / RT )
− k ( T ) k e
1. Arrhenius:
=
2. Vapor Pressure (Persamaan Antoine):
p ( T ) e = x
α
3. Kesetimbangan uap-cair (relative volatility): y ( x )
=
1 ) x 2 α −
4. Pressure drop melalui fitting dan pipa: ( )
P F kF ∆ = 4
5. Laju perpindahan panas (radiasi): q ( T ) AT 2
= εσ
3 46. Enthalpi: H ( T ) H AT BT CT DT
= + + + + Linearisasi persamaan Arrhenius :
− ( E / RT ) k ( T ) k e
= dk
= − dT dk ( E / R T ) E E
−
( T ) k e k ( T )
= = 2
2
dT R T R T E
≅ − 2 R T E
K ( T ) k ( T ) T ≅ di mana 2
R T
K ( T ) k ( T ) k ( T ) T T T
dan
= − = −
Jika:
9 -1 k = 8.10 s , E = 22.000 cal/gmol, T = 373 K,
dan R = 1,987 cal.g.mol.K maka:
9 -(22000/1,987x373) -3 -1
k( T ) = 8.10 .e = 1,0273x10 s
dk 22000 3 5 − −
( T ) 1 , 0273 x
10 8 , 175 x
10
= = ( ) 2 dT
1 , 987 x 373 persamaan yang dilinearisasi:
( ) 1 , 0273
10 8 , 175 10 ( 373 )
k T x x T = − 3
5
− 5 K ( T )
8 , 175 x
10 T
≅ Matematika Sebagai Alat Analisis SistemKontrol
2. Linearisasi Fungsi Dua Variabel atau Lebih
Deret Taylor: 2 2
f f
1 f
∂ ∂ ∂
f x ( t ), y ( t ) f ( x , y ) ( x , y ) x ( t ) x ( x , y ) y ( t ) y ( x , y ) x ( t ) x
= − − −
+ + + [ ] 2[ ] [ ] [ ] x y
2 ! x 2
∂ ∂ ∂
2 21
f f ∂ ∂ 2 [ ] [ ][ ] ( x , y ) y ( t ) y ( x , y ) x ( t ) x y ( t ) y ....... (2 62)
− − − + + +
∂ ∂ ∂
Aproksimasi linear orde 2 dan orde tinggi (pers. 2-63):
f f ∂ ∂
( ), ( ) ( , ) ( , ) ( ) ( , ) ( ) Kesalahan aproksimasi
f x t y t f x y x y x t x x y y t y = − − + +
[ ]
[ ] [ ]
x y∂ ∂ linear kecil pada x dan y di dekat x dan y . w ( h h ) ( h h )( w w )
− − − h h a ( h , w ) h . w h ( w w )
= − h h
Luas bujur sangkar sebagai fungsi h dan w: a(h,w) = hw
a a ∂ ∂ w h
= = h w
∂ ∂
Aproksimasi linear: ( h , w ) ( h , w ) w ( h h ) h ( w w )
∂ = ∂ − − + + Kesalahan: bujur sangkar kecil yang luasnya
( h h )( w w ) − − Kesalahan akan kecil bila h dan w dekat dengan h dan w .
≅
Rumus umum fungsi n variabel x
1 , x 2 , x n : Matematika Sebagai Alat Analisis SistemKontrol
f f f ∂ ∂ ∂ f x , x ,...., x f x 1 , x 2 ,..., x n x x 1 x x 2 ....... x x n 1 2 n ≅ 1 − 2 − n − (2-64)
( ) ( ) ( ) ( ) ( ) dx dx dx 1 n 2 n f 1 2 n k ∂ f x , x ,...., x f x , x ,..., x x x
( 1 2 n ) ≅ k − ( ) ( )
∑
dx f ∂ 1 2 n x , x ,..., x di mana merupakan turunan parsial yang dievaluasi pada .
( ) dx k
CONTOH:
1. Tentukan aproksimasi linear dari fungsi non-linear: 2 2 y
3 z f f f
( ) = − = = = + f x , y , z 2 x xy 3 pada x 1 , y
2 , z
∂ ∂ ∂
, , , ,
f x y z f x y z x x y y z z = − − − + + +
( ) ( ) ( ) ( ) ( ) x y y
∂ ∂ ∂ f f 3 f 3 y
∂ ∂ ∂ 2 4 x y , 2 xy , dan
= = − = + 2 x y 2 z z
∂ ∂ ∂ 2 2
2 ( ) ( )
2
1
1
2
3
4 = − =
3 f f f
2
∂ ∂ ∂
8 , 3 dan
= = = x y z
3
∂ ∂ ∂
Fungsi yang dilinearisasi:
2 f x , y , z
4 8 x
1 3 y 2 z
3
= − − − + + +( ) ( ) ( ) ( )
3
2 F
X Y Z
8
3 = + +
3 Mp
2. Densitas gas ideal: , M (udara) = 29,
ρ = RT
2 p =101.3 N/m , T = 300 K, dan R = 8.314 N.m/kg.mol.K
Maka:
∂ ρ ∂ ρ T T p p
ρ + = − − + ρ ( ) ( )
T p ∂ ∂ Mp
∂ ρ ρ = − = − 2 T RT T ∂ Matematika Sebagai Alat Analisis SistemKontrol
M ∂ ρ ρ = = p RT p
∂
base condition:
M p 1 . 178
ρ = = R T
1 . 178 ∂ ρ ρ
. 00393 = − = − = −
T 300 ∂ T
1 . 178 5 ∂ ρ ρ −
1 . 163 x
10 = = = p 101 , 300
∂ p
Persamaan yang dilinearisasi:
1 . 178 . 00393 T 300 1 . 163 x 10 p 101300
ρ = − − −
5
( ) ( )R = -0.00393T + 1.163x10 Matematika Sebagai Alat Analisis SistemKontrol