Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam pengoperasiannya, motor induksi membutuhkan suatu metode pengendalian agar dapat bekerja dengan kinerja yang baik. Banyak metode pengendalian untuk motor induksi yang telah dikembangkan, yang paling umum digunakan adalah penggunaan pengendali PI, IP, dan decoupler. Namun perlu diperhatikan bahwa penggunaan pengendali konvensional tersebut masih memiliki performa pengendalian yang kurang baik Oleh karena itu pada skripsi ini, akan dilakukan aplikasi metode Simple Adaptive Control (SAC) dengan Artificial Neural Network (ANN) untuk pengendalian vektor arus dan pengendalian kecepatan rotor pada motor induksi. Model pengendali dinyatakan dalam kerangka acuan rotor (sumbu-dq), sedangkan model motor dinyatakan dalam kerangka acuan stator (sumbu-ab), dengan menggunakan state variable berupa arus stator dan fluks rotor. Pada skripsi ini, akan dilakukan simulasi metode SAC dengan ANN untuk pengendalian vektor arus dan pengendalian kecepatan rotor pada motor induksi untuk menverifikasi performa pengendaliannya, yaitu kemampuan output dari plant untuk dapat mengikuti output dari model referensi. Dalam perancangan pengendali menggunakan metode SAC dengan ANN untuk motor induksi ini, tidak perlu dilakukan sintesa decoupler untuk tujuan mengeliminasi interaksi antar input. Terlebih lagi, juga akan dilakukan simulasi pengendalian dengan menggunakan metode konvensional, yaitu pengendali IP, PI, dan decoupler. Hal ini dilakukan untuk keperluan perbandingan. Setelah menguji dan menverifikasikan hasil dari simulasi, pengendali dengan menggunakan metode SAC dengan ANN memiliki performa pengendalian yang lebih baik dibandingkan dengan pengendali yang menggunakan metode konvensional."

"ABSTRAKDalam banyak kendaraan modern, faktor keamanan menjadi pertimbangan penting dalam mendesain kendaraan. Sebagai salah satu bagian dari Advanced Driver Assistant Systems (ADAS) yang diperuntukkan untuk meningkatkan keamanan dalam berkendara, Adaptive Cruise Control (ACC) diperkenalkan untuk mengurangi kemungkinan terjadinya kecelakaan lalu lintas. Sistem pada ACCdapat membantu pengendara dalam menjaga jarak aman dengan kendaraan yang berada di depannya dengan mengendalikan besaran pada katup gas serta tekanan pada rem. Selain untuk meningkatkan faktor keamanan, sistem ACC harus mampu memberikan respon yang halus agar pengendara tetap merasa nyaman. Pada penelitian ini, sistem ACC akan didesain dengan memanfaatkan metode switchingyang memiliki respon yang halus dengan memanfaatkan kecepatan relatif, jarak antar kendaraan, dan percepataan kendaraan untuk menentukan kondisi follow mode ketika terdapat kendaraan di depannya, dan kondisi cruise mode ketika tidak terdapat halangan. Kemudian dalam mengendalikan kecepatan kendaraan, akan memanfaatkan pengendali Neural Network Predictive Control (NNPC) yang mengatur besaran katup gas dan tekanan rem yang diberikan. Metode NNPC akan memanfaatkan model Artificial Neural Network (ANN) dalam melakukan identifikasi model longitudinal kendaraan yang sangat tidak linier, dan menggabungkan dengan metode Model Predictive Control (MPC) untuk melakukan prediksi keadaan dari kendaraan yang dikendalikan. Hasil dari penelitian memperlihatkan bahwa pengendali NNPC serta algoritma switching yang digunakan mampu menjaga jarak dengan kendaraan yang ada di depannya, serta memiliki respon yang cukup halus.

---

ABSTRACTIn many modern vehicles, safety is an important consideration in designing a vehicle. As one part of the Advanced Driver Assistant Systems (ADAS) which is intended to improve safety in driving, Adaptive Cruise Control (ACC) is introduced to reduce the possibility of traffic accidents. The ACC system can help the driver maintain a safe distance from the vehicle in front of him by controlling the throttle and the pressure on the brakes. In addition to increasing the safety factor, the ACC system must be able to provide a smooth response so that the driver feels comfortable. In this study, the ACC system will be designed by using a switching method that has a smooth response by utilizing the relative speed, distance between vehicles, and vehicle acceleration to determine the condition of follow mode when there is a vehicle in front of it, and the cruise mode condition when there are no obstacles. Then in controlling vehicle speed, Neural Network Predictive Control(NNPC) controllers will control the amount of throttle and brake pressure applied. The NNPC method will utilize the Artificial Neural Network (ANN) model to identify longitudinal models of vehicles that are highly non-linear, and combine them with the Model Predictive Control (MPC) method to predict the state of the controlled vehicle. The results of the study show that the NNPC controller and switching algorithm used are able to maintain a distance from the vehicle in frontof it, and have a fairly smooth response."

"ABSTRAKDalam perancangan motor induksi tiga phasa, informasi mengenai kecepatan motor sangat diperlukan untuk melakukan pengaturan kecepatan motor. Sensor kecepatan yang biasa digunakan mempunyai keterbatasan dalam hal resolusi dan biaya pembelian yang mahal. Oleh sebab itu diperlukan metode lain untuk menentukan kecepatan motor guna menggantikan penggunaan sensor kecepatan tersebut. Model motor yang digunakan adalah model motor induksi dalam kerangka acuan fluks rotor. Varibel yang diestimasi oleh observer adalah arus stator dan fluks rotor, sedangkan kecepatan rotor diestimasi berdasarkan teori lyapunov. Perancangan dan simulasi estimasi kecepatan pada motor induksi tanpa sensor kecepatan dengan full order observer ini menggunakan program C-MEX S-function pada Matlab/Simulink versi R2008a.

---

ABSTRACTIn the three-phase induction motor design, the information about the motor speed is exceptionally needed to do the controling the speed of the motor. The sensor that has been used to measure the velocity has limitation in the matter of resolution with high expense. Therefore, there?s a need to use another method to replace the velocity sensor?s function to determine the motor speed. The motor modeling that?s used is the induction motor model in the frame of rotor flux reference. Variables are estimated by the observer is the stator current and rotor flux, while the rotor speed is estimated based on Lyapunov Theory. The design and simulation of the velocity estimation in induction motor without speed sensor with a full order observer is using the program C-MEX S-function in Matlab / Simulink R2008a version."

"Umumnya kecepatan dari motor diukur dengan menggnnakan sensor kecepatan sedangkan posisi rotor didapat dari integral kecepatan. Akan tetapi keterbatasan kemampuan perangkat keras dan besarnya biaya yang harus dikeluarkan untuk implementasi dan perawatan sensor yang dignnakan mendorong untuk dicarinya metode yang dapat mengeliminasi perangkat keras tersebut Pada skripsi ini dibahas tentang simulasi dan perancangan estimasi kecepatan pada motor induksi dengan menggunakan full order obsever. Model motor yang digunakan adalah model dalam kerangka acuan stator dengan pengendalian vektor arus motor induksi dalam kerangka acuan flnks rotor. Varlabel yang diestimasi oleh observer adalah arus stator dan fluks rotor sedangkan kecepatan rotor diestimasi berdasarkan teori Lyapunov. Perancangan dan simulasi estimasi kecepatan pada motor induksi tanpa sensor kecepatan dengan full order observer ini menggunakan program C-MEX Stunction pada Matlab/Simulink versi 6.5. Analisa dilakukan pada sistem yang menggunakan fluks model dengan sistem tanpa fluks model Hasil simulasi menunjukkan nilai variabel yang diestimasi telah sesuai dengan nilai aktualnya walaupun masih terdapat kesudahan karena itu diajukan dua usulan untuk meminimalkan kesalahan estimasi, yaitu perbaikan kesudahan estimasi dengan variasi konstanta k pada gain observer dan perbaikan kesudahan estimasi dengan kompensasi arus. Perbandingan analisa simulasi menunjukkan variasi konstanta k pada gain observer tidak memberikan perbaikan, hanya kompensasi arus dq pada reduced order observer memberikan perbaikan yang signifikan."

"Dewasa ini, motor induksi merupakan jenis motor yang paling sering digunakan karena berbagai keuntungan yang dimilikinya. Akan tetapi, penggunaan sensor kecepatan pada motor induksi seringkali kurang menguntungkan, karena selain membutuhkan biaya yang lebih besar, juga seringkali sensor yang digunakan terbatas kemampuannya. Seiring berkembangnya ilmu pengetahuan dan teknologi, maka penggunaan vektor kontrol menjadi amat menguntungkan untuk mengendalikan motor induksi. Dan untuk mereduksi sensor kecepatan, maka digunakan observer, untuk mengestimasi kecepatan dari motor. Observer yang digunakan biasanya berada pada sumbu alfa-beta, dan hal ini menimbulkan kesulitan ketika hendak dilakukan kompensasi atau perbaikan, karena bagian pengendali, dekopling dan fluks model berada dalam sumbu direct-quadrature (DQ). Oleh karena itu di dalam skripsi ini diajukan metode pengestimasian kecepatan motor induksi dengan menggeser observer ke sumbu dq. Model motor yang digunakan berada dalam kerangka acuan stator dan rotor fluks oriented control. Model motor aktual yang digunakan tetap berada dalam sumbu alfa-beta, sedangkan observer menggunakan persamaan model motor dalam sumbu dq. Hal ini juga membuktikan bahwa penggunaan model motor yang berbeda antara aktual dan estimasi dapat dilakukan. Perancangan dan simulasi pada skripsi ini menggunakan program C-MEX S-function pada Matlab/Simulink versi 6.5. Dengan digesernya observer ke sumbu dq, maka kompensasi arus yang dilakukan menjadi lebih mudah. Observer yang digunakan berupa full order observer dan reduced order observer. Hasil dari simulasi menunjukkan bahwa penggunaan full order observer memberikan hasil yang lebih baik dibandingkan dengan reduced order observer."