Perancangan Estimator Parameter Dan Beban Motor Induksi 3 Fasa Berbasis Jaringan Syaraf Tiruan

Alfiansyah, Rakhmat (2025) Perancangan Estimator Parameter Dan Beban Motor Induksi 3 Fasa Berbasis Jaringan Syaraf Tiruan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5009211097-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB)

Abstract

Motor induksi merupakan komponen penting dalam berbagai aplikasi industri, namun pengendaliannya menjadi sebuah tantangan karena sifatnya yang non-linear dan parameternya yang dapat berubah-ubah. Kinerja yang tidak optimal dapat mengakibatkan penurunan efisiensi, peningkatan konsumsi energi, bahkan kerusakan pada motor. Penelitian ini bertujuan untuk merancang dan mengetahui performa estimator parameter dan beban motor induksi menggunakan Jaringan Syaraf Tiruan (JST). Rancangan estimator ini menggunakan Jaringan Syaraf Tiruan (JST) yang dimodifikasi berdasarkan pemodelan stator reference frame. Training model dilakukan secara offline di Simulink MATLAB dengan memanfaatkan data pengukuran berupa arus stator, tegangan stator, kecepatan rotor, dan torsi sebagai input. Jaringan Syaraf Tiruan (JST) dilatih untuk mendapatkan bobot yang merepresentasikan konstanta matematis motor, yang kemudian digunakan untuk menghitung parameter mekanikal seperti Inersia Total (J) dan viscous friction coefficient (F). Estimasi beban dilakukan dengan membuat model regresi linier dari hubungan antara viscous friction coefficient (F) hasil estimasi dengan daya beban yang terukur. Hasil penelitian menunjukkan bahwa performa estimator yang dirancang sangat akurat. Model Jaringan Syaraf Tiruan (JST) berhasil memprediksi kecepatan dengan rata-rata error sebesar 0.088%. Selanjutnya, model mampu mengestimasi daya beban dengan rata-rata error sebesar 4,14%. Nilai error ini berada dalam rentang toleransi yang dapat diterima, membuktikan bahwa estimator memiliki performa yang baik dan akurat untuk mengidentifikasi parameter dan beban motor induksi.
======================================================================================================================================
Induction motors are important components in various industrial applications, but controlling them is challenging due to their non-linear nature and variable parameters. Suboptimal performance can lead to reduced efficiency, increased energy consumption, and even motor damage. This study aims to design and evaluate the performance of a parameter and load estimator for induction motors using a Artificial Neural Network (ANN). The estimator design employs a modified ANN based on stator reference frame modeling. The model is trained offline in Simulink MATLAB using measurement data such as stator current, stator voltage, rotor speed, and torque as inputs. The artificial neural network (ANN) is trained to obtain weights that represent the motor's mathematical constants, which are then used to calculate mechanical parameters such as total inertia (J) and viscous friction coefficient (F). Load estimation is performed by creating a linear regression model of the relationship between the estimated viscous friction coefficient (F) and the measured load power. The research results show that the performance of the designed estimator is highly accurate. The ANN model successfully predicts speed with an average error of 0.088%. Furthermore, the model was able to estimate the load power with an average error of 4.14%. This error value is within the acceptable tolerance range, proving that the estimator has good and accurate performance for identifying the parameters and load of an induction motor.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Motor Induksi, Jaringan Syaraf Tiruan, Estimator Induction Motor, Artificial Neural Network, Estimator
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2785 Electric motors, Induction.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Rakhmat Alfiansyah
Date Deposited:	30 Jul 2025 10:17
Last Modified:	30 Jul 2025 10:17
URI:	http://repository.its.ac.id/id/eprint/122895

Actions (login required)

View Item