Anggraini, Ismi Putri (2019) Perancangan Extended Kalman Filter Untuk Speed Sensorless Induction Motor Di Unit Penggerak Kereta API PT.Inka. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1123415624-Undergraduate_Theses.pdf Download (3MB) | Preview |
Abstract
Untuk mengetahui informasi kecepatan pada motor induksi dilakukan pemasangan sensor kecepatan. Namun pemasangan sensor dianggap memiliki kekurangan dan membutuhkan tambahan biaya. Pada tugas akhir ini diajukan teknik estimasi untuk sistem operasi pada speed sensorless induction motor dengan dengan metode extended Kalman filter (EKF). Study dilakukan untuk sistem motor induksi di PT.Inka(persero). Extended Kalman filter adalah suatu estimator yang digunakan untuk sistem nonlinier. Perancangan extended Kalman filter menggunakan arus pengukuran dan tegangan sebagai masukan. Pada extended Kalman filter terdapat beberapa langkah yaitu prediksi state, estimasi error kovarian, gain extended Kalman filter, estimasi state, dan update error kovarian. Penelitian ini terdapat enam langkah. Pertama pengambilan data kecepatan motor induksi pada PT.Inka (persero). Kedua adalah pemodelan motor induksi. Ketiga adalah perancangan extended Kalman filter, didapatkan nilai estimasi arus rms sebesar 3,10 A, nilai estimasi fluks rms sebesar 0,8044 Wb dan nilai estimasi kecepatan sebesar 157,07 rad/s, bila dibandingkan dengan pengukuran di PT.Inka didapatkan error sebesar 0,1%. Keempat adalah variasi tegangan dari 226 volt menjadi 380 volt, diketahui bahwa extended Kalman filter dapat mengikuti perubahan yang terjadi. Kelima adalah variasi frekuensi estimasi didapatkan hasil estimasi pada saat 40 Hz didapatkan kecepatan sebesar125,6 rad/s dan pada saat 50 Hz didapatkan kecepatan sebesar 157,07 rad/s. Keenam adalah variasi torsi beban sebesar 1 Nm, 3 Nm, 6 Nm, didapatkan hasil bahwa saat pada torsi terbesar maka error yang terjadi besar pula, namun error masih dibawah 0,5%, sehingga extended Kalman filter masih mampu mengestimasi dengan baik.
=================================================================================================================================
To get speed information on an induction motor, a speed sensor is installed. However, installation of sensors is considered to have deficiencies and requires additional costs. In this final project, an estimation technique for the operating system is proposed on the sensorless induction motor speed with the extended Kalman filter (EKF) method, study in PT.Inka (Persero). Extended Kalman filter is an estimator used for nonlinear systems. Extended design Kalman filters use measurement currents and voltages as inputs. In extended Kalman filter there are several steps, namely state prediction, covariance error estimation, extended Kalman filter gain, state estimation, and covariant error updates. First, data collection on induction motor speed at PT. Inka (Persero). Second is induction motor modelling. The third is the extended Kalman filter design, obtained an estimated value of rms current of 3.10 A, estimated rms flux value of 0.8044 Wb and an estimated value of speed of 157.07 rad / s, when compared with measurements at PT.Inka This error is obtained by 0.1%. Fourth is the voltage variation from 226 volts to 380 volts, it is known that the output extended Kalman filter can follow the changes. Fifth is the variation of the estimated frequency from the estimation when 40 Hz obtained a speed of 125.6 rad / s and at 50 Hz the speed was 157.07 rad/s. Sixth is the variation of load torque of 1 Nm, 3 Nm, 6 Nm, the results show that when the largest torque is a large error, the error is still below 0.5%, so extended Kalman filters are still able to estimate properly.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSF 621.313 6 Ang p-1 2019 |
| Uncontrolled Keywords: | Extended Kalman filter, induction motor, speed sensorless |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis |
| Depositing User: | Ismi Putri Anggraini |
| Date Deposited: | 26 Apr 2024 08:24 |
| Last Modified: | 26 Apr 2024 08:24 |
| URI: | http://repository.its.ac.id/id/eprint/68309 |
Actions (login required)
 |
View Item |