Perancangan Kontroler PID-LQR dan Robust Neural Network Estimator untuk Direct Torque Control Motor Induksi Tiga Fasa

Gamar, Farida (2015) Perancangan Kontroler PID-LQR dan Robust Neural Network Estimator untuk Direct Torque Control Motor Induksi Tiga Fasa. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 2213105043-Undergraduate Thesis.pdf]
Preview
Text
2213105043-Undergraduate Thesis.pdf - Published Version

Download (25MB) | Preview
[thumbnail of 2213105043-Paper-2213105043-paperpdf.pdf]
Preview
Text
2213105043-Paper-2213105043-paperpdf.pdf - Published Version

Download (2MB) | Preview
[thumbnail of 2213105043-Presentation-2213105043-presentationpdf.pdf]
Preview
Text
2213105043-Presentation-2213105043-presentationpdf.pdf - Published Version

Download (1MB) | Preview

Abstract

Motor induksi 3 fasa mempunyai beberapa keunggulan
dibandingkan dengan motor DC. Kelebihan dari motor induksi tiga fasa
adalah konstruksinya sederhana, harganya murah dan mudah dalam
pemeliharaan. Karena keunggulan-keunggulan itu motor induksi lebih
banyak digunakan terutama untuk aplikasi yang memerlukan kecepatan
konstan. Namun pengaturan kecepatan motor induksi jauh lebih sulit
dibandingkan motor arus searah. Untuk mengatasi masalah tersebut
diperlukan metode Direct Torque Control, namun masih terdapat
kekurangan yaitu respon alpha sebagai input pada pemilihan sektor
masih berfluktuasi yang dapat menyebabkan stator motor induksi
mengalami eddy current loss. Untuk itulah digunakan estimator dengan
metode neural network untuk mengestimasi fluks stator. Untuk
pengoptimalan pengaturan kecepatan dirancang kontroler PID-LQR.
Kontroler PID-LQR menghasilkan respon yang baik saat diaplikasikan
pada transfer function model pendekatan plant, namun tidak demikian
jika diaplikasikan terhadap plant yang sebenarnya yaitu motor induksi.
Oleh karena itu, penelitian ini juga merancang neural network flux
reference dengan tujuan respon kecepatan aktual dapat mengikuti respon
kecepatan yang diinginkan sesuai karakteristik yaitu rise time=0.16078
s, settling time=0,336 s, dan error steady state=0,33%.

Item Type: Thesis (Undergraduate)
Additional Information: RSE 621.313 6 Gam p
Uncontrolled Keywords: Motor Induksi, Direct Torque Control, Neural Network Fluks Estimator, PID, Linear Quadratic Regulator, Neural Network Flux Reference.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2785 Electric motors, Induction.
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: ansi aflacha
Date Deposited: 28 Mar 2019 06:25
Last Modified: 28 Mar 2019 06:25
URI: http://repository.its.ac.id/id/eprint/62625

Actions (login required)

View Item View Item