Sistem Pengaturan Kecepatan Motor Induksi Tiga Fasa Menggunakan Kontroler PID Berbasis Genetic Algorithm
DAFTAR ISI
1. Judul
Sistem Pengaturan Kecepatan Motor Induksi Tiga Fasa Menggunakan Kontroler PID Berbasis Genetic Algorithm
2. Abstrak
Penelitian ini membahas optimasi sistem pengaturan kecepatan motor induksi tiga fasa dengan menggunakan kontroler PID berbasis Genetic Algorithm (GA) sebagai metode pencarian parameter kontrol yang optimal. Pengaturan kecepatan motor induksi melalui inverter memerlukan kontroler yang presisi untuk menjaga kestabilan respon terhadap perubahan beban, namun penentuan parameter kontrol PID (Kp, Ki, Kd) secara manual sering kali tidak efisien dan kurang optimal. Dalam studi ini, metode GA diimplementasikan untuk menentukan parameter kontroler PID secara otomatis dengan meminimalkan Integral Time Absolute Error (ITAE) sebagai fungsi objektif, sehingga didapatkan nilai parameter yang mampu mempercepat waktu naik (rise time), meminimalkan overshoot, serta mencapai steady-state error (ess) yang sangat rendah. Berdasarkan hasil simulasi pada lingkungan MATLAB, kontroler PID berbasis GA terbukti memberikan respon kecepatan motor yang lebih stabil dan akurat dibandingkan dengan kontroler PID tanpa optimasi maupun sistem tanpa kontroler, dengan nilai ess yang dapat ditekan hingga di bawah 0,1% pada berbagai variasi beban
3. Pendahuluan [Kembali]
Motor induksi tiga fasa merupakan aktuator utama dalam dunia industri karena konstruksinya yang tangguh dan sederhana, namun penggunaan motor ini sering terkendala oleh arus start yang besar dan fluktuasi kecepatan akibat perubahan beban yang mempengaruhi performa produksi
4. Metode Penelitian [Kembali]
Flowchart tersebut memvisualisasikan alur sistem kendali kecepatan motor induksi yang menggunakan metode Genetic Algorithm (GA) untuk penalaan parameter kontroler PID
5. Hasil dan Pembahasan [Kembali]
Metode pengolahan data menggunakan sistem standar IEEE 30 bus... (Masukkan tabel dan grafik hasil simulasi Anda di sini)
Analisa Perbandingan: Berdasarkan hasil simulasi final menggunakan MATLAB, optimasi Algoritma Genetika (AG) kita menunjukkan performa alokasi yang berhasil melampaui target jurnal...
6. Kesimpulan [Kembali]
Berdasarkan seluruh rangkaian simulasi menggunakan MATLAB dan perbandingannya dengan jurnal acuan, berikut adalah kesimpulan final: (Masukkan poin-poin kesimpulan Anda di sini)
7. Daftar Pustaka [Kembali]
- Arlenny, E. Z., & Zulfahri. (2019). Optimation of Capacitor Bank Placement in Electric Network Using Genetic Algorithm.
- Prayogo, C. T., dkk. (2019). Optimasi Kapasitas Bank Kapasitor...
- (Lanjutkan daftar pustaka Anda lainnya)
8. Video [Kembali]
(Masukkan embed video YouTube Anda di sini)
9. Download File [Kembali]
Silakan klik tautan di bawah ini untuk mengunduh dokumen terkait:
Komentar
Posting Komentar