Sistem Pengaturan Kecepatan Motor Induksi Tiga Fasa Menggunakan Kontroler PID Berbasis Genetic Algorithm

Referensi :
Wildan, F. M., Hakim, E. A., & Suhardi, D. (2016). Sistem Pengaturan Kecepatan Motor Induksi Tiga Fasa Menggunakan Kontroler PID Berbasis Genetic Algorithm. KINETIK, 1(1), 23-32. https://doi.org/10.22219/kinetik.v1i1.6

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. Untuk mengatasi masalah tersebut, penggunaan inverter dengan teknik modulasi Pulse Width Modulation (PWM) menjadi krusial dalam mengatur frekuensi suplai, namun efektivitas pengaturan ini sangat bergantung pada performa kontroler PID yang diterapkan. Tantangan utama dalam sistem kontrol PID adalah penentuan konstanta Kp, Ki, dan Kd yang tepat untuk menyeimbangkan karakteristik rise time, kestabilan, dan peredaman overshoot. Oleh karena itu, penelitian ini mengembangkan sistem kontrol kecepatan motor induksi menggunakan metode Genetic Algorithm (GA) untuk melakukan auto-tuning parameter PID secara iteratif. Dengan memanfaatkan fungsi optimasi pada MATLAB, algoritma melakukan evolusi populasi melalui seleksi, rekombinasi, dan mutasi untuk mencari kombinasi parameter PID terbaik yang mampu menjaga kecepatan aktual motor agar selalu mendekati kecepatan referensi pada berbagai kondisi beban.

4. Metode Penelitian [Kembali]




Flowchart tersebut memvisualisasikan alur sistem kendali kecepatan motor induksi yang menggunakan metode Genetic Algorithm (GA) untuk penalaan parameter kontroler PID. Proses dimulai dengan menetapkan kecepatan referensi yang kemudian dibandingkan dengan kecepatan aktual untuk menghasilkan sinyal kesalahan (error), di mana algoritma GA bekerja secara iteratif untuk menentukan nilai parameter Kp, Ki, dan Kd yang optimal dengan mengevaluasi fungsi fitness hingga mencapai target akurasi yang diinginkan. Setelah parameter optimal ditemukan, kontroler tersebut diaplikasikan pada sistem inverter dan motor untuk menggerakkan putaran motor secara presisi, dengan feedback kecepatan aktual yang terus dikirim kembali ke titik perbandingan guna memastikan sistem selalu beroperasi pada performa terbaiknya.

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

Postingan populer dari blog ini

Ujian Akhir Semester

KONTROL TANK AIR

Modul 1 : Gerbang Logika Dasar & Monostable Multivibrator