Claim Missing Document
Check
Articles

Found 3 Documents
Search

Particle Swarm Optimization (PSO) Sebagai Tuning PID Kontroler Untuk Kecepatan Motor DC Machrus Ali; Izzatul Umami; Hendi Sopian
Jurnal Intake : Jurnal Penelitian Ilmu Teknik dan Terapan Vol. 7 No. 1 (2016): April 2016
Publisher : FT- UNDAR

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48056/jintake.v7i1.14

Abstract

Motor DC yang terhubung dengan seri atau shunt banyak digunakan dalam berbagai aplikasi. Karena memiliki torsi yang relatif tinggi untuk memikul beban dibandingkan dengan motor permanen magnet dengan ukuran yang sama. Motor permanen magnet bersifat linear sedangkan motor DC bersifat non linea. Ketidaklinearan dari motor DC tersebut akan mempersulit dalam aplikasi yang memerlukan kecepatan kontrol secara otomatis. Sayangnya, non linear model dinamik dari motor DC memiliki keterbatasan pada desain dari ragkaian close-loop feedback kontroler. Karakteristik non linear dari motor DC seperti saturasi dan gesekan dapat menurunkan kinerja dari konvensional Kontrol. Pemodelan system pengaturan motor Motor DC harus disesuaikan dengan karakteristik motor DC dan model pengaturannya. Metode kontrol Proporsional-Integral-Derivative (PID) banyak diterapkan di bidang industri. Kontroler ini memiliki parameter-parameter pengontrol, yaitu Kp, Ki, dan Kd. Ketiga parameter tersebut diturunkan dari perhitungan matematis pada metode PID konvensional. Metode osilasi Ziegler-Nichols merupakan sebuah metode penalaan PID yang dapat dilakukan secara otomatis tanpa memodelkan sistem. Paper ini digunakan untuk membandingkan perancangan kecepatan motor DC tanpa controller, dengan manual controller, dengan PID tanpa Artificial Intelegence (AI) dan dengan menggunakan Proporsional-Integral-Derivative (PID) yang dituning dengan 2 (dua) AI. AI yang digunakan adalah Particle Swarm Optimization (PSO). Sistem kontrol kecapatan motor DC yang paling baik adalah kontrol PID-PSO, kemudian dengan kontrol, PID-ZN, PID dan Nonkontrol. Didapatkan nilai; overshoot tanpa kontrol 0 dengan settling time 7,634 detik, overshoot PID standart 1,513 dengan settling time 10 detik, overshoot PID-ZN 1,495 dengan settling time 2,023 detik, overshoot PID-PSO 1,103 dengan settling time 1,32 detik.
Particle Swarm Optimization (PSO) Sebagai Tuning PID Kontroler Untuk Kecepatan Motor DC Machrus Ali; Izzatul Umami; Hendi Sopian
Jurnal Intake : Jurnal Penelitian Ilmu Teknik dan Terapan Vol. 5 No. 2 (2014): Oktober, 2014
Publisher : FT- UNDAR

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48056/jintake.v5i2.75

Abstract

Motor DC yang terhubung dengan seri atau shunt banyak digunakan dalam berbagai aplikasi. Karena memiliki torsi yang relatif tinggi untuk memikul beban dibandingkan dengan motor permanen magnet dengan ukuran yang sama. Motor permanen magnet bersifat linear sedangkan motor DC bersifat non linea. Ketidaklinearan dari motor DC tersebut akan mempersulit dalam aplikasi yang memerlukan kecepatan kontrol secara otomatis. Sayangnya, non linear model dinamik dari motor DC memiliki keterbatasan pada desain dari ragkaian close-loop feedback kontroler. Karakteristik non linear dari motor DC seperti saturasi dan gesekan dapat menurunkan kinerja dari konvensional Kontrol. Pemodelan system pengaturan motor Motor DC harus disesuaikan dengan karakteristik motor DC dan model pengaturannya. Metode kontrol Proporsional-Integral-Derivative (PID) banyak diterapkan di bidang industri. Kontroler ini memiliki parameter-parameter pengontrol, yaitu Kp, Ki, dan Kd. Ketiga parameter tersebut diturunkan dari perhitungan matematis pada metode PID konvensional. Metode osilasi Ziegler-Nichols merupakan sebuah metode penalaan PID yang dapat dilakukan secara otomatis tanpa memodelkan sistem. Paper ini digunakan untuk membandingkan perancangan kecepatan motor DC tanpa controller, dengan manual controller, dengan PID tanpa Artificial Intelegence (AI) dan dengan menggunakan Proporsional-Integral-Derivative (PID) yang dituning dengan 2 (dua) AI. AI yang digunakan adalah Particle Swarm Optimization (PSO). Sistem kontrol kecapatan motor DC yang paling baik adalah kontrol PID-PSO, kemudian dengan kontrol, PID-ZN, PID dan Nonkontrol. Didapatkan nilai; overshoot tanpa kontrol 0 dengan settling time 7,634 detik, overshoot PID standart 1,513 dengan settling time 10 detik, overshoot PID-ZN 1,495 dengan settling time 2,023 detik, overshoot PID-PSO 1,103 dengan settling time 1,32 detik
Algoritma Persaingan Imperialis Sebagai Optimasi Kontroler PID dan ANFIS Pada Mesin Sinkron Magnet Permanen Machrus Ali; Agus Raikhani; Budiman Budiman; Hendi Sopian
JEEE-U (Journal of Electrical and Electronic Engineering-UMSIDA) Vol 3 No 1 (2019): April
Publisher : Muhammadiyah University, Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/jeee-u.v3i1.2023

Abstract

Permanent Magnet Syschronous Machine (PMSM) has low torque, so good control is needed to be stable quickly. PMSM uses the principle of faraday experiments which is rotating a magnet in a coil or vice versa. When a magnet moves in a coil, there is a change in magnetic flux in the coil and penetrates perpendicular to the coil so that there is a potential difference between the ends of the coil, regarding this due to changes in magnetic flux. Magnetic flux can be changed by moving a magnet in a coil or vice versa by utilizing other energy sources. To get a good optimization result, the right control constants are needed. So that the best output is obtained. To get the right constants, a suitable and good method is needed, including using artificial intelligence. In this study using the Imperialist Competitive Algorithm (ICA) method. From the simulation results it was found that the best controller design in this study was ANFIS-ICA with the best profile, torque profile, voltage profile, and rotation profile. The largest current is 2.45 A, the smallest overshot torque is 0.48 pu, the largest voltage frequency is 9.84 khz, and the best rotation (close to the reference) is 700.02 rpm. The results of this study will be continued with the use of other artificial intelligence.