Kontrol Kecepatan Motor Induksi menggunakan Algoritma Backpropagation Neural Network

Elkomika

View Publication Info
 
 
Field Value
 
Title Kontrol Kecepatan Motor Induksi menggunakan Algoritma Backpropagation Neural Network
 
Creator DJALAL, MUHAMMAD RUSWANDI; Teknik Energi Politeknik Negeri Ujung Pandang
HUTORO, KOKO; Teknik Elektro Institut Teknologi Sepuluh Nopember
IMRAN, ANDI; Teknik Elektro Institut Teknologi Sepuluh Nopember
 
Subject
 
Description ABSTRAKBanyak strategi kontrol berbasis kecerdasan buatan telah diusulkan dalam penelitian seperti Fuzzy Logic dan Artificial Neural Network (ANN). Tujuan dari penelitian ini adalah untuk mendesain sebuah kontrol agar kecepatan motor induksi dapat diatur sesuai kebutuhan serta membandingkan kinerja motor induksi tanpa kontrol dan dengan kontrol. Dalam penelitian ini diusulkan sebuah metode artificial neural network untuk mengontrol kecepatan motor induksi tiga fasa. Kecepatan referensi motor diatur pada kecepatan 140 rad/s, 150 rad/s, dan 130 rad/s. Perubahan kecepatan diatur pada setiap interval 0.3 detik dan waktu simulasi maksimum adalah 0,9 detik. Kasus 1 tanpa kontrol, menunjukkan respon torka dan kecepatan dari motor induksi tiga fasa tanpa kontrol. Meskipun kecepatan motor induksi tiga fasa diatur berubah pada setiap 0,3 detik tidak akan mempengaruhi torka. Selain itu, motor induksi tiga fasa tanpa kontrol memiliki kinerja yang buruk dikarenakan kecepatan motor induksi tidak dapat diatur sesuai dengan kebutuhan. Kasus 2 dengan control backpropagation neural network, meskipun kecepatan motor induksi tiga fasa berubah pada setiap 0.3 detik tidak akan mempengaruhi torsi. Selain itu, kontrol backpropagation neural network memiliki kinerja yang baik dikarenakan kecepatan motor induksi dapat diatur sesuai dengan kebutuhan.Kata kunci: Backpropagation Neural Network (BPNN), NN Training, NN Testing, Motor.ABSTRACTMany artificial intelligence-based control strategies have been proposed in research such as Fuzzy Logic and Artificial Neural Network (ANN). The purpose of this research was design a control for the induction motor speed that could be adjusted as needed and compare the performance of induction motor without control and with control. In this research, it was proposed an artificial neural network method to control the speed of three-phase induction motors. The reference speed of motor was set at the rate of 140 rad / s, 150 rad / s, and 130 rad / s. The speed change was set at every 0.3 second interval and the maximum simulation time was 0.9 seconds. Case 1, without control, shows the torque response and velocity of three-phase induction motor without control. Although the speed of three phase induction motor was set to change at every 0.3 seconds, it would not affect the torque. The uncontrolled three-phase induction motors had poor performance due to induction motor speeds could not be adjusted as needed. Case 2 with backpropagation neural network control, although the speed of three phase induction motor changing at every 0.3 seconds would not affect the torque. In addition, the backpropagation neural network control had a good performance because the speed of induction motor could be adjusted as needed.Keywords: Backpropagation Neural Network (BPNN), NN Training, NN Testing, Motor
 
Publisher Institut Teknologi Nasional, Bandung
 
Contributor
 
Date 2017-12-05
 
Type Artikel yang dipeer-review
 
Format application/pdf
 
Identifier http://ejurnal.itenas.ac.id/index.php/elkomika/article/view/1468
10.26760/elkomika.v5i2.138
 
Source ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika; Vol 5, No 2 (2017): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika; 138
Jurnal Elkomika; Vol 5, No 2 (2017): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika; 138
 
Language id
 
Relation http://ejurnal.itenas.ac.id/index.php/elkomika/article/download/1468/2288
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library