POLBANPOLBAN

JITEL (Jurnal Ilmiah Telekomunikasi, Elektronika, dan Listrik Tenaga)JITEL (Jurnal Ilmiah Telekomunikasi, Elektronika, dan Listrik Tenaga)

Motor DC merupakan aktuator elekromagnetik yang mengubah energi listrik menjadi energi mekanik dan banyak digunakan dalam industri. Meskipun kecepatan putarnya dapat dikendalikan dengan mudah, performa sistem harus tetap dijaga agar optimal. Proportional-Integral-Derivative (PID) merupakan salah satu metode yang sering digunakan dalam pengendalian motor DC. Namun, tantangan utama dalam metode PID adalah tuning (penyetelan) parameter, yaitu menentukan nilai Kp, Ki, dan Kd agar menghasilkan performa yang optimal. Dalam penelitian ini, penyetelan parameter PID dilakukan menggunakan algoritma Particle Swarm Optimization (PSO) untuk memperoleh kendali kecepatan motor DC yang lebih optimal. Selain itu, penelitian ini juga membandingkan performa tuning PSO dengan tuning Ziegler-Nichols 2 (ZN 2). Sistem ini menggunakan LabVIEW sebagai perangkat lunak antarmuka serta NI ELVIS II sebagai perangkat keras pengontrol dan akuisisi data. Metode kendali yang digunakan berupa sistem kendali umpan balik dengan keluaran berupa kecepatan motor DC. Hasil penelitian menunjukkan bahwa sistem kendali kecepatan motor DC dengan metode tuning PSO menghasilkan rise time 5 detik dan settling time 7 detik. Metode tuning ZN 2 menghasilkan rise time 8 detik, dan settling time 11 detik. Sementara itu, metode tuning trial and error menghasilkan rise time 7 detik dan settling time 12 detik. Hasil ini menunjukkan bahwa metode tuning PSO mampu meningkatkan performa kendali kecepatan motor DC dibandingkan metode ZN 2 dan trial and error, dengan respons waktu yang lebih baik.

Tuning parameter PID menggunakan metode PSO menghasilkan performa terbaik pada jumlah partikel sebanyak 10, dengan nilai Kp = 0,004643, Ki = 0,006617, dan Kd = 0,005841, yang menghasilkan rise time 5 detik dan settling time 7 detik tanpa overshoot.Dibandingkan metode ZN 2 dan trial and error, metode PSO memberikan respons sistem yang lebih cepat dan stabil.Penelitian selanjutnya disarankan untuk menerapkan algoritma optimisasi lain yang mampu mengatasi gangguan pada sistem motor DC.

Pertama, perlu dikaji apakah algoritma optimisasi lain seperti Grey Wolf Optimizer atau Genetic Algorithm dapat menghasilkan tuning PID yang lebih tangguh terhadap gangguan eksternal seperti perubahan beban secara tiba-tiba pada motor DC. Kedua, bagaimana jika sistem kontrol PSO-PID diuji dalam skenario dinamis dengan setpoint yang berubah-ubah secara terprogram, untuk mengevaluasi kemampuan sistem dalam menjaga kestabilan kecepatan pada kondisi operasional yang lebih kompleks. Ketiga, apa yang terjadi jika metode PSO dikombinasikan dengan kontrol adaptif atau Fuzzy Logic untuk mengatasi ketidakpastian parameter sistem dan gangguan eksternal secara real-time, sehingga sistem tidak hanya optimal dalam kondisi terkendali tetapi juga handal dalam lingkungan nyata yang tidak pasti. Penelitian-penelitian ini dapat memperdalam penerapan kontrol cerdas pada sistem motor DC dan membuka jalan bagi sistem kendali yang lebih robust dan fleksibel di industri.

  1. Comparison of PID Tuning Methods for Parallel Hybrid Electric Vehicle Speed Controller | Telekontran... doi.org/10.34010/telekontran.v10i1.7411Comparison of PID Tuning Methods for Parallel Hybrid Electric Vehicle Speed Controller Telekontran doi 10 34010 telekontran v10i1 7411
  2. Improved Beetle Antennae Search Algorithm‐Based Lévy Flight for Tuning of PID... hindawi.com/journals/mpe/2020/4287315Improved Beetle Antennae Search AlgorithmyAAAaBased LyEAvy Flight for Tuning of PID hindawi journals mpe 2020 4287315
  3. Adaptive Tuning of PID Controller using Crow Search Algorithm for DC motor - IOPscience. adaptive tuning... doi.org/10.1088/1757-899x/1076/1/012001Adaptive Tuning of PID Controller using Crow Search Algorithm for DC motor IOPscience adaptive tuning doi 10 1088 1757 899x 1076 1 012001
Read online
File size471.73 KB
Pages10
DMCAReport

Related /

ads-block-test