Implementasi dan Perbandingan Performansi Kontroler Proportional Integral (PI) dengan Adaptive Neuro Fuzzy Inference System (ANFIS) pada Sistem Servo Motor DC

Diyajeng Luluk Karlina

Abstract


Kesadaran masyarakat terhadap transportasi yang mempengaruhi dampak negatif dalam lingkungan, menimbulkan efek meningkatnya penggunaan mobil listrik. Dasar komponen utama dalam pembuatan mobil listrik adalah motor DC. Pada kendaraan listrik, motor DC bekerja sebagai sistem servo dengan kecepatan motor dipertahankan konstan sesuai kebutuhan meskipun terjadi perubahan torsi beban. Dengan adanya penambahan torsi beban pada motor DC perlu adanya pengendalian atau kontroler yang dapat mengatasi adanya perubahan torsi beban tersebut. Salah satu kontroler yang dapat digunakan untuk menunjang kerja sistem yaitu kontroler dengan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Metode yang dilakukan dalam penelitian ini yaitu pengambilan data, pemodelan sistem, validasi sistem, uji kontroler anfis dan yang terakhir analisis hasil. Hasil yang diperoleh dari penelitian ini yaitu respon pengendalian kecepatan motor DC dengan menggunakan kontroler ANFIS memiliki nilai yang baik dengan settling time sebesar 23,74 detik dan tidak adanya maximum overshoot.


Keywords


Servo motor DC, ANFIS, PI.

Full Text:

PDF

References


REFERENSI

D. L. Karlina and K. Indriawati, “Fault Tolerant Control for Speed Sensorless of DC Motor,” Proceeding - ICoSTA 2020 2020 Int. Conf. Smart Technol. Appl. Empower. Ind. IoT by Implement. Green Technol. Sustain. Dev., 2020, doi: 10.1109/ICoSTA48221.2020.1570615272.

K. Premkumar and B. V. Manikandan, “Speed control of Brushless DC motor using bat algorithm optimized Adaptive Neuro-Fuzzy Inference System,” Appl. Soft Comput. J., vol. 32, pp. 403–419, 2015, doi: 10.1016/j.asoc.2015.04.014.

N. Walia, H. Singh, and A. Sharma, “ANFIS: Adaptive Neuro-Fuzzy Inference System- A Survey,” Int. J. Comput. Appl., vol. 123, no. 13, pp. 32–38, 2015, doi: 10.5120/ijca2015905635.

Y. Qian, “Designing a fuzzy PID controller for brushless DC motor,” Adv. Mater. Res., vol. 588–589, pp. 1650–1653, 2012, doi: 10.4028/www.scientific.net/AMR.588-589.1650.

J. S. R. Jang, “ANFIS: Adaptive-Network-Based Fuzzy Inference System,” IEEE Trans. Syst. Man Cybern., vol. 23, no. 3, pp. 665–685, 1993, doi: 10.1109/21.256541.

S. J. Hammoodi, K. S. Flayyih, and A. R. Hamad, “Design and implementation speed control system of DC motor based on PID control and matlab simulink,” Int. J. Power Electron. Drive Syst., vol. 11, no. 1, pp. 127–134, 2020, doi: 10.11591/ijpeds.v11.i1.pp127-134.

A. Hasan, “Fuzzy Inference System Based PID Controller,” no. 1, pp. 138–143, 2019.

Hidayat, P. H. Sasongko, Sarjiya, and Suharyanto, “Performance analysis of Adaptive Neuro Fuzzy Inference Systems (ANFIS) for speed control of brushless DC motor,” Proc. 2011 Int. Conf. Electr. Eng. Informatics, ICEEI 2011, no. July, pp. 1–6, 2011, doi: 10.1109/ICEEI.2011.6021755.




DOI: https://doi.org/10.52447/jkte.v9i2.7473

Refbacks

  • There are currently no refbacks.