Claim Missing Document
Check
Articles

Found 13 Documents
Search

Rancang Bangun Pengaturan Kecepatan Motor DC Menggunakan Metode Fuzzy Gain Scheduling PID Control Iradiratu Diah Prahmana Karyatanti; Belly Yan Dewantara; Moch. Renaldy Hardiansyah
ALINIER: Journal of Artificial Intelligence & Applications Vol. 5 No. 1 (2024): ALINIER Journal of Artificial Intelligence & Applications
Publisher : Program Studi Teknik Elektro S1 ITN Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/alinier.v5i1.5103

Abstract

Motor DC (Direct Current) atau sering disebut juga motor listrik arus searah merupakan suatu perangkat yang dapat mengubah energi listrik searah menjadi energi mekanik. Dalam kehidupan sehari-hari baik di industri dan rumah tangga, motor DC lebih sering digunakan untuk keperluan aplikasi yang membutuhkan variasi kecepatan. Beberapa kelebihan yang dimiliki motor DC diantaranya yaitu stabil dan tidak mempunyai kerugian daya reaktif. Variasi kecepatan motor DC dikembangkan dengan beberapa metode. Salah satu teknik dalam sistem kontrol untuk mengatasi permasalahan ini adalah menggunakan metode Fuzzy Gain Scheduling-PID control. Dimana parameter kontrol diubah secara otomatis jika terjadi perubahan kondisi operasi yang menyebabkan perubahan kinerja kontrol. Fuzzy Gain Scheduling-PID control merupakan motede hybrid dimana fuzzy berfungsi menghitung parameter kontrol PID (Kp, Ti dan Td), berdasarkan kondisi sinyal error dan delta erros. Dengan pengembangan aplikasi Fuzzy Gain Scheduling-PID control untuk memvariasikan kecepatan didapatkan kecepatan motor DC smooth sesuai yang diinginkan
Monitoring Bearing Motor Induksi Pada Variasi Noise Menggunakan Pengolahan Sinyal FFT Adistra Shanda Syahputi; Moch Iqbal Widjaya Ash Siddiq; Belly Yan Dewantara; Iradiratu Diah Prahmana Karyatanti; Muhammad Dzikri Akbar Bahtiar
ALINIER: Journal of Artificial Intelligence & Applications Vol. 5 No. 1 (2024): ALINIER Journal of Artificial Intelligence & Applications
Publisher : Program Studi Teknik Elektro S1 ITN Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/alinier.v5i1.5104

Abstract

Motor induksi memiliki berbagai keunggulan dibandingkan dengan motor listrik jenis yang lain karena kontruksinya yang sederhana, handal dan berharga murah. Meskipun memiliki konstruksi yang kuat, bukan berarti motor induksi tidak pernah mengalami kerusakan. Kerusakan bagian motor yang sering terjadi adalah kerusakan bearing. Fault diagnosis (FD) secara kontinue diperlukan untuk mengantisipasi terjadinya kerusakan lebih parah, menjaga keandalan, menekan biaya perawatan, dan tindakan perawatan tepat waktu. Kebisingan lingkungan tidak dapat dihindari dari lokasi motor, sehingga pada penelitian ini FD akan diuji pada beberapa tingkat kebisingan lingkungan. Penelitian ini mengusulkan pengembangan FD elemen bearing dengan teknik non-invasive berdasarkan sinyal suara dengan mempertimbangkan pengaruh kebisingan lingkungan. Filtering sinyal suara harus dilakukan dengan cermat agar hasil deteksi tidak diragukan. Band-pass filter diterapkan untuk memberikan informasi frekuensi resonansi yang menggambarkan kondisi elemen bearing. Data analisis dan feature extraction menggunakan pendekatan fast fourier transform dan analisis spectrum. FD yang dikembangkan berupa hardware yang dirancang menggunakan Raspberry pi dengan software Phyton. Pengembangan ini menawarkan FD yang real-time dimana sinyal suara langsung diproses sehingga hasil diagnosis dapat ditampilkan di LCD. Signifikasi hasil penelitian adalah menawarkan sistem monitoring kondisi motor dengan hardware yang dikembangkan sehingga hasil deteksi lebih cepat, mudah, murah, dan akurasi tinggi meskipun ada pengaruh kebisingan lingkungan. Dengan metode yang diusulkan mendapatkan akurasi deteksi sebesar 95.58%.
Koordinasi Docr Pada Sistem Distribusi Dengan Pembangkit Tersebar Menggunakan Artificial Neural Network BPCG Moh Asief; Daeng Rahmatullah; Iradiratu Diah Prahmana Karyatanti; Istyo Winarno
Jurnal Teknik Elektro dan Komputer TRIAC Vol 9, No 1 (2022): Mei 2022
Publisher : Jurusan Teknik Elektro Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/triac.v9i1.13401

Abstract

Abstract— Kebutuhan listrik yang semakin besar harus didukung sistem proteksi yang handal. Pada sistem distribusi sistem proteksi digunakan untuk mendeteksi arus gangguan hubung singkat dan beban lebih karena dampak dari pembangkit tersebar. Pengaturan rele proteksi dapat dilakukan dengan menghitung manual untuk mendapatkan nilai TDS dan Ipickup di setiap kombinasi pembangkitan. Perhitungan manual cukup rumit dan memakan waktu lama. Dengan menggunakan Artificial Intelligence (AI) maka cukup menghitung sekali di setiap kombinasi pembangkitan dari data pehitungan manual. Penelitian ini menggunakan algoritma Artificial Neural Network Backpropagation Conjugate Gradient (ANN BPCG) agar mendapatkan pengaturan yang tepat pada setiap perubahan kondisi pembangkitan. Proses Pelatihan ANN menghasilkan nilai Mean Squared Error (MSE) pada neuron 27 sebesar  0.45818. Rata-rata selisih keseluruhan dari TDS rele 1 sampai rele 15 pada setiap kondisi pembangkitan adalah 0.0011 detik dan rata-rata persentase selisih keseluruhan adalah 0.1081%.  Hasil penelitian ini dibuktikan dalam simulasi software. ANN BPCG merupakan metode yang cocok untuk memodelkan sistem koordinasi DOCR pada sistem distribusi dengan pembangkit tersebar.