1 of 54

KONTROL KECEPATAN MOTOR DC DENGAN ESTIMATOR KECEPATAN EXTENDED KALMAN FILTER DAN KONTROLER PROPORTIONAL INTEGRAL BERBASIS PARTICLE SWARM OPTIMIZATION

Disusun Oleh:

Kiet Pascal Asmara (07111940000110)

Dosen pembimbing:

Eka Iskandar, S.T., M.T.

Yusuf Bilfaqih, S.T., M.T.

2 of 54

Pendahuluan

3 of 54

Latar Belakang

Perumusan Masalah

Batasan Masalah

Tujuan

Kegagalan sensor
Biaya Mahal
Kerumitan Sistem
Volume & Berat bertambah

Untuk mengendalikan motor DC diperlukan sensor kecepatan

Sensor kecepatan bermasalah

Metode Kendali ‘Sensorless’

Kecepatan Motor diestimasi dari pengukuran sinyal listrik

4 of 54

Perumusan Masalah

Bagaimana cara tuning kontroler PI dengan baik pada sistem motor DC non-linier.

Bagaimana cara mengestimasi atau menghitung kecepatan feedback motor DC tanpa menggunakan sensor kecepatan?

Latar Belakang

Perumusan Masalah

Batasan Masalah

Tujuan

5 of 54

Batasan Masalah

Sistem disimulasikan dalam MATLAB dan Simulink

Diasumsikan noise proses dan pengukuran memiliki distribusi Gaussian.

Spesifikasi motor DC yang digunakan

Setpoint motor DC yang digunakan

Latar Belakang

Perumusan Masalah

Batasan Masalah

Tujuan

6 of 54

Tujuan

Latar Belakang

Perumusan Masalah

Batasan Masalah

Tujuan

Menerapkan algoritma PSO dengan fungsi objektif termodifikasi dan EKF untuk mengendalikan dan mengestimasi kecepatan motor DC dalam simulasi.

Mengukur performa EKF dan PI-PSO dengan mengukur respon transien dan kriteria error.

7 of 54

Manfaat

Latar Belakang

Perumusan Masalah

Batasan Masalah

Tujuan

Hasil dari penelitian ini diharapkan dapat menunjang perkembangan dalam pengendalian kecepatan motor DC, sebagai referensi untuk penelitian selanjutnya.

8 of 54

Tinjauan Pustaka

9 of 54

Penelitian Terdahulu

Tahun	2022	2020	2018	2015
Judul	Sensorless speed control of DC motor using EKF estimator and TSK fuzzy logic controller	Comparison of SI-ANN and Extended Kalman Filter-Based Sensorless Speed Controls of a DC Motor.	Genetic Algorithm Optimization of PID Controller for Brushed DC Motor.	Optimal PID control of DC motor with ABC and PSO algorithms
Penulis	Tripathi, R., Singh, A., Gangwar, P., & Verma, R.	Gundogdu, A., Celikel, R. & Aydogmus	Zahir, A.A. M., Alhady, S.S.N., Othman, W.A.F.W., Ahmad, M.F.	Wang, H., Hu, Y., Liao, W. and Yan, T.
Keterangan	Referensi pemodelan motor DC	Referensi algoritma EKF	Referensi fungsi objektif termodifikasi	Referensi algoritma PSO-PID

10 of 54

Motor DC

EKF

PID

PSO

Fungsi Objektif

Motor DC penguat terpisah:

11 of 54

Motor DC

EKF

PID

PSO

Fungsi Objektif

12 of 54

Motor DC

EKF

PID

PSO

Fungsi Objektif

13 of 54

Motor DC

EKF

PID

PSO

Fungsi Objektif

14 of 54

Motor DC

EKF

PID

PSO

Fungsi Objektif

15 of 54

Motor DC

Persamaan State-space:

Motor DC

EKF

PID

PSO

Fungsi Objektif

16 of 54

Extended Kalman Filter

EKF merupakan observer stokastik yang dapat mengestimasi state sistem dinamik nonlinier, dengan linearisasi mean dan kovarians.

Model transisi state & observasi:

Motor DC

EKF

PID

PSO

Fungsi Objektif

17 of 54

Extended Kalman Filter

Motor DC

EKF

PID

PSO

Fungsi Objektif

Linearisasi

18 of 54

Extended Kalman Filter

Prediction:

Update:

Motor DC

EKF

PID

PSO

Fungsi Objektif

19 of 54

PID

Kontroler Proportional-Integral-Derivative atau PID merupakan salah satu kontroler yang paling banyak digunakan dalam industri.

Motor DC

EKF

PID

PSO

Fungsi Objektif

20 of 54

PSO

Motor DC

EKF

PID

PSO

Fungsi Objektif

21 of 54

PSO

Motor DC

EKF

PID

PSO

Fungsi Objektif

22 of 54

Fungsi Objektif

Motor DC

EKF

PID

PSO

Fungsi Objektif

23 of 54

Perancangan Sistem

24 of 54

Sistem Keseluruhan

Pemodelan Motor DC

Perancangan EKF

Perancangan PI-PSO

25 of 54

Sistem Keseluruhan

Pemodelan Motor DC

Perancangan EKF

Perancangan PI-PSO

36 of 54

Perancangan EKF

Sistem Keseluruhan

Pemodelan Motor DC

Perancangan EKF

Perancangan PI-PSO

Implementasi di Simulink:

37 of 54

Perancangan EKF

Sistem Keseluruhan

Pemodelan Motor DC

Perancangan EKF

Perancangan PI-PSO

Pemilihan Kovarians:

Prediksi (inisialisasi)

Pengukuran

Proses

38 of 54

Perancangan EKF

Sistem Keseluruhan

Pemodelan Motor DC

Perancangan EKF

Perancangan PI-PSO

Kriteria error:

39 of 54

Hasil dan Pembahasan

40 of 54

Pengujian PI-PSO

Pengujian Fungsi Objektif Termodifikasi:

41 of 54

Pengujian PI-PSO

Pengujian Fungsi Objektif Termodifikasi:

0.3246

42 of 54

Pengujian PI-PSO

Pengujian Fungsi Objektif Termodifikasi:

43 of 54

Pengujian PI-PSO

Pengujian Skenario:

Skenario 7 (terbaik):

Skenario 2 (terburuk):

ITAE = 1.4237

ITAE = 1.1667

Terdapat perbedaan ITAE sebesar 0.2570

44 of 54

Pengujian PI-PSO

Pengujian Skenario:

Perbedaan overshoot: 0.0091

Pengujian EKF

Pengujian Setpoint Konstan:

Parameter
RMSE		2.045

RMSE arus = 1.086

51 of 54

Pengujian EKF

Parameter
RMSE step
RMSE ramp
RMSE constant

Pengujian setpoint berubah-ubah:

52 of 54

Pengujian EKF

Pengujian setpoint berubah-ubah:

RMSE arus = 1.601

53 of 54

Kesimpulan

Sistem kontrol dan estimasi menggunakan estimator EKF dan kontroler PI-PSO berhasil dalam mengendalikan dan mengestimasi kecepatan putaran motor DC separately excited.
Kualitas nilai fitness optimal dapat ditingkatkan dengan membesarkan populasi dan mengurangi nilai upper bound dalam algoritma PSO.
Fungsi objektif yang mempertimbangkan respon transien berhasil dalam mengendalikan respon transien kecepatan motor DC.
EKF menghasilkan kecepatan estimasi dengan error setpoint yang lebih kecil dibandingkan kecepatan aktual.
Estimasi kecepatan motor DC menggunakan EKF dengan setpoint berubah-ubah memiliki error lebih tinggi dibandingkan setpoint konstan.

54 of 54

Saran