Pengaturan Kecepatan Motor Induksi Tanpa Sensor Kecepatan dengan Metoda Direct Torque Control Menggunakan Observer Recurrent Neural Network

Authors

  • Epyk Sunarno Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Surabaya
  • Soebagio Soebagio Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Surabaya
  • Mauridhi Heri Purnomo Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Surabaya

:

https://doi.org/10.9744/jte.8.2.88-95

Keywords:

direct torque control, speed sensorless, recurrent neural network

Abstract

This paper describes about development of sensorless control for three phase induction motor speed which is operated by Direct Torque Control (DTC). Induction motor speed is identified by an Observer. Current supply and Stator Voltage are ruquired by Observer to gain Motor Speed Estimation. Observer for motor speed identification is developed using Artificial Neural Network (ANN) Method and Recurrent Neural Network (RNN) learning algorithm. The simulation results using MathLab/Simulink show that on PI controller with Recurrent Neural Network (RNN) observer, there are the overshoot 7,0224%, rise time 0,0125 second and settling time 0,364 second with reference speed 77,9743 rad./sec. Abstract in Bahasa Indonesia: Penelitian ini membahas pengembangan kontrol pada kecepatan motor induksi tiga fasa tanpa sensor kecepatan (speed sensorless) yang dioperasikan dengan metoda Direct Torque Control (DTC). Kecepatan motor induksi diidentifikasi oleh suatu observer. Estimasi kecepatan motor oleh observer memerlukan masukkan arus dan tegangan stator. Observer untuk identifikasi kecepatan motor menggunakan metode Artificial Neural Network (ANN) dengan algoritma pembelajaran menggunakan Recurrent Neural Network (RNN). Hasil simulasi menggunakan matlab-simulink menunjukkan saat motor diberikan kecepatan referensi 77,9743 rad/detik terjadi overshoot 7,0224% , rise time 0,0125 detik dan settling time 0,364 detik. Kata Kunci: direct torque control, speed sensorless, recurrent neural network

Downloads

Published

2010-04-08