Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Oleh : Muhammad Ruswandi Djalal

Presentasi serupa


Presentasi berjudul: "Oleh : Muhammad Ruswandi Djalal"— Transcript presentasi:

1 Oleh : Muhammad Ruswandi Djalal 2213201008
STUDI KOMPARASI ARTIFICIAL INTELLIGENT METHODS UNTUK OPTIMASI PID CONTROLLER SEBAGAI PENGENDALI KECEPATAN MOTOR DC, INDUKSI, DAN SINKRON Oleh : Muhammad Ruswandi Djalal

2 Yang akan disimulasikan
Motor DC Motor Induksi Motor Sinkron

3 Problems and Solutions...
Speed Control of Motor Using PID Control

4 Artificial Intelligent Methods
Firefly Algorithm Cuckoo Search Algorithm Bat Algorithm Flower Pollination Algorithm Differential Evolution Ant Colony Optimization Particle Swarm Optimization Imperialist Competitive Algorithm

5 [1] Firefly Algorithm Best Firefly Inisialisasi Kunang-Kunang
Perpindahan (Proses) Best Firefly Konsep : Kunang-Kunang akan tertarik pada yang lebih terang

6 [1] Firefly Algorithm For...
Inisialisasi Populasi Firefly [kp, ki, kd] Proses (Pindah Ke Firefly yg Lebih Terang) Select Best Firefly Kp “best” Ki “best” Kd “best” Konsep : Kunang-Kunang akan tertarik pada yang lebih terang

7 [2] Cuckoo Search Algorithm
Inisialisasi Sarang Proses (Pencarian Sarang via Levy Flight) Pilih Best Nest Konsep : Menempatkan telurnya di sarang burung lain

8 [2] Cuckoo Search Algorithm For...
Inisialisasi Sarang [kp, ki, kd] Proses (Pencarian Sarang via Levy Flight) Select Best Nest Kp “best” Ki “best” Kd “best” Konsep : Menempatkan telurnya di sarang burung lain

9 [3] Bat Algorithm Select Best Food Inisialisasi Populasi
Proses (Ekolokasi) Select Best Food Konsep : terbang di kegelapan malam mencari makanan tanpa menabrak sesuatu apapun (Kemampuan Ekolokasi)

10 [3] Bat Algorithm For... Inisialisasi Populasi Bat (Kp, Ki, Kd) Proses Ekolokasi Select Best Food Kp “best” Ki “best” Kd “best” Konsep : terbang di kegelapan malam mencari makanan tanpa menabrak sesuatu apapun (Kemampuan Ekolokasi)

11 [4] Flower Pollination Algorithm
Inisialisasi Populasi Flowers Random (Proses) Best Solution Konsep : terinspirasi dari proses pernyebukan bunga (Biotik & abiotik)

12 [4] Flower Pollination Algorithm
Inisialisasi Populasi Flowers (Kp, Ki, Kd) Proses (Foraging) Best Solution Kp “best” Ki “best” Kd “best” Konsep : terinspirasi dari proses pernyebukan bunga (Biotik & abiotik)

13 [5] Differential Evolution
Inisialisasi Populasi Mutasi Populasi Populasi Baru Konsep : Terinspirasi dari evolusi biologis berbasis populasi yang menggunakan siklus perulangan dari rekombinasi dan seleksi untuk mengarahkan populasi mencari nilai optimum

14 [5] Differential Evolution
Inisialisasi Populasi lebah (Kp, Ki, Kd) Mutasi Populasi Populasi Baru Kp “best” Ki “best” Kd “best” Konsep : Terinspirasi dari evolusi biologis berbasis populasi yang menggunakan siklus perulangan dari rekombinasi dan seleksi untuk mengarahkan populasi mencari nilai optimum

15 [6] Ant Colony Optimization
Inisialisasi Populasi Semut Proses (tour) Best Food based the short rute Konsep : Menemukan jalur terpendek antara sarang dan sumber makanan dengan mengikuti jejak feromon

16 [6] Ant Colony Optimization
Inisialisasi Populasi Semut (Kp, Ki, Kd) Proses (Tour) Select Best Rute Kp “best” Ki “best” Kd “best” Konsep : Menemukan jalur terpendek antara sarang dan sumber makanan dengan mengikuti jejak feromon

17 [7] Particle Swarm Optimization
Inisialisasi Partikel Random (Proses) Best Position Konsep : meniru proses alam dalam berkomunikasi satu sama lain dalam berkumpul, migrasi, atau berburu

18 [7] Particle Swarm Optimization
Inisialisasi Populasi Swarm (Kp, Ki, Kd) Proses (Foraging) Select Best Food Kp “best” Ki “best” Kd “best” Konsep : meniru proses alam dalam berkomunikasi satu sama lain dalam berkumpul, migrasi, atau berburu

19 [8] Imperialist Competitive Algorithm
Inisialisasi Empire Kompetisi (Proses) Best Empire konsep : kompetisi kerajaan untuk memperoleh kekuasaan terbesar

20 [8] Imperialist Competitive Algorithm
Inisialisasi Empire (Kp, Ki, Kd) Kompetisi (Proses) Best Empire Kp “best” Ki “best” Kd “best” konsep : kompetisi kerajaan untuk memperoleh kekuasaan terbesar

21 HASIL SIMULASI Motor DC Motor Induksi Motor Sinkron

22 Motor DC

23 DC Motor Modeling DC permanent magnet motor Rated speed 1400rpm
Objective Function :

24 Firefly Algorithm

25

26 Cuckoo Search Algorithm

27

28 Bat Algorithm

29

30 Flower Pollination Algorithm

31

32 Differential Evolution

33 Ant Colony Optimization

34

35 Particle Swarm Optimization

36

37 Imperialist Competitive Algorithm

38

39

40 Ant Colony Optimization Imperialist Competitive Alg.
Param. Firefly Algorithm Cuckoo Bat Flower Diff. Evolution Ant Colony Optimization Particle Swarm Opt. Imperialist Competitive Alg. Kp 40 4.36     Ki 2.8170 9.1  7.2255  2.8930 9.9951 9.1684 1.4529 0.0953 Kd 1 0.59  0.0648  0.0052 0.9775 0.4777

41 Motor Induksi

42

43 Firefly Algorithm

44 Tanpa Kontrol 1.482 PID-Firefly 1.061

45 Cuckoo Search Algorithm

46 Tanpa Kontrol 1.49 PID-Cuckoo 1.044

47 Particle Swarm Optimization

48 Tanpa Kontrol 1.488 PID-PSO 1.161

49 Ant Colony Optimization

50 Tanpa Kontrol 1.489 PID-ACO 1.037

51 Differential Evolution

52 Tanpa Kontrol 1.486 PID-DE 1.057

53 Flower Pollination Algorithm

54 Tanpa Kontrol 1.485 PID-Flower 1.021

55 Bat Algorithm

56 Tanpa Kontrol 1.484 PID-Bat 1.047

57 Imperialist Competitive Algorithm

58 Tanpa Kontrol 1.490 PID-ICA 1.052

59

60 Param. Firefly Algorithm Cuckoo PSO ACO Diff. Evolution Flower Algorithm ICA Bat Algorithm Kp 0.3392 0.3388 0.3889 0.3359 0.4337 0.4213 0.3654 0.2960 Ki 0.4150 0.1398 0.6355 0.3173 0.3919 0.2337 0.1922 0.0923 Kd 0.0500 0.0449 0.0825 0.0427 0.0407 0.0274 0.0453 0.0491

61 Motor Sinkron

62 Firefly Algorithm

63 Tanpa Kontrol 43.33 PID-Firefly 32.1

64 Cuckoo Search Algorithm

65 Tanpa Kontrol 43.4 PID-Cuckoo 31.29

66 Particle Swarm Optimization

67 Tanpa Kontrol 43.28 PID-PSO 35.1

68 Ant Colony Optimization

69 Tanpa Kontrol 43.37 PID-ACO 31.4

70 Differential Evolution

71 Tanpa Kontrol 43.25 PID-DE 33.0

72 Flower Pollination Algorithm

73 Tanpa Kontrol 43.29 PID-Flower 33.94

74 Bat Algorithm

75 Tanpa Kontrol 43.4 PID-Bat 35.01

76 Imperialist Competitive Algorithm

77 Tanpa Kontrol 43.35 PID-ICA 31.71

78

79 Param. Firefly Algorithm Cuckoo PSO ACO Diff. Evolution Flower Algorithm ICA Bat Algorithm Kp 0.7417 0.7828 0.7633 0.6355 0.9897 1.0000 0.6483 0.7706 Ki 0.3588 0.4809  0.5244  0.9628 0.3414 0.9729 0.1000 0.1762 Kd 0.1 0.0721  0.1775  0.0926 0.0340 0.0166

80 Pengaturan Motor DC Mengendalikan Fluks pada kutub magnet motor, yaitu dengan mengubah nilai tegangan kumparan medan Vf Mengatur resistansi jangkar dengan menambah resistansi variabel (Seri dengan Jangkar) Mengendalikan tegangan terminal pada jangkar

81 Pengaturan Motor Induksi & Sinkron
Mengubah frekuensi jala-jala Mengubah jumlah kutup Mengatur tegangan jala – jala Pengaturan tahanan luar

82 Sekian..


Download ppt "Oleh : Muhammad Ruswandi Djalal"

Presentasi serupa


Iklan oleh Google