DESAIN OPTIMAL KONTROLER PID MOTOR DC MENGGUNAKAN CUCKOO SEARCH ALGORITHM

Muhammad Ruswandi Djalal, Dwi Ajiatmo, Andi Imran, Imam Robandi

Sari


Penggunaan kontroler PID (Proporsional-Integral-Derivatif) pada sebuah motor DC sangat banyak digunakan, karena  strukturnya  yang  sederhana,  keandalan  yang  kuat  dan  mudah  digunakan.  Akan  tetapi,  penggunaan kontroler PID dibutuhkan pengaturan parameter yang tepat untuk mendapatkan kinerja yang optimal pada motor. Umumnya yang sering digunakan adalah metode trial-error, untuk menentukan parameter yang tepat untuk PID, namun hasil yang didapat tidak membuat kontroler PID optimal. Belakangan ini sudah banyak penelitian untuk mengoptimasi kontroler PID, salah satunya dengan metode cerdas. Untuk itu pada penelitian ini akan digunakan metode cerdas berbasis Cuckoo Search Algorithm (CSA), untukmengoptimasidan menentukan parameter yang tepat dari PID. CSA adalah salah satu metode cerdas yang terinspirasi dari perilaku burung cuckoo dalam menempatkan telurnya disarang burung lain yang dia pilih secara acak, konsep inilah yang diadaptasi dan diterapkan menjadi algoritma cerdas untuk menyelesaikan masalah optimasi. Dari hasil yang diperoleh metode CSA dapat dengan baik menala parameter PID, sehingga overshoot yang dihasilkan tidak ada dan settling time sangat cepat. Pada penelitian ini juga akan dibahas dan dibandingkan kontroler tanpa PID, dengan PID trial-error dan dengan PID CSA.

Teks Lengkap:

PDF (English)

Referensi


Yang, X,S. (2013) : Cuckoo Search and Firefly

Algorithms Theory and Applications. 2013.

Yang, X,S. (2008) : Nature-Inspired Metaheuristic

Algorithms. Frome: Luniver Press. 2008.

Wudai Liao, (2014) : Optimization of PID Control

for DC Motor Based On Artificial Bee Colony

Algorithm.2014.

X. Wang, and M. Zhang, (2004) : Optimizing PID

parameters by using improved particle swarm

optimization algorithm. Process Automation

Instrumentation, no. 2, pp. 1-9, 2004.

B. Liu, J. Tan, and C. Huang, (2007) :Research and

Application of an Improved PID Control

Algorithm. Microcomputer Information, vol. 6,

no. 1, pp. 15-17, 2007.

D. Chen, K. Fang, and Q. Chen. (2007)

:Application of genetic algorithm in PID

parameters optimization. Microcomputer

Information, vol. 23, no.3, pp. 35-36, 2007.

H. He and F. Qian.(2007) : The PID parameter

tuning based on immune evolutionary

algorithm. Microcomputer Information, vol. 27,

no. 5, pp. 1174-1176, 2007.

W. Zhang. (2010) : Increment PID controller based

on immunity particle swarm optimization

algorithm, Microcomputer Information, vol. 28,

no.7, pp. 67-69, 2010.

Bhateshvar,Y,K. (2014) : Power–Frequency

Balance With Superconducting Magnetic

Energy Storage Using Optimized Intelligent

Controller. Energetika.2014.

Nitish Katal. (2012) :Optimal Tuning of PID

Controller for DC Motor usingBio-Inspired

Algorithms".International Journal of Computer

Applications.2012.

Bharat Bhushan. (2011) : Adaptive control of DC

motor using bacterial foraging

algorithm".Applied Soft Computing

sciencedirect.2011.

Ashu Ahuja. (2014) : Design of fractional order

PID controller for DC motor usingevolutionary

optimization techniques".WSEAS Transactions

on Systems and Control.2014.

Anant Oonsivilai. (2008) : Optimum PID

Controller tuning for AVR System using

Adaptive Tabu Search, 12th WSEAS

International Conference on COMPUTERS,

Heraklion, Greece, July 23-25, 2008.

Umesh Kumar Bansal.(2013) : Speed Control of

DC Motor Using Fuzzy PID Controller.

Advance in Electronic and Electric

Engineering.2013.

K. Premkumar. (2015) : Fuzzy PID supervised

online ANFIS based speed controller for

brushless dc motor. Sciencedirect.

Neurocomputing.2015.


Refbacks

  • Saat ini tidak ada refbacks.