Pengendalian Kecepatan Motor Induksi Menggunakan Kontroller Logika Fuzzy

(1)

JEECAE Vol.4, No.1, Mei 2019 245

Pengendalian Kecepatan Motor Induksi

Menggunakan Kontroler Logika Fuzzy

Sukamto

Teknik Komputer Kontrol Politeknik Negeri Madiun

Madiun, Indonesia

[email protected]

Abstrak— Motor induksi dengan kelebihannya seperti konstruksi

yang sederhana, kokoh, murah serta perawatan mudah, banyak digunakan dalam dunia industri. Namun ada kelemahannya yaitu motor induksi tidak dapat mempertahankan kecepatan secara konstan apabila ada perubahan beban. Untuk mengatasi kelemahan tersebut, dalam penelitian ini dibuat suatu rangkaian kontroller Logika Fuzzy, yang berbasis pada metode Field Oriented Control (FOC). Dengan metode ini arus medan dan arus torka dapat di kontrol secara terpisah. Dalam penelitian ini yang dikontrol arus torka, sedangkan arus medan dibuat konstan Untuk mengetahui keterandalan dari rangkaian kontroller ini dilakukan pengujian terhadap setpoint 2000 - 3000 rpm dan diperoleh error steady state rata-rata (ess) = 0,228 %. Berdasarkan hal tersebut dapat dikatakan kontroller Logika Fuzzy yang dirancang dapat mengendalikan kecepatan motor induksi.

Kata kunci— Motor Induksi; FOC; Logika Fuzzy.

I. PENDAHULUAN

Sistem elektromekanik membutuhkan respon yang cepat dan performansi yang baik pada kecepatan mendekati nol. Pada kondisi operasi, mesin listrik mempunyai pengendalian torka dalam range lebar. Motor dc penguatan terpisah menjadi tipe mesin utama yang dapat mewujudkan kondisi tersebut. Hubungan yang proporsional antara arus jangkar dan arus torka menghasilkan sarana langsung untuk mendapatkan pengendalian torka. Penggunaan DC chopper frekwensi tinggi dengan umpan balik arus menyediakan pengaturan langsung arus dan mengatasi masalah ketergantungan terhadap emf lawan dari rangkaian jangkar.

Perkembangan teori mesin arus ac yang digabungkan dengan perkembangan pengendalian elektronik, merupakan sarana untuk mewujudkan pengendalian torka pada mesin arus ac. Seperti pada mesin arus dc, pengendalian torka diperoleh dengan mengendalikan arus motor. Pada mesin arus ac diperlukan pengendalian eksternal fluks medan dan mmf jangkar.

Sistem pengendalian mesin ac yang secara langsung mengukur jarak/besar sudut tersebut disebut Field Oriented Control (FOC). FOC merupakan sistem yang mengusahakan besar sudut sebesar 90 derajat antara komponen medan yang dipilih sehingga menyerupai mesin dc. Seperti pada mesin dc, chopper frekwensi tinggi dan umpan balik arus yang

digunakan untuk pengendalian arus dan mengatasai ketergantungan terhadap emf lawan. Pada mesin ac diperlukan PWM inverter dengan pengendalian loop arus, yang merupakan imbangan dari dc chopper dan loop arus pada mesin dc.

Timbulnya ketidakstabilan kecepatan motor induksi karena perubahan variabel proses memberikan hasil yang kurang maksimal. Dalam penelitian ini akan dilakukan perancangan kontroller untuk pengendalian kecepatan motor induksi. Yang dikendalikan hanya arus torka sedangkan arus medan dipertahankan konstan. Kontroller yang digunakan adalah Logika Fuzzy berbasis Metode FOC (Field Oriented Control) sehingga diharapkan dapat diperoleh performansi sistem pengendalian kecepatan motor induksi yang lebih baik..

II. METODOLOGI

A. Motor Induksi

Motor dc adalah motor yang paling ideal untuk pengemudian elektris (electric drive), karena arus medan dan arus beban dapat dikontrol terpisah (decoupled sistem). Selain itu kecepatan motor dapat dikontrol tanpa bantuan konverter. Namun adanya komutator dalam motor dc membutuhkan pemeliharaan yang rutin, menyebabkan sistem kurang handal (reliable).

Mengingat adanya kelemahan dalam penggunaan motor dc, dunia industri sekarang mulai beralih menggunakan motor ac asinkron (motor induksi). Kelebihan yang dimiliki oleh motor induksi adalah konstruksi yang sederhana dan kokoh, harganya relative murah, serta perawatannya mudah. Namun motor induksi juga mempunyai kelemahan yaitu tidak mampu mempertahankan kecepatannya dengan konstan bila terjadi perubahan beban. Untuk mendapatkan kecepatan yang konstan serta memperbaiki kinerja motor induksi maka dibutuhkan suatu rangkaian kontrol.

Sistem pengendalian kecepatan dengan open loop control, melalui pengaturan frekwensi menghasilkan respon kecepatan yang kurang smooth, dan seringkali motor mengalami kejenuhan, sehingga memerlukan inverter. Kontroler PID (Proporsional Integral-Derivatif) merupakan closed loop control yang umum digunakan dalam pengendalian motor

(2)

JEECAE Vol.4, No.1, Mei 2019 246 induksi, karena kontroler jenis ini dapat memberikan respon

kecepatan yang lebih baik daripada open loop control.

Kelemahan kontroler PID ini adalah membutuhkan perhitungan matematik yang rumit dan komplek. Sulit mendapatkan performansi yang bagus karena overshoot masih tinggi. Kelemahan yang lain, apabila terjadi perubahan dinamika proses, seperti perubahan beban atau penggantian motor yang sering terjadi di dunia industri, maka diperlukan penalaan ulang pada parameter kontroler seperti Kp, Ki, dan Kd. Proses ini memerlukan waktu yang lama dan kurang efesien.

Untuk mengatasi kelemahan-kelemahan pada kontroler diatas (open loop control dan closed loop control), serta memperbaiki kinerja rangkaian pengendalian kecepatan motor induksi, maka dikembangkan suatu rangkaian kontrol menggunakan Kontroller Logika Fuzzy yang berbasis metode FOC (Field Oriented Control). FOC (Field Oriented Control) adalah suatu metode pengendalian medan pada motor induksi, dimana sistem decoupled diubah menjadi sistem decoupled. Dengan sistem ini arus medan dan arus torka dapat di kontrol secara terpisah[6].

B. Model matematik Motor Induksi

Dengan mengacu pada koordinat stasioner sumbu d-q maka beberapa persamaan dasar dari motor induksi dapat dituliskan dalam notasi vektor. Persamaan-persamaan pada bab ini di ambil dari “Bose Bilman. K, “ Power Electronics and Variabel Frequency Drives “, Technology and Aplication IEEE, The Institute of Electrical and Electronics Engineering Inc, 1997” , “Boldea and S.Y. Nasar, “ Vektor Control and AC Drives “, Boca Raton, FL. CRC Press, Inc, 1992” , “Purwanto Era,“ Studi Pengaturan Motor Induksi dengan Metode Vektor

-+ Vds Lm Vqr Lls Llr Rs Rr Ids sqs Iqr + - - + qr r s   ) (  -+ -+ -+ Vqs Lm Vqr Lls Llr Rs Rr Iqs sds Iqr + - - + dr r s   ) ( 

Gambar 2.1 Rangkaian ekuivalen motor induksi tiga fasa rotor sangkar

Untuk mentransformasikan persamaan dari sistem koordinat a-b-c ke sistem koordinat d-q digunakan persamaan (2.1), dengan variable f dapat berupa tegangan, arus maupun fluksi sebagai berikut :

Fdqs = T(θ) fabc (2.1)

Dari gambar 2.1, jika ditinjau dari koordinat stasioner (ωs = 0) besaran tegangan stator yang merupakan fungsi dari arus stator koordinat arus rotor dalam bentuk matrik sebagai berikut :















0

qs ds

V



















r r r r m m r r r r r m r m m s s m s s

pL

R

L

pL

L

pL

R

L

pL

R

pL

R



0

0 













qr dr qs ds

I

(2.2) dengan : p =

dt

d

Bentuk state space persamaan (2.2) adalah sebagai berikut :

dt

d













r s

I

=

_











22 21 12 11

A













r s

i

+

_











0

1

B

Vs (2.3) dengan : B1 =

















0

0 /

0

0 /

1 /)

(

0

0 /)

(

D

L

D

L

D

L

m r r m m r m m (2.4) A11 =





















)

/1

/

(

/

)

/1

/

(

r r m m s r m m r m m r r m m s

L

D

L

R

D

L

D

L

D

L

R



(2.5) A12 =















L

D

L

R

D

L

D

R

L

r m r m m r r m r m

/



(2.6) A21 =















D

R

L

D

L

D

L

D

R

L

r m r r m r r m r m

/



(2.7) A22 =













D

L

R

D

L

D

L

D

L

R

s s r r s r r s s s

/



(2.8)

C. Metode FOC (Field Oriented Control)

Diagram blok yang menggambarkan prinsip dasar sistem decoupled Field Oriented Control (FOC decoupled) motor induksi ditunjukan gambar 2.2.

(3)

JEECAE Vol.4, No.1, Mei 2019 247 FOC Decoupled Rotor Fluk Position dan Amplitude Calculator Pers (2.1) dan Pers (2.3) Cos (ωst) Sin (ωst) s qr  s dr  r  s ds  s qs  * ds I * qs I * as I * bs I * cs I

Gambar 2.2 Sistem decoupled Field Oriented Control (FOC decoupled)

Persamaan decoupled untuk memperoleh arus stator (Ias*,Ibs*,Ics*) seperti terlihat pada gambar 2.2 sebagai berikut [3]_:













cs bs as

I

*

=

3

2 















2 /

3

2 /

1

2 /

3

2 /

1

0

1 











qs s ds s

I

*

(2.9)

Transformasi Clarke didalam Field Oriented Control pada motor induksi digunakan untuk mentransformasikan arus stator tiga fasa (ia, ib, ic) pada bidang stasioner (stationary

reference frame) ke arus stator orthogonal dua fasa (iα dan iβ)

pada bidang orthogonal (orthogonal reference frame). Sedangkan Transformasi Part digunakan untuk mentransformasikan arus stator dua fasa (ids dan iqs) pada

bidang putar (rotating reference frame). Secara matematis transformasi Clarke dapat ditulis dalam bentuk matrik :













 

I

=













3 /

2

3 /

1

0

1 











b a

I

(2.10)

Sedangkan transformasi Part dapat ditulis dalam bentuk matrik :













qs ds

I

=















sin(

)

cos(

)

sin(

)

cos(















 

I

(2.11)

D. Current Regulator PWM Inveter

Dalam hal ini Current Regulator Pulse Wide Modulation (CRPWM) Inverter berfungsi sebagai sumber arus sinusoidal tiga fasa, sedangkan proses yang terjadi didalamnya adalah proses pembanding dan switching antara arus stator referensi (Ia*, Ib*, Ic*) dengan arus stator hasil transformasi (Ia, Ib, Ic).

PWM INVERTER + -+ -+ -I_a* Ib* Ic* I_c I_b Ia Va Vb Vc I_{err a} Ierr b Ierr c Motor Induksi

Gambar 2.3CRPWM Inverter untuk mengatur sumber arus sinusoidal tiga

fasa

E. Logika Fuzzy

Logika fuzzy adalah suatu metodologi kontrol digital yang terdiri atas sejumlah kaidah (aturan) yang mensimulasikan jalan pikiran manusia dalam melakukan pengendalian, berdasarkan kepada proses penalaran yang sifatnya tidak presisi dalam sistem fisik. Dalam penyusunan kaidah ini dapat dimasukan faktor pengalaman, intuisi atau penalaran sederhana. Besaran yang dipakai bukan lagi besaran numerik tetapi besaran linguistik (fuzzy) seperti misalnya panas, dingin, rendah dan sebagainya. Pengetahuan tentang model matematik dari sistem tidak mutlak diperlukan tetapi adanya pengetahuan (meskipun kuantitatif) akan sangat membantu.

Pada prinsipnya himpunan fuzzy tidak lain adalah perluasan himpunan crips yaitu himpunan yang membagi sekelompok individu ke dalam dua kategori anggota dan bukan anggota. Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh dari universitas California di Berkely. Gagasan kuncinya adalah mengembangkan sutau kerangka yang variabel utamanya adalah ketidakpresisian. Sebagai pengganti konsep himpunan yang biasa, diperkenalkan suatu fungsi yang mengekspresikan derajat kepemilikan sutau himpunan terhadap suatu harga sebagai suatu fungsi yang berharga antara 0 dan 1.

Gagasan ini pertama kali diterapkan dalam sistem kendali yang selanjutnya diikuti penerapannya pada bidang lain. Didalam sisitem pengendalian, sinyal dikuantisasikan ke dalam beberapa tingkatan seperti misalnya sangat lambat, lambat. tinggi, sangat tinggi. Meskipun telah cukup lama teori kendali memusatkan perhatiannya pada algoritma klasik, ternyata persoalan kendali tidak bisa langsung dipecahkan akan tetapi masih perlu ditambahkan unsur lain yang sifatnya adalah heuristik. Baik aturan kendali maupun prosedur perancangan keduanya disusun secara algoritmik, akan tetapi untuk sampai pada hasil akhir banyak pula diperlukan elemen heuristiknya, misalkan cara pemilihan metode yang tepat, alat yang harus dipakai dan sebagainya.

Logika fuzzy adalah nama yang digunakan untuk sistem yang mempunyai kaitan langsung dengan konsep fuzzy dan logika fuzzy. Logika fuzzy yang paling populer diklasifikasikan dalam tiga tipe yaitu logika fuzzy murni, logika fuzzy takagi sugeno, dan logika fuzzy dengan fuzzifikasi – defuzzifikasi.

(4)

JEECAE Vol.4, No.1, Mei 2019 248 Mesin Inferensi Fuzzy Basis Aturan Fuzzy Defuzzifier Fuzzifier Himpunan Fuzzy dlm U Himpunan Fuzzy dalam V X dlm U Y dlm V

Gambar 2.4 Konfigurasi dasar logika fuzzy dengan fuzzifikasi – defuzzifikasi

Berdasarkan gambar diatas fuzzifier mentransformasikan titik – titik crips dalam U ke dalam himpunan fuzzy dalam U, dan defuzzifier mentransformasikan himpunan fuzzy dalam V ke dalam titik-titik crips dalam V. Aturan fuzzy serta mesin inferensi fuzzy yang ada dalam metode ini berfungsi untuk mengolah data – data dari fuzzifier berdasarkan aturan fuzzy yang nantinya akan menghasilkan output untuk masuk dalam defuzzifier.

Beberapa kelebihan logika fuzzy dengan fuzzifier-defuzzifier dibandingkan jenis yang lain adalah :

1. Cocok untuk sistem rekayasa, karena masukan dan keluarannya adalah variabel berharga riil.

2. Memberikan kerangka natural untuk dapat menghasilkan kemasan aturan fuzzy IF-THEN dari pakar.

3. Memberikan banyak kebebasan pilihan dalam menentukan fuzzifier dan defuzzifier sehingga kita dapat memperoleh sistem logika fuzzy yang paling sesuai untuk persoalan yang kita miliki.

4. Kita dapat mengembangkan algoritma pelatihan yang berbeda untuk jenis sistem fuzzy ini sehingga memberikan suatu kerangka efektif dalam mengintegrasikan informasi numerik dan informasi linguistik.

Sebuah himpunan fuzzy A dalam semesta pembicaraan X dinyatakan sebagai kumpulan pasangan elemen x dan tingkat keanggotaan dari elemen x tersebut :

A= {(x, A(x)) I x  X} (2.12)

A(x) disebut sebagai nilai keanggotaan untuk himpunan

fuzzy A. Fungsi keanggotaan memetakan elemen X ke suatu nilai keanggotaan dalam interval [0,1]. Support himpunan fuzzy A merupakan himpunan semua elemen x dalam X dimana A(x) > 0. Center C merupakan titik dimana A(x)

mencapai nilai maksimum. Crossover himpunan fuzzy A merupakan titik dimana A(x) = 0.5 . Lebar himpunan fuzzy

A merupakan jarak antara dua titik crossover. Operasi Dasar Himpunan Fuzzy ada tiga jenis yaitu :

1. Union (disjungsi) dari dua himpunan fuzzy A dan B, fungsi keanggotaannya dinyatakan dengan AUB(x)

= max(A(x), B(x)) = A(x) VB(x)

(2.13)

2. Interseksi (konjungsi) dari dua himpunan fuzzy A dan B, fungsi keanggotaannya dinyatakan dengan

AB(x) = min(A(x), B(x)) = A(x) B(x)

(2.14)

3. Komplemen (negasi) dari himpunan fuzzy A, fungsi keanggotaannya dinyatakan dengan (x) = 1 -

A(x) (2.15)

Suatu himpunan fuzzy dinyatakan secara lengkap dengan fungsi keanggotaannya. Ada bermacam-macam bentuk fungsi keanggotaan. Antara lain fungsi keanggotaan segitiga dan fungsi keanggotaan trapesium, yang sering dipergunakan karena formulasinya yang sederhana dan perhitungan yang lebih mudah, terutama pada implementasi real-time. Tetapi, karena keduanya terbentuk oleh garis-garis lurus, bentuknya tidak halus pada titik sudut yang yang dispesifikasi pada parameternya. Karena itu diperkenalkan pula fungsi keanggotaan yang ditentukan oleh fungsi nonlinier, dan bentuknya lebih halus, seperti fungsi keanggotaan Gaussian. Fungsi keanggotaan Gaussian dinyatakan dengan persamaan sebagai berikut

2 c

x

2

1 e

)

,

c

;

x

(

gaussian

    









_(2.16)

Pada gambar 2.1 ditunjukkan bentuk fungsi keanggotaan Gaussian. c adalah pusat fungsi keanggotaan dan σ menyatakan lebar fungsi keanggotaan.

Gambar 2.5 fungsi keanggotaan Gaussian

III. HASIL DAN ANALISA

Berdasarkan dari beberapa penelitian yang telah dilakukan oleh Li Zhen dan Loangya Xu, maka blok diagram Sistem Pengendalian Kecepatan Motor Induksi dengan Field Oriented Control menggunakan kontroler Logika Fuzzy yang dikembangkan dalam penelitian ini, adalah seperti ditunjukan pada gambar 3.1. Blok diagram tersebut dikembangkan ke dalam simulasi pemodelan sistem pengendalian kecepatan motor induksi sebagai berikut :

(5)

JEECAE Vol.4, No.1, Mei 2019 249 Kontroller Logika Fuzzy Slip PWM Inverter

FOC _InduksiMotor

s



a V b V c V as I* bs I* cs I* m



ref



ds I*

Gambar 3.1 Blok diagram sistem pengendalian kecepatan motor induksi

Blok diagram yang menunjukan proses perhitungan aliran arus listrik pada motor induksi dengan menggunakan metode field oriented control dapat di tunjukan pada gambar 3.2.

Transformasi DQ-ABC Penghitung Arus Torka * abc I * t I * e T * ds I

Gambar 3.2 Blok digram proses aliran arus FOC motor induksi [3]

Arus torka ferensi (It*) dan arus medan (Im) dikonversikan

ke dalam arus tiga fasa refrensi (Ia*, Ib*, Ic*) terhadap s (posisi

stator).

A. Hasil

Proses simulasi rangkaian kontroler Logika Fuzzy yang telah dirancang, digunakan untuk pengendalian kecepatan motor induksi tiga fasa yang menerapkan metode FOC (Field Oriented Control). Pengujian simulasi dilakukan untuk mengetahui validitas dan keterandalan model guna mengetahui kriteria performansi sistem yang meliputi Maksimum lonjakan pertama (Maksimum overshoot - Mov), Waktu pencapaian setpoint (Rise time - Rt), Waktu pemulihan keadaan mantap (Settling time - St) dan Error kecepatan (Error steady state - Ess) terhadap set point antara 2000 – 3000 rpm.

B. Uji performansi terhadap set point 2000 rpm

Hasil simulasi yang dilakukan terhadap set point 2000 rpm dapat di ketahui dari gambar 3.1a, 3.1b berikut :

Gambar 3.1a Grafik respon dinamik pada set point 2000 rpm

Gambar 3.1b Grafik sinyal kendali pada set point 2000rpm

Performansi sistem pada pengujian kedudukan set point 2000 rpm adalah :

Settling Time = 0.0661 detik Rise Time = 0.0465 detik Mov = 0.4044 % Error Steady State= 0.1799 %

C. Uji performansi terhadap set point 2500 rpm

(6)

JEECAE Vol.4, No.1, Mei 2019 250

Gambar 3.2b Grafik sinyal kendali pada set point 2500 rpm

Settling Time = 0.0559 detik Rise Time = 0.0268 detik Mov = 0.3950 % Error Steady State = 0.0723 %

D. Uji performansi terhadap set point 3000 rpm

Gambar 3.3b Grafik sinyal kendali pada set point 3000 rpm

Settling Time = 0.0808 detik Rise Time = 0.0677 detik Mov = 0.4379 % Error Steady State = 0.5201 %

E. Analisis

Dari hasil simulasi yang telah dilakukan dapat di analisa bahwa dari grafik respon dinamik dapat dilihat pada 0 – 0.0677 detik kurva bergerak secara eksponensial negatif menuju set point. Pada saat ini sinyal kendali (Te*) bekerja secara

maksimum sehingga errornya dapat berkurang secara drastis menuju daerah sekitar nol. Untuk waktu selanjutnya kurva bergerak secara osilasi dan berusaha mencapai titik set point. Sedangkan sinyal kendalinya sesuai dengan kebutuhan sampai tercapai error yang diinginkan.

Tabel 3.1 Performansi sistem pengendalian

Set Point (rpm) Settling Time (s) Rise Time (s) Maks Overshoot (%) Error Steady State (%) 2000 0.0661 0.0465 0.4044 0.1799 2100 0.0765 0.0314 0.0866 0.1626 2200 0.0645 0.0419 0.0810 0.0659 2300 0.0630 0.0302 0.0389 0.1461 2400 0.0566 0.0296 0.1744 0.1576 2500 0.0559 0.0268 0.3950 0.0723 2600 0.0345 0.0266 0.5432 0.2728

(7)

JEECAE Vol.4, No.1, Mei 2019 251 2700 0.0844 0.0393 7.1753 0.1512 2800 0.0883 0.0512 4.3792 0.4557 2900 0.0691 0.0604 1.7580 0.3263 3000 0.0808 0.0677 0.4379 0.5200

Berdasarkan performansi sistem dari simulasi yang telah dilakukan, dapat dikatakan rancangan kontroller Logika Fuzzy yang dikembangkan dalam penelitian ini memiliki kemampuan dalam mengendalikan kecepatan motor induksi. Hal ini bisa dilihat berdasarkan error steady state yang kecil (kurang dari 2 %).

IV. KESIMPULAN

Berdasarkan hasil simulasi dan analisa yang telah dilakukan terhadap penggunaan kontroller Logika Fuzzy dalam pengendalian kecepatan motor induksi, maka dapat disimpulkan rancangan kontroller yang dibuat mempunyai kemampuan dalam melakukan pengendalian. Hal ini didasarkan pada error steady state yang di peroleh masih dalam batas toleransi dalam sistem kontrol sebesar 2 – 5 %.

DAFTAR PUSTAKA

[1] Boldea and S.Y. Nasar, “ Vektor Control and AC Drives “, Boca Raton, FL. CRC Press, Inc, 1992.

[2] Era Purwanto, ” Studi Pengaturan Motor Induksi dengan Metode Vektor ”, Mater Thesis, Universitas Shizouka, Jepang, 1995.

[3] C. T. Lin, Fuzzy Control System With Structure And Parameter Learning, Fuzzy Sets Syst., vol. 70, no. 2-3, pp. 183-212, Mar. 1995.

[4] Soebagio, “ Teori Umum Mesin Listrik “ Diktat Kuliah Pascasarjana, Surabaya, 2000.

[5] Soebagio, “ Model Mesin Induksi Dalam Koordinat dqn “, SMED- Yogyakarta, 13 Juli 2000.

[6] Panda S. K., “ Power Electronis and System Application – Variable Speed Electric Drives “, Shot Course – Faculty Club, National University of Singapore, 1993.

[7] Novotny D. W, R. D. Lorenz, R. D., Tutorial, “ Introduction to field Orientation and High Performance AC Drives “, IEEE Industrial drives Comiitee of the IEEE Industry Applications Society.

[8] Sri Kusumadewi , “ Aplikasi Logika Fuzzy “, Graha Ilmu, 2004

[9] Mohamad Rohmanudin, “ Fuzzy Control Syatem “, Teknik Fisika Institut Tehnologi Bandung 1997.

[10]Faa – Jeng Lin, Senioe Member, IEEE, and Rong – Jong Wai, Member, IEEE “ Robust Control Using Fuzzy Logic Uncertainty Observer for Linear Induction Motor Servo Drive “ IEEE Transactions on Power Electronic, Vol. 17, No. 2, March 2002.

[11] “ DSP Motor Control in Washing Machine Applications with PID “ Aengus Murray, Director of Systems Engineering team within The Analog Device Embedded Control System Groups.

[12] “ Field Orientated Control of 3 Phase AC-Motors “, Texas Instruments Europe, February 1998.

[13] Dal Y.Ohm, “ Dynamic Model Of Induction Motors For Vector Control ”, Drivetech, Inc., Blacksburg, Virginia, 1999.

[14] Anthony Purcell, Member , IEEE, and Paul.Acarnley, “ Enhanced Inverter Switching for Fast Response Direct Torque Control “ IEEE Transactions on Power Electronic, Vol. 16, No. 3, May 2001.

[15] Sadegh Vaez – Zadeh, “ Variable Control of Permanent Magnet Synchronous Motor Drives for Constant Torque Operation “ IEEE Transactions on Power Electronic, Vol. 16, No. 4, July 2001.

[16] Ichiro miki, Member, IEEE, Osamu Nakao, and Sakae Nishiyama “ A New Simplified Current Control Method for Field Oriented Induction Motor Drives “ IEEE Transactions On Industry Applications, Vol. 27, No. 6, Nop. 1991.

[1] [17] Tsugutoshi Ohtani, Member, IEEE, Noriyuki

Takada, and Koji Tanaka “ Vector Control of Induction Motor Without Shaft Encoder “ IEEE Transactions On Industry Applications, Vol. 28, No. 1, Januari 1992.

(8)

JEECAE Vol.4, No.1, Mei 2019 252 (Halaman Ini Sengaja Dikosongkan)