You are on page 1of 5

Pendeteksian Gangguan Kumparan Stator … Arta Wijaya W

PENDETEKSIAN GANGGUAN KUMPARAN STATOR MOTOR SEREMPAK MAGNET
PERMANEN MENGGUNAKAN METODE MODIFIED ANFIS

I Wayan Arta Wijaya
email: igungarta@yahoo.com
Staf Pengajar Jurusan Teknik Elektro Universitas Udayana
Kampus Bukit Jimbaran Bali

Abstrak

Gangguan yang dapat terjadi pada motor ada 2 jenis yaitu gangguan external dan internal. Gangguan external
adalah gangguan phase, ketidakseimbangan suplai, beban lebih, rotor terkunci, dan sebagainya. Gangguan internal
adalah hubung singkat pada belitan dalam kumparan motor, gangguan ke tanah (ground), kerusakan bearing,
keretakan rotor, dan lainnya). Beberapa penelitian telah dilakukan dan dikembangkan untuk mendeteksi gangguan.
Namun pada penelitian tersebut membutuhkan perhitungan matematika yang rumit dan memerlukan alat sensor
yang mahal. Pada penelitian ini diusulkan suatu metode untuk mendeteksi gangguan pada motor serempak magnet
permanen (PMSM). Sasaran yang ingin dicapai pada penelitian ini adalah untuk mengembangkan suatu metode
pendeteksian gangguan hubung singkat belitan dalam kumparan stator motor serempak magnet permanen. Metode
yang diusulkan pada penelitian ini adalah pengembangan adaptive neuro–fuzzy inference system (ANFIS) yang
dimodifikasi dengan Least Squares Estimator (LSE) pada pembelajaran maju dan metode Steepest Descent (SD)
pada pembelajaran mundur. Berdasarkan hasil simulasi dan analisis yang telah dilakukan maka ditarik
kesimpulan bahwa Modified ANFIS dapat digunakan sebagai piranti untuk mengidentifikasikan gangguan belitan
stator motor serempak magnet permanen (PMSM)

Kata kunci: Modified ANFIS, Deteksi gangguan belitan, Motor Serempak Magnet Permanen.

1. PENDAHULUAN (Artificial Intellegent) seperti Fuzzy Logic, Neural
Network, dan kombinasinya dapat mengurangi
Gangguan yang dapat terjadi pada motor ada 2
perhitungan matematika yang rumit.
jenis yaitu gangguan external dan internal.
Pada penelitian ini akan membahas suatu
Gangguan external adalah gangguan phase,
metode untuk mendeteksi gangguan pada motor
ketidakseimbangan suplai, beban lebih, rotor
listrik khususnya motor serempak magnet per-manen
terkunci, dan sebagainya. Gangguan internal adalah
(Permanent Magnet Synchronous Motor, PMSM).
hubung singkat pada belitan dalam kumparan motor,
Unjuk kerja motor pada kecepatan tetap dengan
gangguan ke tanah (ground), kerusakan bearing,
menggunakan discrete-time model yang kwantitatip
keretakan rotor, dan lainnya. Perbedaan dari kedua
diperkenalkan pada [2]. Bentuk gelombang
jenis gangguan tersebut adalah bahwa gangguan
elektromagnetik (EM) dari torka motor dimonitor dan
external dapat segera diketahui dan gangguan internal
diproses menggunakan Transformasi Fourier untuk
tidak segera diketahui. Hubung singkat antar belitan
memperoleh indeks diagnostik yang sesuai. Adaptive
yang berdekat pada kumparan stator motor serempak
neuro–fuzzy inference system (ANFIS)
magnet permanen merupakan gangguan internal, dan
dikembangkan untuk mengotomatiskan hasil
gangguan ini sangat sulit dideteksi. Terjadi gangguan
diagnosis gangguan.
pada belitan stator motor pada umumnya dimulai dari
Sasaran yang ingin dicapai pada penelitian
terjadinya kegagalan isolasi antara dua belitan yang
ini adalah untuk mengembangkan suatu metode
bersebelahan, kemudian berkembangkan menjadi
pendeteksian gangguan hubung singkat belitan dalam
hubung singkat pada sejumlah belitan. Dalam
kumparan stator motor serempak magnet permanen.
beberapa hal, kesalahan terjadi sebagai hasil dari
Metode yang diusulkan pada penelitian ini adalah
suatu busur cahaya (arc) yang menghubungkan dua
pengem-bangan adaptive neuro–fuzzy inference
titik pada lilitan stator motor tersebut. Pada saat
system (ANFIS) yang dimodifikasi dengan Least
gangguan terjadi perubahan fluks bocor di sekitar
Squares Estimator (LSE) pada pembelajaran maju
rotor. Perubahan flux ini bisa meramalkan gangguan
dan metode Steepest Descent (SD) pada
hubung singkat pada belitan stator motor [1].
pembelajaran mundur. Pada penelitian ini masalah
Beberapa penelitian telah dilakukan dan
dibatasi hanya pada perancangan dan pemakaian
dikembangkan untuk mendeteksi gangguan. Namun
metode Modified ANFIS untuk analisis dan
pada penelitian tersebut membutuhkan perhitungan
mendeteksi gangguan belitan dalam kumparan stator
matematika yang rumit dan memer-lukan alat sensor
motor serempak. Plant motor tidak secara detail
yang mahal. Dengan perkem-bangan metode
dijelaskan dan hanya ditinjau dari bentuk gelombang
pendeteksian gangguan motor yang berbasis AI
elektromagnetik torka, arus, tegangan dan kecepatan.

Teknologi Elektro 25 Vol. 5 No. 1 Januari – Juni 2006

PDF created with pdfFactory Pro trial version www.pdffactory.com

c. Hasil dari Dengan. fluksi gandeng dapat mendeteksi gangguan yang terjadi pada rotor (flux linkage) belitan stator a. Dengan membandingkan parameter- Torka motor adalah: parameter nominal dan parameter hasil perhitungan Pem (ea ' i a + eb ' ib + ec ' ic ) (computed) dari motor dapat mendeteksi gangguan Tem = = pada motor [4]. tetapi deteksi dari perubahan arus harmonisa line tidak langsung tetapi vb  =  0 rb  Lbb  dt v   0 r f  ic   Lca Lcc  ic  melalui spektrum axial flux. konstan walaupun terjadi peru-bahan state. maka: gunakan untuk mencari kesalahan yang terjadi pada belitan stator. ω  Lbb Lbc  ib  + eb  short circuit pada belitan dalam kumparan stator. Pendeteksian Gangguan Kumparan Stator … Arta Wijaya W 2.  dθ  Lca Lcb Lcc  ic  ec   short circuit pada rotor terbelit.  c  0 Lcb Penman at. ideal axial leakage flux-nya adalah 0 (nol). b.pdffactory. if adalah konstan untuk gangguan pada rotor. TINJAUAN PUSTAKA I = vektor arus belitan motor Beberapa industri yang menggunakan motor L = matrik induktansi belitan motor mengharapkan penggunaan pemantauan arus phasa Persamaan matrik tegangan. λbf. 1 Januari – Juni 2006 PDF created with pdfFactory Pro trial version www.com . Ld = induktansi sunbu q dan d pendeteksian dengan metode ANFIS mendapatkan R = Resistasi belitan stator per phase hasil yang lebih akurat dibanding-kan dengan Fuzzy iq. Al [1] mengatakan bahwa tek-niknya   Laa Lab Lac  i a  e a   d  Lba     baik untuk mendeteksi kerusakan pada bar rotor. iq = vq − iq + d pωr id − Teknik penggabungan Fuzzy Logic dengan dt Lq Lq Lq Lq Neural Network telah dilakukan [6] untuk Te =1. Pada kejadian mempresentasikan pengaruh magnet perma-nen. Arus if dipertahankan kemungkinan kejadian pada rotor dapat diper. vq. id = Arus dalam sumbu q dan d Logic atau Neural Network. kesalahan phasa. ωm ωm Penggunaan AI (Artificial Intellegence) untuk 2.   d e b  = ω   [ ]  Lbf  i  = ω d  f   λaf   e   dθ  Lcf   dθ λ  Deteksi gangguan pada motor dc tanpa sikat  c   af  menggunakan teknik estimasi parameter motor telah dengan. θ = Posisi sudut rotor Tm = Torka mekanik dari poros Λ =LI V = vektor tegangan terminal motor R = matrik resistasi belitan motor Teknologi Elektro 26 Vol. Kebalikan dari konsep ini yaitu ekxitasi magnet permanen. arus. dan f motor induksi jenis sangkar bajing [3]. telah diaplikasikan. ini disebabkan karena motor pada kondisi bebas e a    Laf   λaf  gangguan.1. Motor Serempak Magnet Permanen (PMSM) dt J dθ Persamaan model state-space PMSM koordinat = ωr abc (abc frame of reference) adalah[15]: dt d J = Inersia gabungan dari rotor dan beban V =RI + (Λ ) F = koefisien gesekan dari rotor dan beban dt Dengan. penelitian yang dilakukan mengatakan bahwa Lq. dan dengan ea. AI (ANN. λcf magnetud fluksi gandeng stator dikembangkan.5 p[λiq + ( Ld − Lq )id iq ] mendeteksi gangguan pada motor listrik. Pada motor stator motor. ini stator dapat diper-gunakan untuk mencari Eqivalen arus medan (fiktif). λaf.vd = Tegangan dalam sumbu q dan d Pendeteksian gangguan belitan motor listrik ωr = kecepatan sudut rotor (rad/dt) menggunakan ANFIS menghasilkan diagnosis yang I = Amplitudo induksi flux magnet per- otomatis dan cepat serta hasil yang optimum. dan ec adalah emf induksi dari belitan adanya negatif sequence pada sumber.2 Persamaan Matematis PMSM dalam Sistem mendeteksi dan mendiagnose gangguan pada mesin Koordinat d-q listrik telah dikembangkan [5]. 5 No. Pemonitoran axial leakage flux adalah v a  ra 0 0  ia   Laa Lab Lac  ia       d   0  ib  +  Lba Lbc  ib  + merupakan teknik yang mirip. eb. fuzzy. dan Model PMSM koordinat dq diberikan oleh Adaptif Fuzzy System) dapat dengan baik persamaan : mengidentifikasi gangguan pada mesin listrik dan d 1 R L λpωr . Metode manen dari rotor ke stator ini dapat mendeteksi baik hubung singkat antar P = jumlah pasang kutub belitan dalam kumparan stator maupun terjadi Te = torka Elektromagnetik gangguan dari masing-masing phasa belitan stator Persamaan dinamik PMSM motor tersebut [7] d 1 ω r = (Te − Fω r − Tm ) 2. arus rotor dan arus stator selalu seimbang.

2002). 5 No. Untuk mengefisienkan algoritma pembelajaran backpropagation. ….. Persamaan dieksplorasi dalam kegiatan ini.fn merupakan fungsi u yang diketahui dan θ1. ….6 Metoda Least Squares Estimator (LSE) Jika diketuhui keluaran dari model linier y yang diekspresikan melalui persamaan: y = θ1f1(u) + θ2 f2(u) +…. f1.1 memperlihatkan alur pembelajaran untuk modified 2. maka dalam pembahasan ini akan dilakukan modifikasi dengan algoritma pembelajaran hybrid (gabungan antara LSE dengan algoritma steepest descent). Ketika G = ηI dengan η mempunyai nilai yang positif dan I adalah matrik identitas 2. konvergen namun karena keseder-hanaannya Konstanta waktu kontroler lebih lama dari waktu sehingga sering digunakan sebagai teknik transien yang terjadi pada gangguan yang optimalisasi fungsi yang tidak linier. Metode Adaptive yang digunakan pada mengubah dari acuan waktu ke acuan frekuensi penelitian ini merupakan penggabungan antara Persamaan FFT : ANFIS dengan LSE Rekursif yang digunakan untuk 1 memperbarui parameter konsekuen dan SD untuk f (t ) = ∑ cn cos (nω t + θ n ) n=0 memperbarui parameter premis.9 Pendeteksian Gangguan Pada Belitan Stator keanggotaan menggu-nakan model Gauss yang Motor Dengan Modified Anfis diberikan secara terpisah.pdffactory. jika Blok diagram sistem yang dikembangkan pada jumlah variabel input ditambah. Hal ini mengakibatkan.7 Metoda Steepest Descent (SD) periodik. 2. Efek transien θ next = θ now − ηg kontroler koreksi arus diabaikan.8 Modified ANFIS suatu gelombang menjadi komponen harmonisa atau.4 FFT (Fast Fourier Transform) Deret Fourier digunakan untuk mengu-raikan 2. (ANFIS) Tabel 2.…. Tabel 2. maka bertambah ba. + θnfn(u) dengan y = [y1 . 1 Januari – Juni 2006 PDF created with pdfFactory Pro trial version www. T dan A adalah transpose dari A Motor dioperasikan dengan inverter mengunakan kontrol putaran PI Gangguan ditetapkan bekerja tidak 2. Pada Parameter Least Squares Ditentukan Konsekuen Estimator kebanyakan sistem neurofuzzy. yang meminimalkan * Serempak Aθ − y adalah least squares estimator (LSE) θ : 2 Motor yang digunakan dalam analisis adalah θ* = (AT A)-1 ATy Motor PMAC 4 pasang kutub permukaan menonjol. up]T model vector input. Interval waktu selama terjadi gangguan Metoda Steepest Descent dikenal sebagai metoda adalah acak sama dengan durasi gangguan.3 Pendeteksian Gangguan Belitan Stator Motor Penyelesaian terbaik untuk θ.. ym]T model vector output u = [u1. penelitian ini adalah seperti ditunjukkan pada nyak pula parameter-parameter yang harus Gambar 1 dibangkitkan . Walaupun meto-de ini gangguan 5 ms dan 10 ms telah dibuat untuk mencari memerlukan waktu yang lama untuk mencapai variasi hasil dengan masing-masing parameter.. digunakan algoritma Sinyal Node output Sinyal error pembelajaran backpro-pagation untuk mem bangkitkan aturan-aturan fuzzy dengan fungnsi 2..5 Adaptif Neuro Fuzzy Inference System ANFIS. Gangguan gradient dan merupakan teknik mini-malisasi tertua yang diinisiasikan sebagai arus fasa yang meningkat untuk fungsi yang mempunyai ruang input sampai 95% dari magnetude. Pendeteksian Gangguan Kumparan Stator … Arta Wijaya W 2.com .1 Pembelajaran Modified ANFIS ANFIS merupakan sekumpulan aturan dan suatu Alur Maju Alur Mundur metode inferensi yang dikombinasikan dalam suatu Perameter Ditentukan Steepest struktur terhubung kemudian dilakukan suatu Premis Descent pelatihan dan adaptasi (Kasabov. Dengan menggunakan notasi matrik didapatkan: Blok diagram pada Gambar 1 terdiri dari 3 sub Aθ = y blok. Pemilihan gain metoda steepest descent adalah : kontroler mempunyai efek yang signifikan pada arus selama dan setelah terjadi gangguan. Pengujian selama multidimensional..θn merupakan parameter Gambar 1 Sistem pendeteksian gangguan belitan stator PMSM yang diestimasi.……. sub blok 1 merupakan blok diagram motor serempak magnet permanen (PMSM) beserta sistem Teknologi Elektro 27 Vol.

pdffactory.1 Simulasi untuk pembelajaran data dari parameter PMSM untuk Pada penelitian ini dilakukan 3 tahapan simulasi bernagai kondisi pengoperasian. tetapi pada rangkaian sistem ditambahkan R seri yang dipasang antara sumber tegangan (output Inverter) dengan terminal input PMSM. Torka beban Hasil Simulasi diatur 1. Rseri diparalel dengan sakelar normlly close yang bertujuan untuk mengekpresikan terjadinya gangguan antar belitan dalam kumparan stator PMSM . SIMULASI DAN ANALISIS menggunakan 2 blok Modified ANFIS. Blok kedua Modified Tahap I : Sistem dalam keadaan normal tanpa Anfis merupakan blok pendeteksian gangguan belitan gangguan dalam kumparan stator PMSM. 5 No. arus.03 detik terjadi penurunan amplitudo gelombang elektro- Gambar 2 Alur simulasi pendeteksian gangguan belitan magnetik torka motor. Hubung singkat antar belitan Mulai Simulasi Operasi PMSM FFT Gambar 4 Bentuk gelombang Torka elektromagnetik Motor dalam keadaan gangguan Modified Anfis Terlihat perbedaan bentuk gelombang antara gambar 3(kondisi normal) dengan gambar 4 (kondisi hubung singkat antar belitan). Untuk gangguan hubung sungkat antar fase pada belitan dam kumparan stator PMSM dilakukan dengan pemasangan sakelar normally open antar fase pada terminal input PMSM. yang selanjutnya yaitu: akan disimpan sebagai data pembanding dari output Modified Anfis blok kedua. dalam kumparan stator PMSM Teknologi Elektro 28 Vol. Pendeteksian Gangguan Kumparan Stator … Arta Wijaya W pengendaliannya. 1 Januari – Juni 2006 PDF created with pdfFactory Pro trial version www. dan Tegangan Stator PMSM. Tahap III : memasukan data dari parameter- parameter motor yang didapat dari simulasi untuk dilakukan pembelajaran oleh Modified Anfis. Tahap II : Sistem diopersikan dalam keadaan gangguan Pada tahap II dilakukan sama seperti tahap I. dan Tegangan Stator PMSM pada kondisi opersi ini. tegangan motor akan dipergunakan sebagai pemban-ding dari hasil dan blok 3 merupakan blok analisis keluaran dari Modified Anfis saat melakukan identifikasi gangguan blok 2 sehingga didapatkan ouput yang berupa belitan dalam kumparan PMSM. gangguan belitan stator PMSM mengguna-kan Modified ANFIS yang dilakukan pada penelitian ini 3.2 Pembelajaran Off-Line Modified ANFIS gangguan belitan stator pada kecepatan motor yang Metode pembelajaran untuk mengidentifi-kasi berbeda).02 detik Kondisi PMSM dari pengopersaian motor sampai dengan 0. Pada saat setelah 0. Dengan FFT akan Gambar 3 Bentuk gelombang Torka elektromagnetik Motor normal didapatkan harmonisa Torka. Arus. pendeteksian gangguan belitan dalam kumparan Output didapat dengan membandingkan keluaran dari stator PMSM seperti gambar 2 modified Anfis dengan data parameter PMSM pada berbagai kondisi pengoperasian (operasi normal dan 3. blok 2 meru-pakan FFT untuk Hasil pembelajar ini disimpan yang selanjutnya menunjukan harmonisa torka. Dengan FFT akan didapatkan harmonisa Torka. Blok pertama 3.com . Alur simulasi pengkodean dari keadaan PMSM saat beroperasi. Pada tahap I putaran motor diatur dari 600 rpm sampai 1000 rpm dengan ring 100 rpm. Arus.1 N-m.

pp 367- 374. Teknologi Elektro 29 Vol. “Novel frequency domain based technique to detect incipient stator interturn faults in induction machines”. 2003.seperti yang Phase”. Joel 4. Sedding. Tesis. 5. permanen. Pada gambar 5. Simulasi identifikasi gangguan belitan modified Hasil pembelajaran Anfis modifikasi seperti ANFIS diperoleh nilai SSE = 0 pada kondisi yang ditunjukkan pada tabel 4. December 2004 [6] Hasti Afianti. Program Studi Teknik Elektro ITS. A. Simulasi identifikasi gangguan belitan modified diatas 1 berarti dapat diprediksikan terjadi gangguan ANFIS diperoleh nilai SSE = 3. Program Studi Tek-nik Elektro ditujukkan pada gambar 4. 39. Netting. Morces. [5] M. Vol. operasi. 4. 18. A. December 1999. Awadallah.9. [2] S. and H. Nandi and H. Vol. 6. Application of Pada gambar 4. T. Energy Conversion. 9.pdffactory. 19. Tesis. bahwa dengan meng-gunakan Application of AI Tools in Fault Diagnosis of Modified Anfis dapat mendeteksi gangguan yang Electrical Machins and Drives-An Overview. No.20291 pada berbagai kon-disi permanen. 5 No. [3] Heikki Kaivo. Fuzzy Inference System Imple-mented Berdasarkan hasil simulasi dan analisis yang on Neural Architectures for Motor Fault telah dilakukan terhadap modified ANFIS maka Detection and Diagnosis. Pendeteksian Gangguan Kumparan Stator … Arta Wijaya W 3. Dec. Annu. No. 1 Januari – Juni 2006 PDF created with pdfFactory Pro trial version www. antar belitan pada stator motor serempak magnet patkan nilai SSE = 0. 2000. Memperhatikan hasil-hasil yang didapat dari [9] M.2 ditunjukkan dari 1. June 2003. A frequency-Domain Detection of Stator Winding Faults in Induction Machines Using an External Flux Sensor. H. IEEE Trans. Vol. 4. Surabaya. IEEE Transac-tions On Energy Conversion. keseluruhan sistem. IEEE Transactions On Industry gangguan belitan stator motor serempak magnet Electronics. 47. IEEE Ind. 2000. G. Bila nilai SSE 2.2 menunjukkan nilai SSE dibawah 1. ANFIS-Based Diagnosis and Location of Stator Interturn Faults in PM Brushless DC Motors. and Medhat M. Fink. permanen. DAFTAR PUSTAKA [1] J.3 Analisis Pembelajaran Anfis Modifikasi 1. 2005. KESIMPULAN Trussell. pp. Vol. maka pada kondisi ini terjadi gangguan gambar grafik SSE untuk 108 data pembelajar dida. vol. Applicat. A. [8] Olaf Moseler and Rolf Isermann. 3. “Detection and Location of Interturn Short Circuit in the Stator Windings of Operating Motor”. Soc. Vol. and W. [7] Humberto Henao. and Gerard- Andre Capolino. 652-658. 46. Lloyd. Toliyat. 5. Gambar 4. [10] Sinan Altug. October 2000. A.4 Deteksi Gangguan [4] Suka Handaja Budi. Awadallah. Cristion Demion.6. School of Engi-neering Gambar 5 Grafik SSE untuk 108 data pembelajar University of Tasmania.6 Grafik SSE untuk 36 data input No. Surabaya. IEEE Tran-sactions ditarik kesimpulan sebagai berikut : On Industry Electronics. “ Metode Adaptive Neuro Bila data input merupakan data dari pemodelan Fuzzy Inferency System (ANFIS) untuk motor dalam simuling pada kondisi gangguan maka Pengaturan Kecepatan Motor Induksi Tiga SSE yang diperoleh lebih besar dari 1. Mo-Yuen Chow. ITS. IEEE Transactions On Industry Applications.1 sampai dengan tabel operasi motor tanpa gangguan. 2. No.com . 5. lebih besar pada belitan motor. ANFIS (Adaptive Neuro-fuzzy Inference System). No. 1994. terjadi pada belitan stator motor serempak magnet IEEE Transactions On Energy Conversion. Penman.9 yang Model-Based Fault Detection to a Brushless berarti pada kondisi ini dapat diprediksi adanya DC Motor. September/October 2003. B.6 terlihat nilai SSE adalah 3. ‘Perancangan Modified ANFIS Observer Untuk Identifikasi Kecepatan Motor Induksi”.