Pada kesempatan ini saya akan sharing tugas mata kuliah saya semester yang lalu, yaitu "Sistem Kendali Penggerak Elektrik" atau Electric Drive System. Tugas ini dikerjakan dengan merujuk pada sebuah paper yang dipilih sendiri oleh mahasiswa. Baru pada saat akhir semester tiap mahasiswa mempresentasikannya hasil simulasi yang ada pada paper tersebut.

Saya memilih paper yang berjudul “Speed Estimation of an Inducton Motor Drive Using Extended Kalman Filter” yang ditulis oleh K.L Shi, T.F. Chan, Y.K. Wong, dan S.L.Ho yang berasal dari Department of Electrical Engineering, The Hong Kong Polytechnic University. Paper ini berisi mengenai metode untuk mengestimasi kecepatan pada motor induksi dengan menggunakan Extended Kalman Filter. Secara singkat Extended Kalman Filter adalah berupa observer yang dapat melakukan estimasi dari state variable pada motor induksi, dimana state variable yang akan diestimasi adalah kecepatan rotor motor induksi.. Keunggulan Extended Kalman filter dibandingkan observer lainnya adalah ketahanannya terhadap noise dan perubahan parameter pada mesin.

Motor induksi atau yang dikenal dengan motor asinkron terdiri dari dua bagian, yaitu stator dan rotor. Pada motor induksi, stator (bagian yang statis atau diam) berupa kumparan jangkar sedangkan rotor (bagian yang berputar) berupa kumparan magnet. Sebagai sumber, diberikan tegangan AC tiga fasa pada stator, sedangkan rotor tidak mempunyai hubungan  listrik dengan tegangan AC yang digunakan, oleh karena itu tidak perlu adanya sikat-sikat (brushes)

Pada kebanyakan pengontrolan yang melibatkan kecepatan dan torsi, kontrol loop tertutup didasarkan pada kecepatan atau posisi dari motor menggunakan shaft encoder. Namun, pada kasus-kasus tertentu sangat sulit dan mahal jika menggunakan sensor kecepatan. Dengan penambahan sensor ini akan menambah ruang dan membuat sistem motor induksi menjadi berukuran cukup besar. Dengan menghilangkan sensor kecepatan dan kabel-kabelnya maka biaya yang dikeluarkan menjadi lebih murah. Selain itu juga dapat meningkatkan reliabilitas dan ketahanan dari keseluruhan sistem pengendalian. Oleh karena itu banyak peneliti berusaha untuk mengembangkan strategi kontrol kecepatan tanpa sensor dalam penelitiannya. Salah satu strateginya adalah dengan melakukan estimasi pada kecepatan motor yang kemudian sebagai sinyal feedback dari kontrol kecepatan loop tertutup.

Kalman filter merupakan salah satu observer yang dapat melakukan filter secara optimal dari noise selama pengukuran dan di dalam sistem jika kovarians dari noise tersebut diketahui.Kalman Filter secara langsung mengatasi efek dari akibat adanya gangguan noise dan kesalahan parameter. Kalman Filter diimplementasikan berdasarkan persamaan berikut, yang diekpresikan sebagai state model.

Kalman filter hanya dapat digunakan pada sistem yang linear. Oleh karena itu untuk mengatasi masalah non-linearitas pada sistem maka dikembangkanlah varian dari metode Kalman filter yang dinamakan dengan Extended Kalman filter. Dengan metode ini maka dapat digunakan pada sistem yang non-linear. Oleh karena itu akan digunakan Extended Kalman filter untuk mengestimasi kecepatan motor induksi, karena secara matematis motor induksi merupakan sistem dengan model yang non-linear.

Sifat non linearitas pada motor induksi dapat dilihat dari persamaan keadaannya, dimana pada matriks keadaaan terdapat state variable sehingga terjadi perkalian antar state.

Extended Kalman filter dapat digunakan untuk me-linearisasi state dari model non-linear sehingga menjadi dapat dihitung. State tersebut adalah kecepatan dari rotor motor induksi. Kecepatan rotor tersebut dapat diestimasi nilainya melalui Extended Kalman filter ini. Sehingga dapat dikatakan bahwa metode extended Kalman filter adalah metode yang terbaik sebagai solusi untuk mengestimasi kecepatan motor induksi. 


Algoritma Extended Kalman Filter

 (bersambung)