Seminar Proposal Rancang Bangun Sistem Kontrol Toleransi Kesalahan pada Axial Flux PMSM скачать в хорошем качестве

Seminar Proposal Rancang Bangun Sistem Kontrol Toleransi Kesalahan pada Axial Flux PMSM

[JUDUL PENELITIAN] RANCANG BANGUN SISTEM KONTROL TOLERANSI KESALAHAN PADA AXIAL FLUX PMSM MENGGUNAKAN PHYSICS-INFORMED REINFORCEMENT LEARNING UNTUK OPTIMASI KONTINUITAS OPERASIONAL. [ABSTRAK SINGKAT] Halo semua! Video ini berisi pemaparan Seminar Proposal skripsi saya yang berfokus pada pengembangan sistem kontrol cerdas untuk motor Axial Flux PMSM (Motenergy ME 1117). Fokus utama penelitian ini adalah menjaga kontinuitas operasional motor listrik, meskipun terjadi anomali atau kerusakan teknis seperti demagnetisasi atau gangguan beban. [MENGAPA PENELITIAN INI PENTING?] Motor fluks aksial memiliki densitas daya tinggi namun sangat sensitif terhadap panas. Jika terjadi kegagalan, sistem kontrol konvensional seringkali gagal beradaptasi. Di sini, saya mengusulkan penggunaan Physics-Informed Reinforcement Learning (PIRL). [TEKNOLOGI YANG DIGUNAKAN] 1. Physics-Informed Neural Networks (PINNs): Menanamkan hukum fisika (Hukum Ohm & Torsi) ke dalam AI agar keputusan kontrol tetap masuk akal secara saintifik. 2. Soft Actor-Critic (SAC): Algoritma Reinforcement Learning untuk kontrol kontinu yang halus. 3. Co-Simulation: Integrasi antara MATLAB/Simulink (Simscape Electrical) sebagai lingkungan fisik dan Python sebagai otak AI. 4. Virtual Sensing: Mengestimasi suhu internal lilitan tanpa sensor fisik tambahan. [TIMELINE PRESENTASI] 00:00 - Latar Belakang & Masalah 02:30 - Rumusan Masalah & Tujuan 04:15 - Tinjauan Pustaka: Axial Flux & PINNs 07:00 - Metodologi: Prosedur R&D 09:45 - Skenario Pengujian (Fault Injection) 12:00 - Penutup & Rencana Tahapan Selanjutnya [REFERENSI UTAMA] Raissi, M., et al. (2019). Physics-informed neural networks. Haarnoja, T., et al. (2018). Soft actor-critic.