Pemodelan Matematis dan Analisis Kinerja Motor DC Crouzet 82800502 serta Motor AC 1 Phasa Mitsubishi SC-QR 1/2 HP: Pendekatan Transformasi Laplace dan Implementasi Kontrol Digital

Authors

  • Alfareza Dicky Saputra Mahasiswa Program Studi Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri Surabaya

Keywords:

Pemodelan Matematis; Transformasi Laplace; Fungsi Alih; Sistem Elektromekanis; Kapasitor Start; Kontrol Digital

Abstract

Pemodelan matematis sistem motor listrik merupakan fondasi penting dalam perancangan dan optimasi sistem kontrol. Penelitian ini berfokus pada pemodelan matematis motor DC Crouzet 82800502 dan motor AC 1 phasa Mitsubishi SC-QR 1/2HP menggunakan transformasi Laplace [3] dan persamaan diferensial untuk menganalisis karakteristik dinamik, stabilitas, serta respons transien dan tunak. Motor DC dimodelkan sebagai sistem elektromekanis orde kedua [12] dengan parameter seperti resistansi jangkar (3.9 Ω), induktansi (9.35 mH), dan konstanta torsi (0.0627 Nm/A), sementara motor AC 1 phasa dianalisis melalui pendekatan medan putar dan kapasitor start (50 µF) [4]. Hasil simulasi MATLAB/Scilab menunjukkan bahwa motor DC memiliki waktu respon lebih cepat (τ_mekanik = 15 ms) dengan efisiensi 54% [1], sedangkan motor AC 1 phasa mencapai efisiensi 70% namun memerlukan waktu stabilisasi lebih lama akibat inersia rotor dan mekanisme start-up [5].

Studi ini juga mengimplementasikan reduksi blok diagram untuk menyederhanakan fungsi alih kedua motor, memfasilitasi desain kontroler PID berbasis mikrokontroler. Simulasi closed-loop menunjukkan peningkatan performa dengan overshoot <5% untuk motor DC dan error steady-state <2% untuk motor AC, sebagaimana dijelaskan oleh Ahmed et al. [7] dan Zhou et al. [9]. Tantangan utama yang diidentifikasi meliputi ketidaklinieran pada motor AC akibat harmonik dan saturasi fluks [5], [15], serta dampak suhu terhadap parameter motor DC [1], [10]. Rekomendasi untuk penelitian lanjutan mencakup validasi eksperimental, penggunaan kontrol adaptif untuk motor AC, dan integrasi machine learning [8] untuk optimasi parameter. Temuan ini memberikan panduan praktis bagi insinyur dalam memilih dan mengoptimalkan motor untuk aplikasi industri, robotika, atau sistem otomasi.

Downloads

Published

11-12-2025