DESAIN DAN IMPLEMENTASI BATTERY CHARGE CONTROLLER DENGAN MENGGUNAKAN METODE ELMAN BACKPROPAGATION NEURAL NETWORK PADA ROBOT ERSOW
ABSTRAK
Desain dan Implementasi Battery Charge Controller menggunakan Metode Elman Backpropagation Neural Network (EBNN) pada Robot ERSOW adalah sebuah studi yang fokus pada pengembangan sistem pengontrol pengecas baterai yang efisien dan akurat. Dalam studi ini, metode Elman Backpropagation Neural Network digunakan untuk mengoptimalkan performa sistem pengontrol. Robot ERSOW digunakan sebagai platform untuk menguji dan mengimplementasikan sistem yang telah dibuat. Maka dari itu, pada proyek akhir ini dibuat sistem battery charge controller yang dapat melakukan charging pada baterai dengan spesifikasi yang berbeda-beda. Sistem ini dapat memberikan tegangan charging sesuai dengan jenis baterai. Di mana masing-masing baterai tersebut memiliki level tegangan charging dan karakteristik yang berbeda. Baterai yang digunakan di sini adalah Lithium-Ion 12 V 5000mAh, Lithium-Ion 16 V 10000 mAh, Lithium-Ion 24 V 8000 mAh. Inti dari sistem ini adalah ketika output konverter di bawah range tegangan charging beban, maka arus tidak mengalir atau Io = 0 A. Namun, ketika tegangan output konverter berada pada range tegangan charging beban, maka arus akan mengalir. Pada sistem menggunakan sumber PLN 220 VAC, kemudian diturunkan menggunakan trafo step down menjadi 12 VAC, dan akan disearahkan menggunakan single phase full wave rectifier menjadi 12 VDC. tegangan output dari rectifier akan menjadi input untuk SEPIC Converter. SEPIC Converter digunakan untuk mengatur besarnya tegangan keluaran yang akan digunakan untuk charging baterai. Jikalau baterai yang terhubung adalah baterai Lipo 12V 5000mAh maka tegangan charging adalah 12.6V, jika baterai yang terhubung adalah Lithium-Ion 16V 10000 mAh, maka tegangan charging adalah 16.8V begitupun juga untuk baterai yang lain. Selanjutnya di sini digunakan algoritma EBNN untuk menentukan identifikasi baterai dan nilai set poin tegangan charging berdasarkan data learning, melalui karakteristik arus dan tegangan yang menjadi parameter input pada algoritma EBNN. Nilai set poin yang telah diperoleh selanjutnya akan dieksekusi oleh kontrol PI pada tahap proses charging. Metode charging yang digunakan adalah constant current constant voltage.
[DOWNLOAD ABSTRACT]Kategori
D3 Teknik ElektronikaD3 Teknik Telekomunikasi
D3 Teknik Elektro Industri
D3 Teknik Informatika
D3 Teknologi Multimedia Broadcasting
D4 Teknik Elektronika
D4 Teknik Telekomunikasi
D4 Teknik Elektro Industri
D4 Teknik Informatika
D4 Teknik Mekatronika
D4 Teknik Komputer
D4 Teknik Teknologi Game
S2 Teknik Elektro
S2 Teknik Informatika dan Komputer