Desain Dan Simulasi Kontrol Kecepatan Motor BLDC Menggunakan Metode Direct Torque Control Berbasis Artificial Neural Network Untuk E-trail Bangkits Cendrawasih

Yasir, Nisya Ayavy Kusumaningtyas (2024) Desain Dan Simulasi Kontrol Kecepatan Motor BLDC Menggunakan Metode Direct Torque Control Berbasis Artificial Neural Network Untuk E-trail Bangkits Cendrawasih. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022201065-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Penelitian ini membahas implementasi kontrol kecepatan motor Brushless DC (BLDC) pada motor referensi eTrail Bangkits Cendrawasih menggunakan Direct Torque Control (DTC) yang berbasis Artificial Neural Network (ANN-PID). Motor BLDC memiliki keunggulan dalam hal efisiensi dan kinerja, namun kontrol kecepatan yang akurat dan responsif tetap menjadi tantangan. Metode DTC, yang terkenal dengan respons torsi yang cepat dan sederhana, diintegrasikan dengan ANN-PID untuk meningkatkan akurasi dan adaptabilitas kontrol. Dalam penelitian ini, ANN-PID digunakan sebagai pengendali kecepatan. Pada pengujian dengan pembebanan eTrail Bangkits Cendrawasih saat mulai melaju dan akhirnya melambat, di dapat bahwa kontrol DTC berbasis ANN lebih baik daripada DTC konvensional. DTC konvesional mengalami overshoot rata-rata sebesar 0,147%, sedangkan untuk DTC bebasis ANN hanya sebesar 0,005%. Untuk kecepatan aktual, metode DTC konvensional masih mengalami error sebesar 0,227%, sedangkan untuk DTC berbasis ANN tidak terdapat error kecepatan. Sistem kontrol yang dikembangkan juga menunjukkan kemampuan adaptasi yang lebih baik terhadap variasi beban dan gangguan dengan meminimalisir riak pada torsi. Penelitian ini memberikan kontribusi penting dalam bidang kontrol motor BLDC, khususnya untuk motor eTrail Bangkits Cendrawasih, dan membuka peluang untuk pengembangan lebih lanjut menggunakan metode hybrid serta pengujian dalam lingkungan fisik nyata.
============================================================
This research discusses the implementation of speed control for Brushless DC (BLDC) motors on the eTrail Bangkits Cendrawasih reference motor using Direct Torque Control (DTC) based on Artificial Neural Network (ANN-PID). BLDC motors have advantages in terms of efficiency and performance; however, achieving accurate and responsive speed control remains a challenge. The DTC method, known for its fast and simple torque response, is integrated with ANN-PID to improve control accuracy and adaptability. In this research, ANN-PID is used as the speed controller. Testing the eTrail Bangkits Cendrawasih under load conditions, from start to deceleration, shows that ANN-based DTC performs better than conventional DTC. Conventional DTC experiences an average overshoot of 0,147%, whereas ANN-based DTC only experiences 0.005%. For actual speed, the conventional DTC method still encounters an error of 0.227%, while the ANN-based DTC method shows no speed error. The developed control system also demonstrates better adaptability to load variations and disturbances by minimizing the torque ripple. This research makes a significant contribution to the field of BLDC motor control, particularly for the eTrail Bangkits Cendrawasih motor, and opens opportunities for further development using hybrid methods and testing in real physical environments.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Motor BLDC, eTrail Bangkits Cendrawasih, Direct Torque Control (DTC), Artificial Neural Network , Kontrol Kecepatan BLDC Motor, eTrail Bangkits Cendrawasih, Direct Torque Control (DTC), Artificial Neural Network, Speed Control
Subjects:	T Technology > T Technology (General) > T57.62 Simulation T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK2681.O85 Electric motors, Brushless. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK4055 Electric motor
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Nisya Ayavy Kusumaningtyas Yasir
Date Deposited:	02 Aug 2024 06:12
Last Modified:	02 Aug 2024 06:12
URI:	http://repository.its.ac.id/id/eprint/111075

Actions (login required)

View Item