Rancang Bangun Kontroler Motor Arus Searah Tanpa Sikat Untuk Kendaraan Listrik Dengan Kemudahan Pengaturan Tanggapan Dinamis Berbasis Logika Fuzzy Menggunakan Look Up Table

Mukhlisin, Agus (2023) Rancang Bangun Kontroler Motor Arus Searah Tanpa Sikat Untuk Kendaraan Listrik Dengan Kemudahan Pengaturan Tanggapan Dinamis Berbasis Logika Fuzzy Menggunakan Look Up Table. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 02111760012001-Dissertation.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (10MB) | Request a copy

Abstract

Kendaraan listrik merupakan alternatif pengganti kendaraan konvensional di masa mendatang. Komponen utama kendaraan listrik adalah kontroler motor BLDC. Diperlukan penguasaan teknologi kontroler motor BLDC agar Indonesia tidak tergantung pada negara lain. Kontroler motor BLDC yang dikembangkan mengalami kendala yaitu terjadi cut-off saat diuji dengan sudut ramp sebesar 30 derajat. Tunning sulit dilakukan, apabila diperoleh respon yang baik pada putaran rendah maka respon pada kecepatan tinggi menjadi jelek. Motor BLDC memiliki area transient pada respon arus fasa yang dapat menyebabkan overshoot. Disertasi ini menggunakan metode vector control berbasis Fuzzy Logic yang diimplementasikan menggunakan Look Up Table (LUT). Nilai tabel LUT diperoleh dari Fuzzy Logic. Proses komputasi seperti fuzzifikasi dan defuzzifikasi dilakukan dengan Simulink agar mikrokontroler tidak lama memproses komputasi ini. Output dari Simulink adalah data hubungan antara Throttle Position Sensor (TPS) dan putaran motor dengan arus referensi sumbu q (Iq_ref). Selanjutnya data dikonversi dalam format csv menggunakan evalfis. File CSV dapat di-upload ke memori flash pada mikrokontroler. Selanjutnya diakses dengan metode LUT menggunakan interpolasi bilinear. Iq_ref digunakan sebagai input pada vector control pada bagian kontrol arus sumbu q. Pengujian yang dilakukan antara lain: pengujian kinerja dinamis pada kendaraan listrik, pengujian performa menggunakan Eddy Current Dynamometer dan pengujian kehandalan pada kendaraan listrik. Kontroler motor BLDC terdiri dari modul kontrol dan modul 3-Phase Inverter dengan spesifikasi tegangan maksimal sebesar 150VDC dan arus fasa maksimal 800A. Parameter motor BLDC yang telah diperoleh digunakan untuk simulasi. Simulasi menggunakan Simulink berbasi Fuzzy Logic dengan variabel bebas berupa mode 1, mode 2 dan mode 3 sehingga memiliki respon dinamis yang bervariasi. Pada TPS 25%, respon kecepatan hasil simulasi Fuzzy lebih cepat dibandingkan dengan tanpa Fuzzy. Sedangkan pada TPS 50%, 75% dan 100% terlihat tidak memiliki perbedaan yang signifikan karena Iq_ref yang diberikan sudah melebihi kemampuan maksimal dari motor BLDC. Torsi maksimal yang dihasilkan pada saat TPS 100% sebesar 88.65 N.m dengan kecepatan maksimal x sebesar 5340 rpm. Uji performa telah dilakukan dengan menggunakan Eddy Current Dynamometer untuk kontroler berbasis Fuzzy Logic mode 1. Diperoleh nilai torsi maksimum sebesar 80,03 N.m pada 1908 rpm. Daya maksimum sebesar 19840-watt pada 3080 rpm. Kecepatan motor maksimum adalah 5548 rpm. Implementasi Fuzzy Logic dengan menggunakan LUT efektif digunakan. Kecepatan maksimal hasil pengujian dinamis mobil Calya listrik pada TPS 30% sebesar 6902 rpm, namun karena lintasan lurus tidak mencukupi maka kecepatan tersebut bukan merupakan kemampuan maksimal motor BLDC yang digunakan. Konversi surface membership function menjadi tabel LUT menggunakan evalfis. Metode ini dapat memberikan Iq_ref yang bervariasi terhadap perubahan putaran motor. Pengguna dapat merubah isi tabel sesuai dengan respon dinamis yang dibutuhkan. Hal ini menunjukkan kemudahan pengaturan respon dinamis pada kontroler motor BLDC ini. Kontroler motor BLDC ini memiliki kehandalan pada lintasan ekstrim offroad, lintasan light offroad dan lintasan jalan raya. Mode 1 memiliki respon paling halus sedangkan mode 3 memiliki respon paling powerfull. Selama 5500 menit pengujian kehandalan dapat memberikan konsistensi daya. Daya maksimal yang diberikan sebesar 1820 watt. Temperatur fluktuatif diantara 20 – 40 derajat celcius, jauh dibawah kemampuan Mosfet yaitu 120 derajat celcius. Sehingga sepanjang pengujian kontroler motor BLDC tidak mengalami over heat.
================================================================================================================================
Electric vehicles are an alternative to conventional vehicles in the future. The main component of electric vehicles is the BLDC motor controller. BLDC motor controller technology is required so that Indonesia is not dependent on other countries. The developed BLDC motor controller encountered a problem, a cut-off occurred when tested with a ramp angle of 30 degrees. Tunning is difficult to do, if we get a good response at low speed then the response at high speed becomes bad. BLDC motors have a transient area in the phase current response which can cause overshoot. This dissertation uses a vector control method based on Fuzzy Logic which is implemented using a Look Up Table (LUT). LUT table values obtained from Fuzzy Logic. Computation processes such as fuzzification and defuzzification are carried out with Simulink so that the microcontroller does not take long to process these computations. The output from Simulink is the relationship data between the Throttle Position Sensor (TPS) and the motor rotation with the q-axis reference current (Iq_ref). Then the data is converted in csv format using evalfis. CSV files can be uploaded to flash memory on the microcontroller. Furthermore, it is accessed using the LUT method using bilinear interpolation. Iq_ref is used as input to vector control in the q-axis current control section. Tests carried out include: dynamic performance testing on electric vehicles, performance testing using an Eddy Current Dynamometer and reliability testing on electric vehicles. The BLDC motor controller consists of a control module and a 3-Phase Inverter module with a maximum voltage specification of 150VDC and a maximum phase current of 800A. The obtained BLDC motor parameters are used for simulation. The simulation uses Simulink based on Fuzzy Logic with independent variables in the form of mode 1, mode 2 and mode 3 so that it has a varied dynamic response. At 25% TPS, the response speed of the Fuzzy simulation results is faster than without Fuzzy. Whereas at TPS 50%, 75% and 100% it seems that there is no significant difference because the Iq_ref given already exceeds the maximum capability of the BLDC motor. The maximum torque generated when the TPS 100% xii is 88.65 N.m with a maximum speed of 5340 rpm. Performance tests have been carried out using an Eddy Current Dynamometer for a controller based on Fuzzy Logic mode 1. The maximum torque value is 80.03 N.m at 1908 rpm. Maximum power of 19840-watts at 3080 rpm. Maximum motor speed is 5548 rpm. Implementation of Fuzzy Logic using LUT is effective. The maximum speed of the dynamic test results for the Calya electric car at 30% TPS is 6902 rpm, but because the straight line is not sufficient, this speed is not the maximum capability of the BLDC motor used. Convert the surface membership function to a LUT table using evalfis. This method can provide Iq_ref which varies with changes in motor rotation. Users can change the contents of the table according to the dynamic response needed. This shows the ease of setting the dynamic response of this BLDC motor controller. This BLDC motor controller has durablity on extreme offroad tracks, offroad light tracks and highway tracks. Mode 1 has the smoothest response while mode 3 has the most powerful response. For 5500 minutes of reliability testing can provide power consistency. The maximum power provided is 1820 watts. The temperature fluctuates between 20 – 40 degrees Celsius, far below the capabilities of the Mosfet, which is 120 degrees Celsius. So that during testing the BLDC motor controller did not overheat.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Kontroler motor BLDC, Fuzzy Logic; Look Up Table, Vector Control, BLDC motor controller; Fuzzy Logic Controller; Look Up Table, Vector control
Subjects:	Q Science > QA Mathematics > QA9.64 Fuzzy logic T Technology > TJ Mechanical engineering and machinery > TJ223.P76 Programmable controllers
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21001-(S3) PhD Thesis
Depositing User:	Agus Mukhlisin
Date Deposited:	15 Feb 2023 10:49
Last Modified:	15 Feb 2023 10:49
URI:	http://repository.its.ac.id/id/eprint/97549

Actions (login required)

View Item