Rancang Bangun Adaptive Neuro Fuzzy Inference System untuk Kendali Kecepatan Motor BLDC

Abstract

Perkembangan kendaraan listrik mendorong penggunaan motor Brushless Direct Current (BLDC) yang memiliki efisiensi tinggi dan perawatan rendah. Namun, sa-lah satu permasalahan utama pada motor BLDC adalah ketidakstabilan kecepatan putaran yang terjadi karena adanya perubahan kecepatan secara mendadak yang dapat menyebabkan overshoot dan fluktuasi. Oleh karena itu, diperlukan sistem kendali yang adaptif untuk menjaga kestabilan kecepatan motor. Penelitian ini dil-akukan untuk merancang dan menerapkan sistem kendali kecepatan motor BLDC menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS), serta membandingkan kinerjanya dengan metode Proportional Integral Derivative (PID). Metode penelitian meliputi perancangan sistem hardware menggunakan Ar-duino Uno, sensor proximity sebagai umpan balik, serta pengendali berbasis AN-FIS. Parameter performa yang dianalisis meliputi overshoot, settling time, dan rise time. Hasil pengujian menunjukkan bahwa metode ANFIS mampu mengendalikan kecepatan motor dengan respon yang lebih stabil tanpa overshoot pada seluruh variasi Setpoint. Nilai settling time yang diperoleh sebesar 3,418 detik pada 250 RPM, 2,592 detik pada 300 RPM, dan 2,207 detik pada 400 RPM. Dibandingkan dengan metode PID yang masih menghasilkan overshoot hingga 33,92% dan set-tling time yang lebih lama, ANFIS menunjukkan performa yang lebih baik dalam hal kestabilan dan respon sistem. Dengan demikian, metode ANFIS terbukti lebih efektif dan adaptif dalam pengendalian kecepatan motor BLDC, serta memiliki po-tensi untuk diterapkan pada sistem kendali non-linier lainnya.