Kendali ANN Motor BLDC sebagai Alternatif Kontroler PID: Studi Komparatif Simulasi

Abstract

Motor Brushless Direct Current (BLDC) banyak digunakan di industri karena efisiensi dan keandalannya, namun pengendalian kecepatannya sulit akibat sifat non-linear dan kompleksitas responsnya. Kontroler PID masih umum digunakan, tetapi kinerjanya bergantung pada tuning parameter gain. Penelitian ini mengusulkan Artificial Neural Network (ANN) sebagai alternatif PID dengan memanfaatkan data PID untuk pelatihan jaringan saraf menggunakan backpropagation. Simulasi MATLAB/Simulink membandingkan kinerja keduanya pada kondisi tanpa beban dan berbeban. Respon transien ANN saat akselerasi menunjukkan nilai rata-rata overshoot 0.1873%, rise time 0.0216s, settling time 3.0291s, dan respon steady-state error menunjukkan 0.1422%. Sedangkan pada saat deselerasi menunjukkan nilai rata-rata overshoot 0.4314%, rise time 0.8203s, settling time 3.9861s, dan respon steady-state error menunjukkan 1.0184%. ANN terbukti menghasilkan overshoot lebih rendah, respons lebih cepat, dan steady-state error lebih kecil dibanding PID, serta adaptif terhadap variasi beban dan kecepatan tanpa tuning manual, sehingga berpotensi menjadi solusi pengendalian BLDC di industri.