digilib@itb.ac.id +62 812 2508 8800

Kendaraan listrik memiliki sebuah pengontrol untuk mengelola operasi kendaraan. Untuk meningkatkan efisiensi kendaraan, kendaraan listrik memerlukan kontrol kecepatan dan torka yang dihasilkan oleh motor. Pengontrolan kecepatan ini harus membuat kendaraan listrik melaju sesuai dengan laju yang ditentukan (tracking set-point) dan meminimalisasi pengaruh gangguan yang dapat membuat kestabilan laju kendaraan terganggu (disturbance rejection). Namun, pada umumnya pengontrol kecepatan kendaraan listrik hanya bisa melakukan tracking set-point saja. Dalam penelitian ini, sebuah pengontrol struktur paralel akan dirancang menggunakan pengontrol PID dan reinforcement learning untuk meningkatkan kinerja sistem motor dalam melakukan tracking pada set-point dan meminimalisasi pengaruh gangguan pada sistem motor. Parameter PID pengontrol ini juga disintesis menggunakan reinforcement learning. Pengontrol akan diimplementasikan pada sebuah sistem motor listrik AC tiga fasa. Pengontrol PID dengan parameter yang disintesis dengan reinforcement learning mampu membuat sistem stabil dan mencapai nilai RMSE 23,508 rpm, lebih baik daripada hasil sintesis Ziegler-Nichols yakni 35,972 rpm. Pada pengontrol dengan struktur paralel untuk semua jenis gangguan yang diberikan, nilai RMSE lebih kecil daripada pengontrol PID biasa. Untuk gangguan masukan, RMSE pada pengontrol dengan struktur paralel adalah 14,897 rpm, sedangkan RMSE pada pengontrol PID biasa adalah 18,266 rpm. Untuk gangguan keluaran, RMSE pada pengontrol dengan struktur paralel adalah 19,324 rpm dan 13,106 rpm, sedangkan RMSE pada pengontrol PID biasa adalah 20,872 rpm dan 16,641 rpm. Untuk gangguan perubahan kecepatan rujukan, RMSE pada pengontrol dengan struktur paralel adalah 10,282 rpm, sedangkan RMSE pada pengontrol PID biasa adalah 11,844 rpm.