Perpustakaan Digital ITB

Pengontrolan motor Brushless DC (BLDC) dalam sistem industri dan robotika sering menghadapi tantangan ketika terjadi perubahan kondisi operasional, khususnya akibat beban tidak seimbang yang menyebabkan osilasi pada kecepatan sudut. Penelitian ini bertujuan untuk mengembangkan sistem kontrol berbasis data yang mampu mendeteksi dan menanggapi gangguan secara adaptif dengan pendekatan digital twin. Sistem digital twin yang dikembangkan merepresentasikan perilaku dinamis motor BLDC secara real-time dan terintegrasi dengan proses klasifikasi kondisi serta aktivasi pengontrol otomatis. Purwarupa sistem menggunakan motor BLDC berkekuatan 850 W yang dikontrol melalui driver BLDC dan dipasangkan dengan sensor kecepatan sudut. Model digital twin dibangun secara data-driven menggunakan data eksperimen, dan digunakan untuk memodelkan respons sistem serta gangguan harmonik akibat beban tidak seimbang. Untuk klasifikasi kondisi operasional, digunakan model Convolutional Neural Network (CNN) yang dilatih untuk membedakan antara kondisi normal dan gangguan secara real-time. Setelah kondisi gangguan terdeteksi, sistem secara otomatis mengaktifkan pengontrol berbasis data, yaitu repetitive control atau kombinasi kontrol feedforward dan PID, untuk meredam osilasi dan menjaga kestabilan sistem. Hasil evaluasi menunjukkan bahwa sistem klasifikasi berbasis CNN mampu mendeteksi kondisi gangguan secara akurat setelah sistem mencapai kestabilan, dengan akurasi klasifikasi sebesar 98%, presisi 100%, dan F1-score 97,9% pada pengujian luring. Aktivasi pengontrol berbasis data menghasilkan penurunan amplitudo osilasi secara signifikan, yaitu dari 39,3 RPM menjadi 24,4 RPM dengan metode feedforward-PID, dan dari 37,9 RPM menjadi 33,9 RPM dengan metode repetitive control. Temuan ini membuktikan bahwa integrasi antara klasifikasi kondisi, kontrol adaptif, dan representasi sistem melalui digital twin dapat meningkatkan kecepatan respons dan keandalan kontrol motor BLDC terhadap gangguan periodik. Kata kunci: digital twin, kontrol berbasis data, motor BLDC, kontrol adaptif, beban tidak seimbang, machine learning, real-time.