Pemodelan Fuzzy Logic Adaptive Kecepatan Motor BLDC Berbasis MATLAB

Motor Brushless Direct Current (BLDC) banyak digunakan sebagai penggerak utama dalam industri karena efisiensi energi tinggi, densitas daya besar, respons cepat, dan pemeliharaan rendah. Namun, karakteristik motor BLDC yang nonlinear dan dinamis membuat kontroler PID konvensional kurang optimal dalam menghadapi perubahan kondisi sistem, terutama saat terjadi variasi beban. Penelitian ini bertujuan merancang dan memodelkan sistem kontrol kecepatan motor BLDC menggunakan metode Fuzzy Logic Adaptive berbasis MATLAB/Simulink, sekaligus mengintegrasikan sistem monitoring berbasis Internet of Things (IoT) agar performa motor dapat dipantau secara real-Time melalui dashboard website. Pemodelan plant motor BLDC dilakukan dengan pendekatan metode Ciancone berdasarkan data respons RPM terhadap waktu, menghasilkan fungsi alih orde satu G(s) = 1/(13,5s+1). Sistem kontrol diimplementasikan pada mikrokontroler ESP32 untuk mengendalikan motor BLDC 500 Watt 48V 20A DC. Dua tipe Fuzzy Logic, Mamdani dan Sugeno, dirancang dan dibandingkan performanya berdasarkan parameter settling Time, overshoot, undershoot, steady-state error, serta respons terhadap perubahan beban. Hasil pengujian menunjukkan Fuzzy Mamdani mencapai settling Time lebih cepat, sekitar 50-55 ms, dibandingkan Sugeno yang sekitar 129 ms, tetapi Mamdani menunjukkan overshoot sekitar +7% dan undershoot sekitar -14% disertai osilasi ulang ketika terjadi gangguan beban. Sebaliknya, Fuzzy Sugeno tidak menunjukkan overshoot maupun undershoot yang berarti, memiliki steady-state error lebih kecil dengan standar deviasi 0,90 berbanding 1,20 pada Mamdani, serta lebih stabil dan adaptif terhadap perubahan beban. Berdasarkan hasil tersebut, dapat disimpulkan bahwa Fuzzy Sugeno lebih unggul diterapkan pada kondisi beban yang berubah-ubah, sedangkan Fuzzy Mamdani tetap menjadi alternatif yang baik apabila kondisi beban relatif konstan dan respons awal yang cepat lebih diutamakan.
Kata Kunci: Motor BLDC, Fuzzy Logic Adaptive, Mamdani, Sugeno, IoT.