JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 8 No. 1 Agustus 2015

Transkripsi

1 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus EGEDALIA KECEATA MOTOR BRUSHLESS DC (BLDC) MEGGUAKA METODE LOGIKA FUY Agung Dwi Yulianta, Sasongko ramono Hadi, Suharyanto 3,,3 Jurusan Teknik Eleko dan Teknologi Informasi Universitas Gadjah Mada Masuk: 3 April, revisi masuk : Mei, diterima: Agustus ABSTRACT BLDC motors were operated in many indusial environmen, especially flammable indusy. Besides, it possessed higher efficiency than induction motors, and smaller dimensions than a conventional direct current motors. Moreover, the absence of brush allowed i eatment became easy and showed almost no noise.fuzzy logic was used as one of the motor speed conolling methods. The design of fuzzy conollers was done by simulating the output speed based on fuzzy conolling reference in order to obtain optimal conol resul. Several types of defuzzification used were COA / cenoid, bisector, MOM, LOM, and SOM. Transient and calculation methods were used to analyze the ISE design optimization of conol. The result showed that defuzzification method was able to follow the speed setting that was provided by COA method.the testing on changes of the speed setting from rpm to rpm showed the response characteristics of conventional ID conol system with an average value of the rise time () 9 second, steady time ().9 second, overshoot.3%, and the percentage of ISE 9.9%. While resul generated on fuzzy conol system were average value of rise time () second, steady time () second, overshoot % and the percentage of ISE 99.3%. The fuzzy conol system which was implemented to set the BLDC motor could improve the performance of conventional ID. Keywords :conol, BLDC, motor, fuzzy, defuzzification, response. ITISARI Motor BLDC banyak dioperasikan di lingkungan indusi, terutama indusi yang mudah terbakar. Selain itu, Motor BLDC efisiensinya lebih tinggi daripada motor induksi, dan berdimensi lebih kecil daripada motor arus searah konvensional. Dengan tidak adanya sikat, maka perawatan menjadi mudah dan hampir tidak ada derau.logika fuzzy digunakan sebagai salah satu metode pengendalian kecepatan motor.erancangan pengendali fuzzy dilakukan dengan simulasi kecepatan keluaran berdasar referensi pengendalian fuzzy sehingga diperoleh hasil pengendalian yang optimal.beberapa jenis defuzzifikasi yang digunakan adalah COA/cenoid, bisektor, MOM, LOM, dan SOM.Metode ansien dan perhitungan ISE digunakan untuk menganalisis optimalisasi perancangan pengendalian.ada penelitian, dihasilkan bahwa metode defuzzifikasi yang mampu mengikuti setting kecepatan yang diberikan adalah metode COA.engujian perubahan kecepatan dari rpm sampai rpmdihasilkan karakteristik tanggapan sistem kendali ID konvensional dengan rata-rata waktu kenaikan () 9 sekon, ratarata waktu tunak ().9 sekon, rata-rata overshoot sebesar.3 %, dan persentase ISE sebesar 9.9%, sedangkan pada fuzzy dihasilkan rata-rata waktu kenaikan () sekon, rata-rata waktu tunak () sekon, rata-rata overshoot sebesar % dan persentase ISE sebesar 99.3%.Sistem pengendalian fuzzy yang diimplementasikan untuk mengatur motor BLDC dapat memperbaiki kinerja ID konvensional. Kata kunci : konol, BLDC, motor, fuzzy, defuzzifikasi, tanggapan. agungdy@gmail.com, sasongko@te.ugm.ac.id, 3 suharyanto@ugm.ac.id

2 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus EDAHULUA Kini telah berkembang mesin arus searah, terutama untuk mesin yang kecil, di antaranya sebagai motor kendali, ataupun motor servo. Mesin penggerak bertenaga elekik yang populer adalah motor arus searah tanpa sikat (motor BLDC), karena memiliki kelebihan dibandingdengan jenis mesin penggerak bertenaga elekik lainnya. Kelebihan motor BLDC adalah efisiensi lebih tinggi daripada motor induksi, dimensi lebih kecil daripada motor arus searah konvensional. Selain itu, dengan tidak adanya sikat, maka perawatan menjadi ringan, hampir tidak ada derau/noise, dan bisa dioperasikan pada lingkungan yang mudah terbakar. Kelebihan lain dibanding mesin induksi adalah tanggapannya lebih cepat, umur pakai lebih lama, dan mempunyai rentang kecepatan yang lebar (Hidayat, 4). Sistem motor BLDC mengacu pada konsep rangkaian elekomekanik sistem penggerak yang tanggap dan hemat energi. Sistem tersebut dibangun melalui perpaduan elekomekanik, rangkaian elekonika, sistem sensor dan rangkaian logika atau algoritma kendali mikro. ada bagian elekomekanik menonjolkan konsep keunggulan motor DC konvensional dalam hal pengendalian, dan keunggulan motor sinkron 3 fasa dalam hal efisiensi. ada bagian elekonika terdiri dari saklar statik dengan memamfaatkan komponen ansistor untuk mengubah tegangan searah menjadi tegangan bolak balik (inverter). engaturan tegangan keluaran inverter dilakukan dengan mengatur lebar pulsa pensaklaran inverter disesuaikan dengan kebutuhan kecepatan atau torsi beban (Sutikno, ) Motor BLDC sudah banyak digunakan digunakandi indusi seperti indusi otomotif, konsumsi,kesehatan, otomasiindusi daninsumentasi.dengan adanya keperluan pemakaian motor BLDCdi berbagai bidang tersebut, maka perlu diatur kecepatannya agar sesuai dengan tanggapan kecepatan yang diharapkan. Rumusan Masalah, berdasarkan latar belakang yang telah dijelaskan sebelumnya dapat dirumuskan permasalahannya yaitu bagaimana merancang sebuah pengendali kecepatan motor BLDC dengan logika fuzzy dengan suktur yang optimal. Tujuan penelitian ini untuk melakukan perancangan kendali kecepatan motor BLDC dengan logika fuzzy dan mengetahui parameter-parameter yang digunakan untuk pengendalian kecepatan motor BLDC agar sesuai dengan yang diharapkan. Tinjauan pustaka, pada perancangan sistem konol dengan menggunakan logika fuzzy terdapat tiga proses, yaitu fuzzifikasi, logika pengambilan keputusan/evaluasi rule dan defuzzifikasi. Masing-masing proses tersebut akan mempengaruhi respon sistem yang dikendalikan. Defuzzifikasi merupakan langkah terakhir dalam suatu sistem logika fuzzy dengan bertujuan mengkonversi setiap hasil dari inference engine yang diekspresikan dalam bentuk fuzzy set ke suatu bilangan real. Hasil konversi tersebut merupakan aksi yang diambil oleh sistem kendali logika fuzzy.karena itu, pemilihan metode defuzzifikasi yang sesuai juga turut mempengaruhi sistem kendali logika fuzzy dalam menghasilkan respon yang optimum.dalam penelitian ini menggunakan metode Mamdani dan diperoleh hasil bahwa metode defuzzifikasi yang terbaik sangat tergantung pada perancangan fungsi keanggotaan dan basis aturan fuzzy yang digunakan(sutikno, ). ada Gambar menunjukkan bagianmelintang darimotorbldcdengan rotoryang memiliki dan S magnet perma-nen. Sensor hallterletak di bagian stasioner motor. Gambar Konuksimotor BLDC (X,)

3 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus Untuk menyederhana-kan proses pemasangan sensor Hall kestator, beberapa motor memiliki magnet sensor Hall padarotor, selain magnet rotor utama. Oleh karena itu, setiap kalirotor berputar, magnet sensor Hall memberikan efek yang samaseperti magnet utama. Sensor Hall biasanya dipasangdi boarddan sifatnya tetap untuk penutup di ujungblok mesin. Hal ini memungkinkan pengguna untuk menyesuaikan perakitn lengkap sensor Hall, menyelaraskan dengan magnet rotor, dan untuk mencapaikinerja terbaik. Motor BLDC tidak menggunakan sikat-sikat untuk komutasinya dan memiliki kecepatan yang sinkron antara medan putar stator dan rotornya. Rotor motor BLDC adalah magnet permanen sehingga tidak diperlukan kumparan penguat dan tidak ada arus beban yang mengalirinya.metode pengaturan kecepatan pada motor BLDC ada macam, yaitu pengaturan tegangan catu dan pengaturan percepatan sudut fasa (phase advance angle).ada pengaturan percepatan sudut fasa, kecepatan optimal dapat diperoleh ketika arus dan ggl bersamaan dalam waktu atau dengan kata lain sefase(munawar dkk, ). METODE Dalam pengendalian motor BLDC, terdapat parameter yang dapat sebagai dasar dari optimalisasi kinerjanya. arameter-parameter tersebut adalah sebagai berikut (Suratno, ). Waktu tunda () adalah waktu yang diperlukan tanggapan untuk mencapai setengah nilai akhir yang pertama kali. Waktu naik () adalah waktu yang diperlukan tanggapan untuk naik dari sampai 9%, sampai 9%, atau sampai % dari nilai akhirnya. Untuk sistem orde kedua redaman kurang, biasanya digunakan waktu %. Untuk sistem redaman lebih, biasanya digunakan waktu naik 9%. Waktu puncak (tp) adalah waktu yang diperlukan tanggapan untuk mencapai puncak lewatan yang pertama kali. ersen lewatan maksimum (Mp) adalah nilai relatif yang menunjukkan nilai perbandingan antara nilai maksimum tanggapan yang melewati nilai steady state/keadaan tunak dengan keadaan mantap. arameter Mp menunjukkan kestabilan relatif sistem. arameter ini didefinisikan seperti persamaan (). () Waktu keadaan tunak, steady state () adalah waktu yang diperlukan kurva tanggapan untuk mencapai keadaan mantap dan menetap dalam daerah sekitar harga akhir yang ukurannya ditentukan dengan presentase mutlak dari harga akhir (biasanya % atau %). Apabila diilusasikan, parameterparameter tersebut dapat dibuat seperti Gambar. Gambar Grafik ilusasi karakteristik conol erancangan program ID pada Matlab Simulink, dilakukan dengan metode auto-tune yang ada pada matlab sehingga diperoleh nilai Kp, Ki, dan Kd dengan nilai yang optimal. erancangan suktur fuzzypada Matlab Simulink dilakukan dengan melakukan perubahan nilai rentang dan bentuk dari fungsi keanggotaan yang digunakan, baik masukan maupun keluaran.karakteristik yang umum dipergunakan dalam suatu pengendalian sistem adalah stabilitas, sensitivitas, kecepatan tanggapan, dan akurasi (Diepenbrock, 99). rosedur logika fuzzy yang digunakan meliputi proses fuzzyfikasi, evaluasi rule dengan metode Mamdani dan proses defuzzifikasi. Data diambil 3

4 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus berdasarkan perubahan dari variasi setting point dan jenis fuzzyfikasinya. Untuk memperoleh tanggapan kecepatan yang sesuai, dilakukan dengan perubahan fungsi keanggotaan dengan rentang nilai tertentu. Data kecepatan dimasukkan ke dalam sistem pengendali agar diperoleh data koreksi kecepatan (error) dan selisih koreksi kecepatan (derror), sedangkan output berupa error yang semakin kecil (Mathworks, 99). dan rentang output dirancang dengan nilai (- 4). Bentuk fungsi keanggotaan masukan error ditunjukkan pada Gambar 3 dan masukan derror pada Gambar4, sedangkan keluaran pada Gambar. Gambar erancangan output Gambar 3 erancangan masukan error Evaluasi aturan adalah proses mengevaluasi derajat keanggotaan setiap fungsi keanggotaan masukan ke dalam basis aturan yang telah ditetapkan. Dalam penelitian ini menggunakan (tujuh) variasi masukan, sehingga akan diperoleh 49 (empat puluh sembilan) aturan pengendalian fuzzy dan dapat dibuat seperti Tabel. Tabel Basis Aturan engendalian dengan Logika Fuzzy Error \ derror B B Gambar 4 erancangan input derror Rentang masukan error dirancang dengan nilai (- 4), rentang input derror dengan nilai (- ), B B B B B B B B B B B B B B B B B B B B B B erancangan pengendali fuzzy dilakukan dengan simulasi kecepatan keluaran berdasar kecepatan referensi pengendalian fuzzy sehingga diperoleh 4

5 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus hasil pengendalian yang optimal.kendali fuzzy ini menggunakan beberapa jenis defuzzifikasi, yaitu untuk COA/cenoid, bisector, MOM, LOM, dan SOM (Kusumadewi, ). Metode defuzzifikasi pada komposisi aturan MAMDAI, antara lain: Metode Cenoid (Composite Moment) Metode ini paling konsisten dan memiliki tinggi serta lebar total daerah fuzzy yang sensitif.ada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z) daerah fuzzy. Secara umum dirumuskan persamaan () dan persamaan () sebagai berikut. keanggotaan maksimum.secara umum dituliskan seperti persamaan (). () erancangan pengendali fuzzy dirancang seperti Gambar. () () Metode Bisektor ada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy. Secara umum dituliskan seperti persamaan (3). (3) Metode Mean of Maximum (MOM) ada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum. Secara umum dituliskan seperti persamaan (4). (4) Metode Largest of Maximum (LOM) ada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum. Secara umum LOM dituliskan seperti persamaan (). () Metode Smallest of Maximum (SOM) ada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai Gambar erancangan pengendali fuzzy Rancangan yang dibuat menggunakan program Matlab Simulink. Eksperimen ini membutuhkan pemodelan motorbldc yang telah diteliti oleh peneliti sebelumnya yang menggunakan metode identifikasi model ARX (autoregressive exogenous) dan kriteria pemilihan persamaannya menggunakan kriteria FE (final prediction error) (Hidayat, 4). Dari penelitian tersebut, diperoleh persamaan fungsi ansfer (TF) seperti persamaan (). 4 TF = () z.43z 4 Untuk analisis sistem kendali kecepatan motorbldc, lebih mudah apabila dilakukan pada sistem kontinyu, sehingga persamaan () perlu diubah menjadi fungsi kontinyu. Untuk mengubah persamaan tersebut diperlukan penentuan waktu pencuplikan yang mengacu pada persamaan (). T τ (sekon) () Dengan konstanta waktu motorbldc adalah τ=., maka diperoleh T sekon. Jika motorbldc dioperasikan pada kecepatan maksimum sebesar 3 rpm, makan kecepatan sudut (ω) motorbldc dapat dihitung ω =

6 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus π.n / = π.3 / = π dengan pemba-tasan waktu cuplikan (π/t) ω, maka diperoleh T dan waktu sampling sekon. Dari parameter-parameter tersebut diperoleh fungsi ansfer dalam bentuk fungsi kontinyu seperti persamaan (9). - s + 39 TF = s + 9s + 33 (9) Integral Square Error (ISE),Salah satu indikator analisis kinerja sistem pengendali adalah dengan kriteria integral galat minimum (ISE). Sistem kendali yang memiliki umpan balik dapat mengurangi galat suatu sistem pada setiap variabel dan akan mencapai nilai nol dengan cepat, sehingga kriteria yang digunakan untuk mengukur kualitas tanggapan sistem akan memperhitungkan variasi galat selama rentang waktu tertentu. ISE merupakan integrasi kuadrat dari kesalahan dari waktu ke waktu.dengan galat-galat yang kecil saja dapat menghasilkan ISE yang besar. Sistem kendali yang ditentukan untuk meminimalkan ISE akan cenderung menghilangkan kesalahan besar dengan cepat, tapi akan mentolerir kesalahan kecil yang bertahan untuk jangka waktu yang lama (Kealy, 3). Analisis ISE menggunakan persamaan fungsi sistem kontinyu () atau sistem diskret (). ISE = e( t) dt () = n ISE e t ; t=,,,3,.. n () t= dengan t adalah error kecepatan pada saat t, yang merupakan selisih antara setting kecepatan dengan kecepatan aktual pada saat t. Metode Analisis, analisis data hasil pengujian dilakukan dengan cara melakukan simulasi algoritmafuzzy yang optimal dengan fungsi keanggotan tertentu yang menghasilkan fungsi respon yang optimal. Analisis pengujian kinerja sistem tersebut berdasar parameter respon ansient kecepatan motor BLDC, dan integral square error (ISE). Analisis respons ansient dilakukan dengan menampilkan grafik hubungan kecepatan terhadap waktu.analisis ISE untuk menilai kenerja pengendali berdasarkan error, yang dimulai dari kondisi peralihan (ansient) sampai kondisi tunak (Kealy, 3).ersamaan ISE yang digunakan adalah persamaan () atau (). Untuk mempermudah dalam analisis, parameter ansient dan nilai ISE pada setiap suktur pengendali ditampilkan dalam Tabel. EMBAHASA engujian perbedaan defuzzifikasi, dari penelitian diperoleh perbedaan nilai parameter ansien pada setiap jenis defuzzifikasi yang digunakan.data yang diperoleh dibuat tabel untuk setiap jenis parameter yang dianalisis. Tabel. arameter Transien Dengan erbedaan enggunaan Metode Defuzzifikasi Meto de COA Bisek tor MOM LOM SOM Referensi (rpm) Rat a- rata ada Tabel menunjukkan bahwa rata-rata waktu keadaan tunak yang paling kecil adalah metode

7 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus defuzzifikasi dengan MOM dengan waktu 4 sekon, sedangkan yang paling besar adalah dengan COA, yaitu sekon, sedangkan waktu tunda rata-rata dan waktu naik rata-rata terkecil diperoleh dengan metode SOM dengan waktu 4 sekon dan 3 sekon. erbandingan kelima metode defuzzifikasi yang digunakan untuk pengendalian BLDC pada penelitian ini ditunjukkan pada tabel 3 dan tabel 4, dan diperoleh hasil bahwa metode defuzzifikasi COA dapat mengendalikan sistem dengan persentase error dan overshoot paling kecil, yaitu pensentaseerror % untuk semua kecepatan yang diberikan dan overshoot rata-rata % pada rentang kecepatan rpm rpm. Tabel 3ersentase Error (dalam %) COA MOM LOM SOM Tabel 4ersentase Overshoot(dalam %) Kecepatan Bisector Ratarata Kecepatan COA Bisector MOM LOM SOM Rata-rata..33. Gambar Grafik tanggapan defuzzifikasi Secara grafik kecepatan terhadap waktu, bisa dibandingkan kelima bentuk tanggapan pada kecepatan rpm sesuai Gambar bahwa metode defuzzifikasi COA lebih mampu mengikuti setting kecepatan yang diberikan pada BLDC yang diuji meskipun secara rata-rata waktu tunda dan waktu naik lebih besar dari metode defuzzifikasi SOM. Tabel arameter Reponse Transien Transien Kono l O pen Loop ID Fuz zy Setting point Tp..... Td 9 Tr..... Ts..... Mp % % % % % Erro r.4%.4%.4%.4%.3% Tp Td Tr Ts Mp.%.%.%.%.% Erro r % % % % % Tp Td Tr Ts Mp Erro r % %.4% % % % % % % % emilihan metode defuzzifikasi pada aturan Mamdani dalam penggunan suktur pengendali fuzzy tergantung pada perancangan fungsi keanggotaan dan basis aturan fuzzy yang digunakan untuk mengendalikan BLDC. engujian Suktur engendali Fuzzy, pengujian simulasi sistem menggunakan suktur pengendali fuzzy, ID, dan open loop secara bersamaan. arameter ID yang digunakan yaitu hasil dari autotune dengan simulasi matlab dan diperoleh nilai Kp =.9, Ki =., Kd = -9, dengan koefisien filter

8 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus =., sedangkan untuk suktur fuzzy, defuzzifikasi menggunakan COA. engujian yang dilakukan dalam penelitian ini dapat dibuat tabel yang berisi parameter ansient. Analisis menggunakan ISE diperoleh nilai yang lebih terlihat, yaitu untuk pengendali fuzzy lebih rendah dibanding dengan pengendali ID. engurangan ISE untuk ID dan fuzzy, dengan suktur pengendali fuzzy sudah bisa mencapai 99% sedangkan pada suktur ID sekitar 9%, seperti pada tabel. Analisis ini sesuai dengan tujuan pengendalian yaitu mendapatkan nilai kecepatan sesuai dengan yang diharapkan dan tetap menjaga kondisi kecepatan dapat tetap dipertahankan sampai waktu tertentu. Tabel engurangan ISE Kecepatan ID Fuzzy 9.9% 99.3% 9.9% 99.3% 9.9% 99.3% 9.9% 99.3% 9.9% 99.3% Rata-rata 9.9% 99.3% ada pengujian perubahan kecepatan, diperoleh hasil bahwa suktur fuzzy dapat menyesuaikan kecepatan yang diberikan namun masih tertunda. Hasil tanggapan perubahan kecepatan dari rpm menjadi rpm dihasilkan grafik kecepatan terhadap waktu seperti pada Gambar. KESIMULA Dari analisis dapat disimpulkan bahwa proses kendali dengan sistem pengendalian fuzzy yang diimplementasikan untuk mengatur motor BLDC dapat memperbaiki kinerja ID konvensional. ada penelitian, dihasilkan bahwa metode fuzzyfikasi yang mampu mengikuti setting kecepatan yang diberikan adalah metode COA (center of area) karena metode ini paling konsisten dan memiliki tinggi serta lebar total daerah fuzzy ada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. engujian perubahan setting kecepatan dihasilkan karakteristik tanggapan sistem kendali ID konvensional dengan rata-rata waktu kenaikan () 9 sekon, rata-rata waktu tunak ().9 sekon, rata-rata overshoot sebesar.3 %, dan rata-rata persentase ISE sebesar 9.9%, sedangkan fuzzy dihasilkan rata-rata waktu kenaikan () sekon, rata-rata waktu tunak () sekon, rata-rata overshoot sebesar % dan rata-rata persentase ISE sebesar 99.3%. Dengan demikian, proses kendali dengan sistem pengendalian fuzzy yang diimplementasikan menggunakan defuzzi fikasi COA mampu meningkatkan kenerja sistem dari pada pengendali ID konvensional. Saran enelitian tentang pengendalian motor BLDC dengan menggunakan logika fuzzy masih memerlukan penelitian lebih lanjut, yaitu. enerapan suktur pengendali fuzzy dengan tunning output atau adaptif pada pengendalian motor BLDC. enggunaan tipe fungsi keanggotaan yang berbeda pada suktur pengendali logika fuzzy untuk motor BLDC Gambar Grafik tanggapan perubahan kecepatan DAFTAR USTAKA Diepenbrock, J., 99. On ower Eleconics 3.pp 4, IEEE Trans, orth Carolina Hidayat, engembangan Hybrid ID- AFIS (roportional Integral

9 JURAL TEKOLOGI TECHOSCIETIA ISS: 99-4 Vol. o. Agustus Derivative-Adaptive euro Fuzzy Inference Systems) sebagai engendali Kecepatan Mesin Arus Searah Tanpa Sikat (MASTS), 4.Desertasi Universitas Gadjah Mada. Yogyakarta Kealy,T. and O Dwyer,A., 3. Analitycal ISE Calculation and Optimum Conol System Design. roceeding of 3 The Irish Signals and System Conference, pp Irlandia. Kusumadewi, Sri,. Analisis dan Desain Sistem Fuzzy menggunakan Toolbox Matlab, Graha Ilmu : Yogyakarta Mathworks, 99. Applications of Fuzzy Logic in Conol Design, The MathworksInc : USA. Munawar,I. and Yahuarsyah,H., emodelan dan Analisis Sistem ensaklaran Motor Arus Searah Tanpa Sikat,. Desertasi S3 Jurusan Tenik Eleko ITB. Bandung X,. A9 BLDC motor conol with LC. Rev.. X Semiconductors. Hongkong Suratno, engaruh erbedaan Tipe Fungsi Keanggotaan pada engendali Logika Fuzzy terhadap Tanggapan Waktu Sistem Orde Dua secara umum,.tugas akhir Universitas Diponegoro, Semarang Sutikno, erbandingan Metode Defuzzifikasi Aturan Mamdani ada Sistem Kendali Logika Fuzzy,.Tugas akhir, Universitas Diponegoro. Semarang 9