Desain Sistem Kontrol Kendaraan: Panduan Simulasi Motor

< Kembali ke Pengembangan Platform

Oleh Johnny Liu, CEO Dowway Vehicle | Diterbitkan: 5 Maret 2026

Industri kendaraan energi baru (NEV) berkembang pesat. Motor otomotif berfungsi sebagai unit penggerak utama dan unit pelaksana tambahan. Kinerja sistem kontrolnya secara langsung menentukan dinamika, ekonomi, dan keselamatan kendaraan. Teknologi simulasi menggantikan model R&D “coba-coba fisik” tradisional. Teknologi ini menurunkan biaya, meningkatkan efisiensi, dan membuat pengujian dapat diulang.

Panduan ini merinci proses desain simulasi sistem kontrol motor otomotif—bagian inti dari desain sistem kontrol kendaraan. Kami berfokus pada Motor Sinkron Magnet Permanen (PMSM), pemodelan sistem, desain strategi kontrol, dan validasi teknik di dunia nyata.

1. Pergeseran ke Simulasi dalam Sistem Modern

Motor menggerakkan sistem, kemudi, dan pengereman pada kendaraan listrik murni dan hibrida. Sistem kontrol adalah “otak” kendaraan. Sistem ini menerima perintah dari Unit Kontrol Kendaraan (VCU) dan menjalankan algoritma untuk mengatur kecepatan, torsi, dan arus.

Siklus R&D tradisional “konstruksi perangkat keras -> pengujian fisik -> penyesuaian parameter” memakan waktu terlalu lama dan biaya terlalu tinggi. Kondisi ekstrem, seperti akselerasi cepat atau start pada suhu rendah, seringkali merusak perangkat keras fisik. Dengan membangun lingkungan virtual untuk motor, pengontrol, dan kendaraan, para insinyur dapat mendeteksi kekurangan desain sejak dini dan memperbaiki parameter dengan aman. Metode “validasi virtual hingga iterasi fisik” ini merupakan praktik standar saat ini.

2. Dasar-Dasar Simulasi untuk Kontrol Motor Kendaraan

Tujuan Utama Desain Simulasi

Dalam praktik rekayasa, simulasi bertujuan untuk menghasilkan pemodelan yang presisi, validasi yang cepat, dan kinerja yang lebih baik. Secara spesifik, kita bertujuan untuk:

• Mereplikasi respons dinamis dengan margin kesalahan sebesar ≤5% dibandingkan dengan tes fisik.
• Validasi strategi kontrol di semua kondisi. Pertahankan kesalahan kecepatan. ≤±1% dan riak torsi ≤±2%.
• Sesuaikan parameter untuk mengurangi kehilangan tembaga dan besi, sehingga meningkatkan efisiensi sistem.
• Simulasikan skenario kesalahan (seperti sensor rusak) untuk memeriksa toleransi kesalahan dan memenuhi ISO 26262 standar.

Alur Kerja Simulasi 7 Langkah

Kami menggunakan MATLAB/Simulink (bersama dengan Motor Control Blockset dan Simscape Electrical) karena mendukung simulasi bersama multi-domain (misalnya, dengan Carsim) dan pembuatan kode C tertanam otomatis. Alur kerjanya meliputi:

1. Analisis Persyaratan: Tentukan spesifikasi motor dan kondisi kendaraan.
2. Pemodelan Sistem: Bangun model pembangkit listrik, sensor, pengontrol, dan inverter.
3. Desain Strategi Pengendalian: Terapkan algoritma seperti Field Oriented Control (FOC).
4. Pengaturan Simulasi: Mengintegrasikan modul dan mengkonfigurasi langkah-langkah variabel.
5. Validasi Simulasi: Uji coba penyalaan mesin, akselerasi, dan pengereman.
6. Optimasi Parameter: Sesuaikan variabel PID dan SVPWM.
7. Verifikasi Perangkat Keras: Mengirim kode port ke Unit Mikrokontroler (MCU).

3. Pemodelan Sistem untuk Pengontrol Motor Otomotif

Pemodelan Tubuh PMSM

Model PMSM menggunakan sistem koordinat putar $dq$ untuk menggambarkan karakteristik elektromagnetik. Persamaan matematika intinya adalah:

Persamaan Tegangan:

u_d=R_si_d+L_d\frac{di_d}{dt}-\omega_eL_qi_q

u_q=R_si_q+L_q\frac{di_q}{dt}+\omega_eL_di_d+\omega_e\psi_f

Persamaan Torsi:

T_e=1,5p(\psi_fi_q+(L_d-L_q)i_di_q)

Persamaan Mekanik:

T_e-T_L=J\frac{d\omega_m}{dt}+B\omega_m

Untuk simulasi kami, kami memasukkan parameter kendaraan tipikal: 50kW daya terukur, 15000 rpm, 4 pasangan kutub, 0,02Ω hambatan stator, 0,5 mH induktansi sumbu dq, 0,175Wb keterkaitan fluks, dan 0,01 kg·m² momen inersia.

Pemodelan Konverter Daya & Sensor

• Inverter: Topologi tiga fase dua tingkat (6 IGBT, 6 dioda). Kami mengatur frekuensi switching IGBT menjadi 10kHz, zona mati 3μs, diberi makan oleh 400V baterai (jangkauan standar adalah 300-800V).
• Sensor Arus: Sensor efek Hall mengukur -200A hingga 200A dengan ±0,5% akurasi dan 0,1% kebisingan simulasi.

• Sensor Posisi: A 16-bit Model resolver menangani pelacakan rotor dengan presisi tinggi.

Model pengontrol memproses konversi ADC, transformasi Clarke (3-fase ke αβ) dan Park (αβ ke dq), loop tertutup ganda, dan pembangkitan PWM akhir.

4. Strategi Kontrol Inti dalam Desain Sistem Kendaraan

Kontrol Berorientasi Lapangan (FOC)

FOC mengubah arus stator menjadi arus eksitasi (i_d) dan arus torsi ($i_q$). Untuk PMSM kendaraan yang dipasang di permukaan, kami menggunakan i_d=0 strategi. Torsi hanya diatur oleh i_q, menjaga agar motor tetap beroperasi secara efisien.

Optimasi Parameter & Keselamatan ISO 26262

Loop saat ini harus merespons 10 kali lebih cepat daripada loop kecepatan. Kami menargetkan waktu startup sebesar… ≤0,5 detik, melampaui target ≤5%, kesalahan kecepatan ≤±1%, dan riak torsi ≤±2%. Kami juga menambahkan kontrol umpan maju (feedforward control) untuk menangani perubahan beban yang tiba-tiba, seperti saat mendaki bukit.

Untuk menjaga keamanan dan memenuhi aturan ISO 26262, model ini memutus PWM jika arus melebihi batas tertentu. 1,5x batas nominal atau tegangan baterai terlampaui 1.1x. Output daya akan menurun jika suhu melebihi batas tertentu. 150°C dan beralih ke mode loop terbuka jika sensor mengalami kegagalan.

5. Validasi Simulasi dan Analisis Kinerja

Kami menjalankan simulasi untuk 10 detik dengan ukuran langkah variabel yang dimulai dari 1e-5s.

Parameter PID yang telah kami setel:

• Putaran Kecepatan: K_p=0,5, K_i=10, K_d=0,01
• Siklus Saat Ini: K_p=5, K_i=100, K_d=0.05

Hasil di 4 Kondisi Mengemudi Khas:

1. Pengaktifan (0 → 1000rpm, 20N·m): Mengambil 0,35 detik, 3% melampaui, 0,5% kesalahan keadaan tunak.
2. Akselerasi (1000 → 5000 rpm, 50 N·m): Menyelesaikan transisi yang mulus di 1,2 detik dengan pelacakan yang tepat.
3. Kondisi Stabil (5000 rpm, 50 N·m): Fluktuasi kecepatan ≤±5rpmriak torsi ≤±1N·m.
4. Pengereman Regeneratif (5000 → 0 rpm, -40 N·m): Perlambatan yang aman dalam 1,5 detik dengan pemulihan energi yang stabil.

Di Dowway Vehicle, penggunaan kerangka simulasi persis ini memangkas siklus R&D kami hingga lebih dari 30% dan meningkatkan efisiensi operasional motor dengan >5%.

6. Pertanyaan yang Sering Diajukan dalam Desain Sistem Kontrol Kendaraan

Q1: Bagaimana seharusnya model dinamika kendaraan dibangun untuk desain kontrol?

Jawaban Singkat: Itu tergantung pada manuvernya. Gunakan model kinematik untuk kecepatan rendah, model sepeda untuk pengendalian, dan model lengkap untuk pengujian akhir.

Penjelasan: Para insinyur memilih model matematika berdasarkan kasus penggunaannya. Model kinematik menangani gerakan geometris (seperti parkir). Model Dinamika Sepeda menyederhanakan mobil hanya menjadi roda depan dan belakang, sehingga sangat cocok untuk kontrol lateral. Model kendaraan lengkap mencakup dinamika longitudinal, lateral, dan vertikal untuk validasi simulasi yang ketat.

Q2: Bagaimana cara memastikan stabilitas dan pengendalian kendaraan?

Jawaban Singkat: Sistem seperti Electronic Stability Control (ESC) secara otomatis mengerem setiap roda untuk mencegah selip.

Penjelasan: Kontrol dinamika lateral menangani stabilitas. ESC mendeteksi ketika pengemudi kehilangan traksi kemudi. Sistem ini secara otomatis menerapkan gaya pengereman yang tepat pada roda tertentu untuk mengoreksi oversteer atau understeer. Kontrol momen yaw langsung ini menjaga mobil tetap stabil di jalan.

Q3: Algoritma kontrol apa yang paling umum digunakan dalam sistem kontrol kendaraan?

Jawaban Singkat: Industri ini menggunakan PID untuk hal-hal dasar, kontrol robust untuk ketidakpastian perangkat keras, dan Model Predictive Control (MPC) untuk pengemudian otonom.

Penjelasan: Kontrol klasik (PID, Linear Quadratic Regulator) menangani sistem linier dengan baik. Kontrol Robust dan Nonlinier (Sliding Mode Control, H-infinity) mengelola perubahan fisik yang tidak terduga. Kontrol Prediktif Model memprediksi perilaku masa depan untuk menghitung input yang sempurna dalam batasan yang ketat, menjadikannya pilihan utama untuk pelacakan jalur saat ini.

Q4: Bagaimana cara mengatasi nonlinieritas dan ketidakpastian dalam dinamika kendaraan?

Jawaban Singkat: Para insinyur menggabungkan filter estimasi keadaan dengan pengontrol adaptif untuk menyesuaikan diri secara otomatis terhadap perubahan fisik yang tiba-tiba.

Penjelasan: Kendaraan nyata berurusan dengan saturasi ban dan perubahan gesekan jalan. Sistem menggunakan alat seperti Extended Kalman Filter untuk memperkirakan keadaan yang tidak dapat kita ukur secara langsung (seperti sudut selip samping). Pengontrol adaptif mengambil data ini dan menyesuaikan diri dengan guncangan eksternal, menjaga mobil tetap stabil bahkan jika model dasarnya tidak sempurna.

Q5: Bagaimana beberapa subsistem kendaraan dapat dikendalikan secara bersamaan?

Jawaban Singkat: Kendaraan menggunakan arsitektur Kontrol Dinamika Kendaraan Terintegrasi (IVDC) untuk bertindak sebagai otak pusat.

Penjelasan: IVDC mengkoordinasikan komponen-komponen yang mungkin saling bertentangan. Sistem ini menghubungkan Pengereman Anti-lock (ABS), Kontrol Traksi, ESC, dan Suspensi Aktif. Alokasi perintah yang cerdas di berbagai aktuator ini memaksimalkan keselamatan, kemampuan manuver, dan efisiensi energi secara bersamaan.

Bonus: Alur Kerja Desain Kontrol Kendaraan MPC

Model Predictive Control (MPC) adalah standar untuk kontrol kendaraan tingkat lanjut. Para insinyur mengikuti alur kerja 4 langkah untuk membangunnya:

1. Pemodelan Tanaman: Definisikan model matematika kendaraan untuk memprediksi keadaan masa depan dalam rentang waktu tertentu.
2. Definisi Batasan: Tetapkan batasan matematis yang ketat untuk perangkat keras fisik (sudut kemudi maksimum, batas gesekan ban).
3. Perumusan Fungsi Biaya: Buat target matematis untuk meminimalkan kesalahan (seperti keluar jalur) sambil menghentikan input kontrol yang kasar agar penumpang tetap nyaman.

Optimasi Waktu Nyata: Pengontrol menyelesaikan masalah matematika ini di setiap langkah, menerapkan tindakan pertama, dan menghitung ulang semuanya lagi di perulangan berikutnya.