A Multi-Stage Search-Based PI Tuning Strategy for BLDC Motor Speed Control under Disturbance Scenarios

Öz

In this study, a multi-stage search-based tuning approach is presented for determining PI controller parameters for brushless direct current (BLDC) motor speed control. The performance of PI-based speed control directly depends on the appropriate selection of proportional and integral gains, especially under disturbance conditions. In this context, the PI controller gains were optimized using Grid Search, Random Search, and Local Search methods. A combined cost function including metrics such as IAE, ITAE, control signal magnitude, overshoot, final error, rise time, and settling time was used to evaluate the candidate gain pairs. In the first stage, the low-cost region in the K_p–K_i parameter space was identified using Grid Search, and then candidate solutions were investigated within the determined range using the Random Search method. In the final stage, nominal performance was fine-tuned using the Local Search method around the best candidate solution obtained from Random Search. The obtained Grid-PI, Random-PI, and Local-PI controllers were tested under nominal operating conditions, measurement noise, measurement noise with actuator saturation, and measurement noise with control delay scenarios. Simulation results showed that the lowest total cost under nominal conditions was obtained with the Local-PI controller. In contrast, under the tested disturbance scenarios, Random-PI produced slightly lower cost values and exhibited more balanced performance across the considered cases. These results indicate that PI gains optimized under nominal conditions may not always produce the lowest cost under disturbance conditions. The proposed approach provides an applicable framework for the systematic and comparative determination of PI parameters in BLDC motor speed control.

Anahtar Kelimeler

• BLDC motor
• PI controller
• Speed control
• Search-based optimization
• Robustness analysis

Bozucu Senaryolar Altında BLDC Motor Hız Kontrolü için Çok Aşamalı Arama Tabanlı PI Ayarlama Stratejisi

Öz

Bu çalışmada, fırçasız doğru akım motorunun (BLDC) hız kontrolü için PI denetleyici parametrelerinin belirlenmesine yönelik çok aşamalı arama tabanlı bir ayarlama yaklaşımı sunulmaktadır. PI tabanlı hız kontrol başarımı, özellikle bozucu koşullar altında oransal ve integral kazançların uygun seçimine doğrudan bağlıdır. Bu kapsamda PI denetleyici kazançları Izgara (Grid) Arama, Rastgele (Random) Arama ve Yerel (Local) Arama yöntemleri kullanılarak optimize edilmiştir. Aday kazanç çiftlerinin değerlendirilmesinde IAE, ITAE, kontrol işareti büyüklüğü, aşım, son durum hatası, yükselme süresi ve yerleşme süresi gibi ölçütleri içeren birleşik bir maliyet fonksiyonu kullanılmıştır. İlk aşamada Izgara Arama ile K_p–K_i parametre uzayındaki düşük maliyetli bölge belirlenmiş, ardından Rastgele Search yöntemiyle belirlenen aralıkta aday çözümler araştırılmıştır. Son aşamada ise Rastgele Search sonucunda elde edilen en iyi aday çözüm çevresinde Yerel Search yöntemi ile nominal performansın ince ayarı gerçekleştirilmiştir. Elde edilen Grid-PI, Random-PI ve Local-PI denetleyicileri nominal çalışma koşulu, ölçüm gürültüsü, ölçüm gürültüsü ile eyleyici doygunluğu ve ölçüm gürültüsü ile kontrol gecikmesi senaryoları altında test edilmiştir. Simülasyon sonuçları, nominal durumda en düşük toplam maliyetin Local-PI denetleyicisi ile elde edildiğini göstermiştir. Buna karşılık incelenen bozucu senaryolar altında Random-PI bir miktar daha düşük maliyet değerleri üretmiş ve ele alınan durumlar genelinde daha dengeli bir performans sergilemiştir. Bu sonuçlar, nominal koşulda optimize edilen PI kazançlarının bozucu koşullar altında her zaman en düşük maliyeti üretmeyebileceğini göstermektedir. Önerilen yaklaşım, BLDC motor hız kontrolünde PI parametrelerinin sistematik ve karşılaştırmalı biçimde belirlenmesi için uygulanabilir bir çerçeve sunmaktadır.

Anahtar Kelimeler

• BLDC motor
• PI denetleyici
• Hız kontrolü
• Arama tabanlı optimizasyon
• Sağlamlık analizi

Kaynakça

1. [1] Lee, B. K., & Ehsani, M. (2003). Advanced simulation model for brushless DC motor drives. Electric Power Components and Systems, 31(9), 841–868. https://doi.org/10.1080/15325000390227191
2. [2] Jeon, Y. S., Mok, H. S., Choe, G. H., Kim, D. K., & Ryu, J. S. (2000). A new simulation model of BLDC motor with real back EMF waveform. In Proceedings of the 7th Workshop on Computers in Power Electronics (COMPEL 2000), 217-220. IEEE. https://doi.org/10.1109/CIPE.2000.904719
3. [3] Yamashita, R. Y., Silva, F. L., Santiciolli, F. M., Eckert, J. J., Dedini, F. G., & Silva, L. C. (2018). Comparison between two models of BLDC motor, simulation and data acquisition. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 40(2), 63. https://doi.org/10.1007/s40430-018-1020-0
4. [4] Burgaç, A. (2026). Energy Harvesting Using Piezoelectric-Film Transducers Excited by Vortex-Induced Vibrations Behind Bluff Bodies for Off-Grid Applications. Isı Bilimi ve Tekniği Dergisi, 46(1), 119-129.
5. [5] Burgaç, A. (2025). An experimental study on investigation of noise and thrust performance for modified propellers. European Mechanical Science, 9(3), 214-220.
6. [6] Åström, K. J., & Hägglund, T. (1995). PID controllers: Theory, design, and tuning. The Instrumentation, Systems, and Automation Society.
7. [7] Oviedo, J. E., Boelen, T., & Van Overschee, P. (2006). Robust advanced PID control (RaPID): PID tuning based on engineering specifications. IEEE Control Systems Magazine, 26(1), 15–19. https://doi.org/10.1109/MCS.2006.1580148
8. [8] Bel, M., & Gürsoy-Demir, H. (2025). Çift Rotorlu MIMO Sistemi için Sürü Zekâsı Tabanlı LQGI Kontrolcü Tasarımı. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 41(2), 631-646

9. [9] Xie, W., Wang, J. S., & Wang, H. B. (2019). PI controller of speed regulation of brushless DC motor based on particle swarm optimization algorithm with improved inertia weights. Mathematical Problems in Engineering, 2019(1), 2671792. https://doi.org/10.1155/2019/2671792
10. [10] Zhang, D., & Wang, J. (2019). Fuzzy PID speed control of BLDC motor based on model design. Journal of Physics: Conference Series, 1303(1), 012124. IOP Publishing. https://doi.org/10.1088/1742-6596/1303/1/012124
11. [11] Anshory, I., Robandi, I., Wirawan, W., & Jamaaluddin, J. (2019). Identification and implementation hybrid fuzzy logic and PID controller for speed control of BLDC motor. Journal of Physics: Conference Series, 1402(3), 033080. IOP Publishing . https://doi.org/10.1088/1742-6596/1402/3/033080
12. [12] Varshney, A., Gupta, D., & Dwivedi, B. (2017). Speed response of brushless DC motor using fuzzy PID controller under varying load condition. Journal of Electrical Systems and Information Technology, 4(2), 310–321. https://doi.org/10.1016/j.jesit.2016.12.014
13. [13] Tabak, A. (2020). Fırçasız doğru akım motorlarının hız kontrolünü gerçekleştirmek için PID/PD kontrolcü tasarımı ve performans incelemesi. Avrupa Bilim ve Teknoloji Dergisi, 19, 145–155. https://doi.org/10.31590/ejosat.707004
14. [14] Özcan, N., & Gürsoy-Demir, H. (2026). Levy Flight-Augmented Artificial Circulatory System Algorithm for optimal PID tuning in DC motor control. AEU-International Journal of Electronics and Communications, 204, 156101. 10.1016/j.aeue.2025.156101
15. [15] Güneş, İ., Eryılmaz, M. M., & Özer, T. (2023). Fırçasız doğru akım motorunun PI tabanlı hız kontrol sisteminin tasarımı ve uygulaması. Journal of the Institute of Science and Technology, 13(2), 983–994. https://doi.org/10.21597/jist.1209249
16. [16] Ran, M., Wang, Q., & Dong, C. (2016). Anti-windup design for uncertain nonlinear systems subject to actuator saturation and external disturbance. International Journal of Robust and Nonlinear Control, 26(15), 3421–3438. https://doi.org/10.1002/rnc.3524
17. [17] Chen, G. Y., & Perng, J. W. (2017). PI speed controller design based on GA with time delay for BLDC motor using DSP. In 2017 IEEE International Conference on Mechatronics and Automation (ICMA) (pp. 1174–1179). IEEE. https://doi.org/10.1109/ICMA.2017.8015983
18. [18] Bergstra, J., & Bengio, Y. (2012). Random search for hyper-parameter optimization. Journal of Machine Learning Research, 13, 281–305.
19. [19] Aarts, E., & Lenstra, J. K. (Eds.). (2018). Local search in combinatorial optimization. Princeton University Press.