"Motor sinkron magnet permanen (PMSM) telah mendapatkan perhatian yang signifikan dalam berbagai aplikasi industri, rumah tangga, dan kendaraan listrik karena efisiensi, power density, dan keandalannya yang unggul. Baru-baru ini, sistem perkeretaapian berbasis PMSM juga menarik minat yang semakin besar karena rentang kecepatan yang luas dan desain yang compact. Strategi pengendalian kecepatan konvensional, seperti pengendali proportional-integral (PI) banyak digunakan dalam sistem PMSM karena stukturnya yang sederhana dan kokoh. Namun, nilai gain PI yang tetap membatasi kemampuan adaptasi dalam kondisi operasi yang dinamis dan nonlinier, sehingga menghasilkan respons pengendalian yang statis dan kinerja yang kurang optimal. Untuk mengatasi keterbatasan ini, strategi pengendalian nonlinier tingkat lanjut seperti adaptive control, sliding mode control (SMC), model predictive control (MPC), dan metode berbasis neural network telah diteliti. Meskipun menjanjikan, adaptive control memerlukan perhitungan kompleks dan rentan terhadap ketidaksesuaian parameter. SMC memiliki kelemahan utama berupa chattering, yang dapat menyebabkan keausan mekanis, rugi daya, dan peningkatan sensitivitas terhadap gangguan. Selain itu, perancangan sliding surface dan tuning gain kontrol cukup kompleks karena memerlukan pemodelan sistem yang presisi. Neural network (NN) menawarkan kontrol adaptif, tetapi membutuhkan sumber daya komputasi yang tinggi, yang menjadi kendala bagi sistem tertanam berbiaya rendah dengan kemampuan processing yang terbatas. Untuk mengatasi hal tersebut, pengendali single-neuron proporsional-integral (SN-PI) muncul sebagai alternatif yang menjanjikan, dengan kemampuan processing yang terbatas. Untuk mengatasi hal tersebut, pengendali single-neuron proporsional-integral (SN-PI) muncul sebagai alternatif yang menjanjikan, dengan kemampuan self-tuning, respons dinamis yang lebih baik, adaptabilitas yang tinggi terhadap variasi sistem, serta kemudahan implementasi. Dalam studi ini, pengendali SN-PI diimplementasikan pada loop pegendalian kecepatan PMSM, di mana gain kontrol disesuaikan secara dinamis guna mengoptimalkan kinerja dalam berbagai kondisi. Selain itu, diode-clamped multilevel inverter (DCMLI) digunakan untuk meningkatkan kualitas daya dan efisiensi inverter. Dibandingkan dengan inverter dua tingkat konvensional, DCMLI menawarkan distorsi harmonik yang lebih rendah, dv/dt stress yang berkurang, electromagnetic compatibility (EMC) yang lebih baik, serta pemanfaatan tegangan yang lebih optimal, sehingga cocok untuk aplikasi motor drive berkinerja tinggi. Hasil simulasi menunjukkan bahwa pengendali SN-PI memberikan respons dinamis yang lebih cepat dan robust dibandingkan pengendali PI konvensional, sementara DCMLI sembilan tingkat secara efektif mengurangi distorsi harmonik, sehingga meningkatkan kualitas daya dan efisiensi sistem.
Permanent magnet synchronous motors (PMSMs) have garnered significant interest across industrial, domestic, and electric vehicle implementations due to their excellent efficiency, power density, and reliability. Recently, PMSM-driven railway systems have also attracted growing interest due to their wide speed range and compact design. Conventional speed control strategies, such as the proportional-integral (PI) controller, are commonly employed in PMSM systems due to their simplicity and robustness. However, the fixed PI gains limit adaptability under dynamic and nonlinear operating conditions, resulting in a static control response and suboptimal performance. To overcome these limitations, advanced nonlinear control strategies, including adaptive control, sliding mode control (SMC), model predictive control (MPC), and neural network-based control, have been investigated. Despite their potential, adaptive control demands complex computations and is vulnerable to parameter mismatches. SMC has a main drawback in the form of chattering, which can cause mechanical wear, power losses, and increased sensitivity to noise. Additionally, designing an appropriate sliding surface and tuning control gains is complex, requiring precise system modeling. Neural networks (NNs) offer adaptive control but demand high computational resources, which poses challenges for low-cost embedded systems with limited processing capabilities.. To overcome this, the single-neuron proportional-integral (SN-PI) controller emerges as a promising alternative, offering self-tuning capabilities, enhanced dynamic response, improved adaptability to system variations, and ease of implementation. In this paper, an SN-PI controller is implemented in the speed-control loop of the PMSM, dynamically adjusting control gains to optimize performance in varying conditions. Additionally, a diode-clamped multilevel inverter (DCMLI) is employed to enhance the power quality. Compared to conventional two-level inverters, DCMLIs offer lower harmonic distortion, reduced dv/dt stress, improved electromagnetic compatibility (EMC), and better voltage utilization, making them suitable for high-performance motor drive applications. The simulation results confirm that the SN-PI controller delivers faster and more robust dynamic responses over the conventional PI controller, while the nine-level DCMLI effectively reduces harmonic distortion, enhancing power quality and system efficiency. "