Sebagai bentuk perwujudan mendukung program ECO Campus ITS, maka PUI-SKO merancang frame sepeda listrik yang ringan akan tetapi mampu menahan beban secara maksimal. Dengan beban frame yang ringan, maka sepeda listrik ITS diharapkan mampu menggunakan energi listrik lebih efisien, sehingga mampu meningkatkan jarak tempuh sepeda listrik dalam sekali charge.

Sebagai langkah nyata mendukung program ECO Campus yang dicangkan ITS mulai Tanggal 17 September 2011, maka Pusat Unggulan IPTEK Sistem Kontrol Otomotif (PUI-SKO) ITS merancang sepeda listrik sbagai salah satu komponen ekosistem kendaraan listrik yang digunakan didalam kampus ITS.  Energi penggerak sepeda listrik berasal dari baterai dan secara umum jarak tempuh pemakain battery bergantung pada load yang dibawa sepeda listrik tersebut. Semakin ringan beban yang dibawa sepeda listrik, maka akan semakin jauh jarak tempuh yang bisa dicapai.

Frame/body sepeda listrik merupakan salah satu komponen sepeda listrik yang mempunyai berat yang paling besar. Salah satu metode untuk mereduksi berat frame sepeda ini adalah dengan menggunakan metode Topology Optimization.  Topology Optimization adalah metode komputasi yang digunakan dalam desain struktur untuk menemukan distribusi material yang optimal dalam batasan ruang yang telah ditentukan, sehingga frame sepeda menahan beban semaksimal mungkin akan tetapi dengan penggunaan bahan yang seminimal mungkin.

Hasil Topology Optimization yang dihasilkan oleh software ANSYS, selanjutnya digunakan sebagai input Backpropagation Neural Network – genetic Algorithm (BPNN-GA) untuk memperoleh parameter input Topology Optimization yang paling optimal yaitu percent to retain dan retained threshold. Response optimasi yang diharapkan adalah sebuah desain frame sepeda dengan massa yang ringan dan mampu menahan beban semaksimal mungkin.

Selanjutnya 30 data yang dihasilkan ANSYS selanjutnya digunakan untuk melakukan training BPNN. Pada BPNN_Berat jaringan terbaik diperoleh dengan 2 hidden layer, dengan 4 neuron tiap hidden layer dan activation function tiap hidden layer adalah tansig. Pada BPNN_MaximumStress jaringan terbaik diperoleh dengan 2 hidden layer, dengan 5 neuron tiap hidden layer dan activation function tiap hidden layer adalah logsig. Dengan menggunakan Genetic Algorithm diperoleh parameter terbaik yaitu nilai Percent to Retain yaitu 45% dan Retained Threshold yaitu 27% atau 0.27. Hasil optimasi tersebut menghasilkan desain frame sepeda listrik dengan pengurangan berat dari 10.443 kg menjadi 6.3427 Kg. Dilain sisi, frame ini mampu menahan beban dari yang semula sebesar 158.41 Mpa menjadi 178.23 Mpa seperti terlihat pada Gambar 1.

Gambar 1. (a) Original frame sepeda sebelum dioptimasi (b) Hasil optimasi frame sepeda menggunakan Topology Optimization dan BPNN-GA (c) hasil static structural test.