PROJECT OF AN INTELLIGENT DIFFERENTIALY DRIVEN TWO WHEELS PERSONAL VEHICLE (ID2TWV) SUB TITLE AN INTELLIGENT SCHEME FOR ID2TWV MOTION CONTROL USING A FUZZY LOGIC APPROACH Arwani*, EndraPitowarno** *Mahasiswa **Dosen Pembimbing Jurusan Teknik Mekatronika Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Abstrak Kendaraan dua roda yang mempunyai keseimbangan ini mempunyai prinsip kerja berdasarkan inverted pendulum dan sangat cocok digunakan sebagai sarana transportasi pribadi. Kontrol gerak maju dan mundurnya berdasarkan derajat kemiringan kendaraan akibat perubahan titik berat pengemudi. Metode kontrol yang baik diperlukan agar kendaraan tetap dalam posisi seimbang saat bergerak maju dan mundur dengan kecepatan yang berbeda-beda. Dalam proyek akhir ini digunakan pendekatan Logika Fuzzy sebagai kontrol pergerakan kendaraan ini. Metode ini merupakan metode kontrol yang cukup handal untuk diaplikasikan pada sistem yang mempunyai masukan lebih dari satu seperti pada kendaraan ini. Masukan sistem pada kendaraan ini adalah kemiringan kendaraan yang diperoleh dari sensor gyroskop dan selisih kemiringan yang diperoleh dari data saat ini dikurangi dengan data sebelumnya sedangkan outputnya adalah nilai PWM untuk menggerakkan masing-masing motor. Kata kunci: inverted pendulum, logika fuzzy, pwm
1. Pendahuluan
transportasi yang menggunakan prinsip
Di era globalisasi yang serba canggih,
inverted pendulum dengan model seperti ini
transportasi sudah menjadi suatu kebutuhan
memerlukan kontrol yang baik dan handal
yang sangat diperlukan manusia untuk
untuk menjaga agar kendaraan tetap dalam
melakukan aktifitas sehari – hari. Salah satu
kondisi
alat transportasi yang popular pada saat ini
bergerak. Salah satu metode kontrol yang
adalah alat transportasi pribadi yang hanya
dapat diterapkan pada kendaraan tersebut
khusus untuk satu orang. Alat transportasi
adalah dengan menggunakan Logika Fuzzy.
seperti ini harus dirancang sekecil mungkin
Metode ini dipilih karena kehandalannya
agar
dan bersifat adaptif terhadap sistem yang di
pengemudi
bisa
leluasa
dalam
seimbang terutama pada saat
mengendalikannya. Penggunaan dua roda
kontrolnya.
kiri dan kanan merupakan model yang
masukan yang lebih dari satu, dalam sistem
paling
kendaraan
banyak
diujicobakan.
Alat
Metode
ini,
ini
mengharuskan
masukannya
adalah
kemiringan kendaraan yang diperoleh dari
sensor gyroskop dan selisih kemiringan yang diperoleh dari data saat ini dikurangi data
sebelumnya
sedangkan
outputnya
adalah nilai PWM untuk menggerakkan masing-masing motor. 2. TeoriPenunjang
Gambar di atas adalah gambar inverted
Inverted Pendulum
pendulum pada JOE sistem. State space
Secara umum, suatu pendulum selalu bergerak
kembali
ke
posisi
variable yang mempengaruhi dan dapat diubah yaitu (Grasser dkk, 2001):
kesetimbangannya. Waktu yang diperlukan
XRM
:straight line position (m)
untuk mencapai posisi kesetimbangannya
VRM
:speed line position (m/s)
bergantung pada jarak antara titik tumpu
θP
:pitch angle (rad)
dan titik beratnya. Pendulum terbalik
ωP
:pitch rate (rad/s)
(inverted
δ
:yaw angle (rad)
pendulum)
adalah
sistem
pendulum yang titik beratnya berada di atas
d(δ)
titik tumpunya sehingga kesetimbangan
Persamaan untuk masing-masing roda
yang
dapat
dicapai
merupakan
:yaw rate (rad/s)
antara lain (Grasser dkk, 2001):
kesetimbangan labil. Kesetimbangan ini
RLMRL
= fdRL - HL + HTL
tidak mudah dicapai.
RLMRL
= VTL – MRLg - VL
Dalam penelitian JOE: A Mobile, Inverted Pendulum menggunakan 3 Degree of Fredom (DoF) (Grasser dkk, 2001).
LJL
Sedangkan persamaan untuk chassisnya antara lain (Grasser dkk, 2001):
Sistem dapat berputar terhadap sumbu z (pitch),
pergerakannya
dideskripsikan
sebagai posisi P (θP) dan ωP (kecepatan
Putaran
tersebut
dapat
dideskripsikan
sebagai δ dan kecepatan sudut d(δ). Modeling sistem JOE dapat digambarkan sebagai berikut (Grasser dkk, 2001):
= fdF + HR + HL
RLMF
= VR – VL - MFg+ FCθ
= (VR + VL)LsinθF
JFθ = (HL - HR)
dideskripsikan dalam translasi (xRM) dan vertikal (yaw) dikarenakan putaran roda.
RLMF
FJFθ
sudut/angular velocity). Pergerakan linier
kecepatan linier (vRM). Perputaran sumbu
= CL – HTLR
Dari persamaan di atas, terlihat bahwa sistem pendulum terbalik merupakan sistem yang
non
dikendalikan
linier
yang
dengan
tidak sistem
mudah kendali
konvensional. Karena itu dalam makalah ini disajikan penerapan kendali logika fuzzy untuk mengendalikan sistem non linier.
Keuntungan dari kendali logika fuzzy
misalnya bila dianggap antara 0 sampai 20
adalah sistem ini tidak membutuhkan model
km/jam adalah lambat, 20 sampai 40
persamaan matematika dari sistem.
km/jam adalah cukup dan seterusnya. Sensor Kemiringan
Logika Fuzzy
Sensor gyro adalah sensor yang mendeteksi
Teknik Fuzzy pertama kali diperkenalkan
perubahan kemiringan dari suatu objek
oleh Lotfi Zadeh pada tahun 1958. Seiring
yang
perkembangan
bergerak.
Sensor
gyro
dapat
Fuzzy
banyak
digunakan pada robot atau kendaraan
aplikasi
kontrol
dengan aktuator dua roda seperti kendaraan
karena teknik ini bersifat adaptif terhadap
segway dan dapat digunakan pada objek
sistem dan merupakan teknik kontrol yang
seperti
cukup handal dalam sistem-sistem skala
autopilot. Sensor gyro dapat berguna untuk
besar
sensor posisi, perpindahan dan sensor
dipergunakan
jaman, sebagai
maupun
kecil.
Logika
Fuzzy
helikopter
untuk
keperluan
merupakan logika yang mempunyai tingkat
sudut.
kekaburan antara nilai benar dan salah.
Pada sistem balancing kendaraan roda dua
Dalam teori ini, sebuah nilai dapat bernilai
ini
benar
yang
mendeteksi kemiringan kendaraan yang
bersamaan namun berapa besar nilai benar
tidak stabil pada saat sistem sedang
dan salahnya tergantung bobot keanggotaan
dijalankan. Ketidakstabilan tersebut berupa
yang dimilikinya.
pergerakan kendaraan dalam bentuk gerak
dan
salah
dalam
waktu
dibutuhkan
sensor
gyro
untuk
roll, dan pitch. Jenis sensor yang digunakan Nilai benar dan salah dalam rentang 0 (nol)
tipe hitachi H48C. H48C adalah sensor
hingga 1 (satu), berbeda dengan logika
yang biasa digunakan untuk mendeteksi
digital yang hanya memiliki dua nilai yaitu
kemiringan robot. Sensor ini juga mampu
1 (satu) atau 0 (nol). Logika fuzzy
mendeteksi gaya gravitasi.
digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa
(linguistic),
kecepatan
laju
misalkan
besaran
kendaraan
yang
diekspresikan dengan pelan, agak cepat, cepat dan sangat cepat. Penentuan batasan kecepatan atau hal-hal lain yang bersifat kabur tergantung pada aturan fuzzy yang telah
disepakati
oleh
perancangnya,
3. Perancangan Sistem
roda
sebagai
Perancangan Alat
kendaraan ini.
penggerak
utama
dari
Disturbance
Sistem Mikroprosess or
Sensor
Aktuator
Accelerometer
Perancangan mekanik pada sistem ini didasarkan pada model yang compact dan ringkas. Pada model mekaniknya sendiri berdasarkan Inverted pendulum, dengan pendulum sehingga
yang
di
rancang
dapat
pendulum.
Sistem
vertikal
menyeimbangkan mekanik
tersebut
menggunakan 2 buah motor DC yang memiliki torsi kuat, dan dipasang pada casis kendaraan pada titik tengah pendulum sehingga pendulum memiliki center dalam
Gambar diatas adalah Diagram blok sistem kendaraan. Dalam mengaplikasikan fuzzy kedalam system mikroprosessor, digunakan pemrograman dengan bahasa C dimana mikrokontroller yang kita gunakan sudah mendukung
bahasa
ini,
Bahasa
pemrograman ini nantinya kita compile agar menghasilkan kode-kode hexa yang dapat dimengerti oleh mikrokontroller. Selain itu bahasa ini merupakan bahasa tingkat tinggi yang lebih mudah dimengerti oleh manusia.
melakukan balance. Perancangan Kontrol
Disturbance
Sistem kontrol elektronik ini terdiri dari tiga bagian yaitu sensor, mikroprosessor dan aktuator. Sensor kendaraan ini adalah gyroskop sebagai sensor keseimbangan dan
e
+
Controller
Plant IL,
θref
θout Gyroscope
rotary encoder sebagai sensor kecepatan tiap motor. Sebagai pemroses sistem ini adalah
mikrokontroller
8
bit
yang
didalamnya sudah terintegrasi ADC, fungsi dari ADC ini adalah untuk mengkonversi tegangan analog dari sensor ke dalam besaran biner yang nantinya diolah dalam mikrokontroller. Aktuator kendaraan ini adalah motor DC yang dihubungkan ke
Gambar diatas adalah Diagram blok kontrol kendaraan. Kontrol ini memiliki masukan berupa data kemiringan kendaraan dari sensor gyroskop serta disturbance yang diberikan dari luar. Output dari control ini berupa arus yang dialirkan pada kedua motor sebagai penggerak utamanya.
Peracangan Fuzzy
koordinat
Sistem logika fuzzy ialah sistem yang
dilanjutkan ke proses fuzzyfikasi sehingga
berhubungan langsung dengan konsep fuzzy
menghasilkan keluaran berupa frekwensi
(yaitu himpunan fuzzy, variabel linguistik
untuk selanjutnya diubah menjadi tegangan
dan lainnya). Secara garis besar dibedakan
pada rangkaian frequency to voltage yang
menjadi tiga bagian , yakni sistem logika
akan diteruskan ke driver motor.
fuzzy murni, sistem logika fuzzy Takagi –
Dari input yang dihasilkan oleh gyro, akan
Sugeno dan sistem logika fuzzy dengan
dibentuk dua buah membership function
fuzzyfikasi dan defuzzyfikasi. Dari ketiga
yaitu membership function kemiringan
sistem tersebut sistem logika fuzzy dengan
kendaraan yang datanya diperoleh secara
fuzzyfikasi dan defuzzyfikasi memiliki
langsung dari nilai x pada gyro dan
keunggulan tersendiri.
membership function selisih kemiringan
Keunggulan sistem ini, pertama masukan
yang datanya diperoleh dari nilai set point
dan keluaran merupakan variabel yang
dikurangi dengan nilai x pada saat ini yang
nyata, kedua sistem
dirumuskan sebagai berikut:
ini menyediakan
hubungan untuk digabungkan dengan if-
X.
Kedua
input
ini
akan
∆kemiringan = Set point – nilai x gyro
then rules dari tenaga ahli, ketiga, memiliki kebebasan
untuk
menentukan
jenis
S SMD
MD
SMB
MB
fuzzyfikasi, mesin penalaran fuzzy dan defuzzyfikasi, sehingga dapat memilih atau menentukan sistem logika fuzzy mana yang -16
0
paling sesuai untuk mengendalikan suatu
16
(a)
plant.
ST MB
MK
BB
BK
Kontrol kestabilan sistem ini menggunakan sensor gyro. Output dari sensor gyro yaitu besaran koordinat X. Besaran koordinat X -10
masuk ke kontroler kemudian diolah dan menghasilkan keluaran berupa frekwensi yang nantinya diubah menjadi tegangan untuk mengontrol kecepatan motor. Kontrol yang digunakan adalah jenis kontrol logika fuzzy. Input dari kontroler logika fuzzy adalah input error dan input ∆error
0
10
(b)
Gambar
diatas
adalah
membership
Function dari input sistem ini. Gambar a adalah
membership
function
dari
kemiringan, gambar b adalah membership function dari selisih kemiringan, masing-
masing dari membership function ini dibagi
Pada
menjadi 5 buah range
peraturan-peraturan yang harus ada yang
Range-range pada membership function
berfungsi untuk menghasilkan nilai output.
kemiringan diberikan notasi-notasi seperti
Peraturan-peraturan tersebut seperti pada
diatas yaitu:
table berikut: :Sangat Miring Depan :Miring Depan :Seimbang :Miring Belakang :Sangat Miring Belakang
logika
fuzzy
terdapat
Kemiringan
Selisih kemiringan
SMD MD S MB SMB
kontrol
Sedangkan Range-range pada membership
SMD
MD
S
MB
SMB
MB
CCWF
CCWF
CCW
CCWS
Z
M
CCWF
CCW
CCWS
Z
CWS
S
CCW
CCWS
Z
CWS
CW
B
CCWS
Z
CWS
CW
CWF
BB
Z
CWS
CW
CWF
CWF
function selisih kemiringan diberikan notasi seperti berikut: Aturan-aturan pada tabel diatas MB :Maju Besar M :Maju ST :Stabil B :Belakang BB :Belakang Besar Dari membership function kedua input
akan
dirubah ke dalam bahasa pemrograman yang selanjutnya akan diproses melalui defuzzyfikasi yaitu menentukan nilai COG (Center of Gravity).
diatas, dapat didesain output dari control ini
4. PengujianAlat
yang membership function nya seperti pada Pengujian pada sensor kemiringan
gambar berikut:
dengan menggunakan sensor Gyro tipe CCWF
CCW
CCWS
Z
CWS
CW F
CW
H48C
yang
mikrokontroler
dihubungan dan
datanya
pada langsung
dibaca pada LCD. Pengujian dilakukan dengan mengubah-ubah kemiringan pada 0
255
sensor, maksimum kemiringan kendaraan ini
Membership function output dari control fuzzy ini memiliki 7 buah range dan
dibatasi
sebesar
8o
dari
seimbangnya. Perubahan nilainya seperti pada table berikut:
dinotasikan seperti berikut: CCWF CCW CCWS Z CWS CW CWF
: Counter Clock Wise Fast : Counter Clock Wise : Counter Clock Wise Slow : Zero : Clock Wise Slow : Clock Wise : Clock Wise Fast
titik
Kemiringan (o) 0 2 4 6
Nilai x data pada LCD Miring Miring Depan Belakang 2 -4 12 -14 24 -25 33 -36
8 10 12 14 16
46 59 76 82 96
-49 -61 -79 -91 -103
Nilai PWM 0 4 8 12 16 20 24 28 32 36 40
Berikut adalah grafik nilai output accelerometer saat kendaraan miring ke depan:
Tegangan output 0.2 0.5 0.7 0.8 1.1 1.3 1.6 1.9 2.0 2.2 2.3
Grafik nilai diatas ditunjukkan pada gambar berikut:
Berikut adalah grafik nilai output accelerometer saat kendaraan miring ke depan: 5. Kesimpulan Dari beberapa pengujian yang dilakukan terhadap beberapa komponen pada sistem ini dapat disimpulkan bahwa: a. Sensor
Accelerometer
H48C
yang
digunakan mempunyai data yang cukup linier sehingga sangat cocok digunakan pada sistem keseimbangan proyek akhir
Pengujian Motor DC Brushless
ini.
untuk mengetahui kecepatan putaran motor ini saat diberikan input berupa tegangan
b.
Motor DC Brushless pada system ini
yang dihasilkan pada rangkaian Frequency
masi mempunyai hentakan saat putaran
to Voltage. Dari hasil uji pemberian nilai
dibalik dari arah CW ke arah CCW.
output, diperoleh nilai tegangan output seperti pada table berikut:
c.
Desain mekanik kurang cocok karena terlalu berat pada bagian depan.
DAFTAR PUSTAKA [1] Indra Adji Sulistijono, Materi Kuliah Kontrol Cerdas, PENS-ITS 2009 [2] Zoel Fachri, “Perencanaan Balancing Robot Dengan Dua Roda” Proyek Akhir PENS-ITS 2007 [3] Handry Koswanto, “Kesetimbangan Robot
Beroda
Dua
Menggunakan
Metode Fuzzy Logic” Proyek Akhir Institut Teknologi Sepuluh Nopember 2008 [4] Kuswadi S., Sigit R., Maret 1996, “Pengembangan
algoritma
Kontrol
Logika
Swa-Atur
Secara
Fuzzy
Heuristik”, PENS-ITS, Indonesia [5] Grasser,
Felix.,
D’arrigo,
Aldo.,
Colombi, Silvio., Rufer, Alfred., 2001, “JOE: A Mobile, Inverted Pendulum”, Laboratory of
Industrial Electronics
Swiss Federal Institute of Technology Lausanne. [6] http://www.parallax.com [7] http://www.datasheetdir.com/Atmega3 2L8MC+AVR-icrocontrollers [8]
http://sg.renesas.com/applications/moto r_control/child_folder/fundamental_chi ld.jsp
