BAB I PENDAHULUAN I.1 Latar Belakang Robot manipulator adalah sebuah robot yang secara mekanik dapat difungsikan untuk memindahkan, mengangkat dan memanipulasi benda kerja[11]. Model dinamika dari robot manipulator direpresentasikan dengan sistem persamaan matematika yang sifatnya non-linier. Selain dari itu, manipulator memiliki parameter-parameter inersia yang bergantung pada beban robot dan sifat fisis lainnya yang nilainya sulit diketahui secara pasti[5]. Tujuan utama kajian dinamika ini adalah untuk memperoleh rancangan kendali yang kokoh sehingga mampu meredam gangguan dengan baik. Masih banyak struktur-struktur robot yang komplek belum dikaji secara mendalam model dinamikanya oleh karena rumitnya persoalan pemodelan matemaika sistem robot, sifat fisik alami (friksi pada poros aktuator, backlash pada gearbox, noise pada sensor, non-linieritas dari aktuator, dan sebagainya) dan lingkungan (gangguan luar berupa efek pembebanan, jalan yang tidak rata, getaran, dan sebagainya). Dari persamaan dinamika ini kendali dasar dapat dirancangan secara sistematis. Pada kasus dinamika robot yang rumit seringkali dibutuhkan bantuan kecerdasan buatan untuk mengidentifikasi model matematikanya. Lin dan Goldenberg (2001) menggunakan jaringan syaraf tiruan untuk mengidentifikasi model dan kendali yang sesuai untuk sebuah mobile manipulator. Sedangkan Sakka dan Chochron (2001) menggunakan algoritma genetika. Model sistem berbasis pengetahuan juga dapat digunakan sebagai pilihan untuk menyelesaikan masalah ketidakpastian dalam pemodelan dinamika seperti yang sudah dilakukan oleh Pitowarno (2001)[11]. Gabungan kendali kinematika dan dinamika yang baik akan menghasilkan kendali gerak robot yang kokoh. Hal ini merupakan tujuan utama dalam rancang bangun robot ideal. Namun demikian, dewasa ini penelitian tentang aplikasi kecerdasan
1
buatan dalam kendali robot lebih banyak ditujukan untuk memperoleh kendali kinematik yang canggih. Terlebih kebutuhan akan metoda navigasi, pemetaan medan jelajah, kemampuan untuk menghindari halangan, dan kemampuan untuk menghindari tabrakan sesama robot masih dianggap lebih utama daripada mengkaji kesempurnaan dan kepresisian gerak robot. Untuk menghindari permasalahan yang akan timbul akibat ketidaklinieran dan kerumitan model sistem serta ketidakpastian parameter sistem, akan dipelajari sebuah metoda kendali yang kokoh yang dapat mengantisipasi permasalahanpermasalahan tersebut. Pengendali Modus Luncur (PML) cocok untuk diterapkan pada robot manipulator karena memiliki kekokohan yang baik dalam megendalikan sistem linier maupun non-linier Manfaat utama dari sistem kendali yang menggunakan metoda modus luncur adalah sifat ketidaksensitifannya terhadap perubahan parameter dan gangguan jika telah berada dalam kondisi luncur, yaitu kondisi pada saat dinamika sistem telah berada pada permukaan luncur. Hal ini memberikan implikasi terjaminnya kestabilan dan sekaligus hilangnya keharusan untuk menciptakan pemodelan yang sangat presisi. Modus luncur juga membuat terjadinya reduksi terhadap orde sistem, sehingga mengurangi kompleksitas perancangan sistem kendali. Pada prinsipnya, PML menggunakan sebuah hukum kendali pensaklaran berkecepatan tinggi untuk membawa trayektori status dari sistem linier/non-linier ke dalam sebuah permukaan tertentu dalam ruang status (disebut permukaan luncur), kemudian trayektori status tersebut dipelihara agar tetap meluncur pada permukaan tersebut. Namun ada beberapa kendala dalam menggunakan PML, yaitu memilih konstanta permukaan luncur (S) dan penguat pensaklaran (k). Kedua parameter kendali ini sangat berpengaruh terhadap stabilisasi sistem dipermukaan luncur dan kecepatan tanggapan waktu dari sistem. Dalam memilih parameter-parameter PML ini, beberapa penelitian sebelumnya sudah dilakukan, diantaranya: Young et al.
2
menggunakan sebuah umpan balik penguatan yang tinggi untuk mempercepat tanggapan transien menuju permukaan luncur, tetapi metoda ini berakibat pada peningkatan osilasi sepanjang permukaan luncur dimana fenomena ini sangat tidak diinginkan oleh sistem fisik[3]. Untuk memperkecil tanggapan waktu dan fenomena osilasi ini, Ching-Chang Wong dan Shin-Yu Chang[3] melakukan optimisasi pemilihan penguat pensaklaran dengan algoritma genetika. Metoda optimisasi yang hanya memperhatikan penguat pensaklaran hanya dapat memperkecil tanggapan waktu atau fenomena osilasi saja. Ng dan Li[4] melakukan optimisasi 9 buah parameter hard-switching dengan algoritma genetika. Selain dibutuhkan waktu komputasi yang cukup lama, juga hasilnya masih memperkecil fenomena osilasi saja. Riko[7] dalam tesisnya, “perancangan pengendali modus luncur untuk motor listrik” melakukan penalaan parameter penguat pensaklaran dan permukaan luncur dengan uji coba. Metoda ini belum efektif dalam memecahkan permasalahan fenomena osilasi dan memperkecil tanggapan waktu sistem. Dalam penelitian ini, diajukan sebuah metoda algoritma genetika untuk mengoptimisasi pemilihan penguat pensaklaran dan konstanta permukaan luncur secara simultan. PML dengan optimisasi algoritma genetika akan diaplikasikan pada robot PUMA 260 2-Degree Of Freedom (DOF). Metoda PML dengan optimisasi algoritma genetika digunakan untuk mengendalikan pergerakan posisi dan kecepatan pergerakan lengan robot. Penelitian sebelumnya sudah dilakukan dengan plant yang sama dengan metoda kendali yang digunakan adalah Backstepping Adaptive[12]. Metoda kendali ini digunakan untuk mengendalikan posisi dan kecepatan pergerakan lengan robot arah vetikal dan horizontal. Galat keadaan tunak sebesar 0.5 derajat dan masih terjadi overshoot. Dengan metoda kendali modus luncur diharapkan dapat memperbaiki waktu tanggapan peralihan, memperkecil galat keadaan tunak dan menghilangkan overshoot yang terjadi ketika menggunakan metoda kendali backstepping.
3
I.2 Tujuan Penelitian Ada beberapa hal yang ingin dicapai dalam penelitian ini, yaitu: 1. merancang PML untuk robot manipulator 2-DOF, 2. merancangan algoritma genetika untuk optimisasi pemilihan parameterparameter PML, 3. memperoleh konstanta permukaan luncur (S) dan penguat pensaklaran (k) yang menghasilkan tanggapan waktu sistem sesuai dengan kriteria yang ditetapkan, 4. mengimplementasikan hasil perancangan PML pada robot manipulator 2DOF. I.3 Batasan Masalah Pembahasan tesis ini hanya dibatasi dengan: 1. model robot manipulator yang digunakan adalah robot manipulator polar 2-DOF, 2. optimisasi parameter-parameter PML dilakukan secara off-line, 3. pemilihan parameter PML dengan optimisasi algoritma genetika dilakukan dalam simulasi dengan menggunakan MATLAB, 4. parameter
kinerja
PML
ditetapkan
oleh
perancang
tanpa
mempertimbangkan parameter robot dan kondisi sebenarnya, 5. PML direalisasikan pada robot PUMA 260 dengan menggunakan parameter fisik PUMA 560 yang dimodifikasi. I.4 Ruang Lingkup Penelitian Ruang lingkup penelitian yang dilakukan dalam tesis ini adalah: 1. membangun model robot manipulator polar 2 derajat kebebasan dengan aktuator motor dc, 2. pengendali modus luncur untuk model non-linier, 3. algoritma genetika untuk permasalahan optimisasi, 4. analisis kinerja PML dengan optimisasi algoritma genetika, 5. realisasi perancangan PML pada robot manipulator 2-DOF jenis PUMA 260.
4
I.5 Metoda Pemecahan Masalah Dalam penelitian ini, parameter-parameter yang dijadikan kualitas dari kinerja pengendali adalah sebagai berikut: 1. kecepatan tanggapan sistem, yang dalam penelitian ini diwakili oleh nilai settling time (ts), yaitu waktu yang diperlukan oleh kurva tanggapan sistem untuk mencapai dan tetap berada dalam rentang waktu tertentu terhadap nilai akhir yang ditentukan, 2. besarnya galat kondisi tunak (ess) pada keluaran, yang merupakan ukuran terhadap akurasi sistem kendali. Pengamatan terhadap parameter-parameter tersebut dilakukan melalui simulasi menggunakan MATLAB dan respon sistem pada implementasi dengan sistem sesungguhnya. I.6 Sistematika Penulisan Dalam menjelaskan hasil penelitian ini dalam bentuk tulisan tesis, sistematika pembahasannya melitputi: BAB I. PENDAHULUAN Pada bab ini akan dibahas latar belakang penelitian, tujuan akhir dilakukannya penelitian, batasan permasalahan dalam penelitian, ruang lingkup penelitian, metoda pemecehan masalah, dan sistematika penulisan dan pembahasan penelitian. BAB II. METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA Pada bab ini akan dibahas dasar teori PML, dan teori algoritma genetika dan permasalahan optimisasi. BAB III. PROSEDUR PERANCANGAN DAN IMPLEMENTASI Pada bab ini akan dijelaskan bagaimana memodelkan robot manipulator, merancang
PML
untuk
robot
manipulator
2-DOF,
dan
bagaimana
mengimplementasikan algoritma genetika untuk permasalahan optimisasi
5
parameter-parameter
PML,
dan
bagaimana
mengimplementasikan
hasil
perancangan pada sistem sebenarnya. BAB IV. ANALIASIS KINERJA PENGENDALI Pada bab ini akan diperlihatkan simulasi dan implementasi hasil perancangan serta analisis kinerja pengendali dengan pemilihan parameter PML secara konvensional, menggunakan optimisasi algoritma genetika, simulasi kinerja PML jika ada gangguan atau perubahan parameter dari robot manipulator, pengaruh fungsi atan sebagai fungsi pengendali pensaklaran pengganti fungsi signum terhadap kinerja sistem pengendali, dan pengamatan kinerja PML pada sistem sebenarnya. BAB V. KESIMPULAN DAN SARAN Pada bab ini akan dijelaskan sintesis dari penelitian yang sudah dilakukan serta saran penyempurnaan dan pengembangan agar penelitian ini berkesinambungan.
6
