INCREASING INDONESIA SEA ENDURANCE BY DESIGNING FAST PATROL BOAT MANEUVERING CONTROL, SERIE 1 : NON ADAPTIF FUZZY Aulia Siti Aisjah, Syamsul Arifin Engineering Physics Department – Faculty Of Industrial Technology Sepuluh Nopember Institute Of Technology Surabaya Kampus ITS, Keputih – Sukolilo, Surabaya 60111 E-mail :
[email protected];
[email protected] Abstract :. Indonesia is a maritime country with a sea area 2 / 3 of land area. A security system require waters of technology on a fleet of patrol boats for maritime in combing the areas relative to the topography of the islands apart, ie by applying one of which is keeping track of technology for fulfilling trajectory by Fuzzy logic based control system manuvering ship. Fuzzy control systems on ships for the fulfilling maneuvring path consisting of Sugeno type fuzzy autopilot. In this paper will discuss the mechanisms of control system design based on fuzzy logic maneuvring fast patrol boat FPB 38. System design is done using a computer simulation model to replace the mathematical model of ship dynamics and interference from environmental factors. Simulation results demonstrate the ability of control system design and direction in meeting the desire trajectory. Keyword: Fuzzy Logic Control, FPB 38, Sugeno
I.
PENDAHULUAN Negara Indonesia merupakan negara kepulauan terbesar di dunia, yang mencakup 17.508 pulau (citra satelit terakhir menunjukkan 18.108 pulau), 6000 diantaranya berpenduduk. Wilayah Indonesia yang terbentang dari 6o.08’ LU hingga 11o15’ LS dan dari 94o45’ BT hingga 141o05’ BT terletak di posisi geografis yang sangat strategis karena menjadi penghubung dua samudra dan dua benua. Luas Total wilayah Indonesia 7,9 juta km 2, 3,2 juta km2 laut teritorial dan 2,9 juta km2 perairan ZEE. Wilayah perairan tersebut adalah 77% dari seluruh luas Indonesia, atau luas laut tiga kali luas daratannya. Sebuah negara kepulauan seperti Indonesia, sistem pertahanan negara sebagai satu alat pertahanan NKRI, ternyata tidak didukung oleh pemerintah, ini terlihat dari anggaran pertahanan sangat jauh dibandingkan dengan negara tetangga [Hoesada, The world, 2007]. Bila dilihat dari “Prioritas Pembangunan Dep Perhubungan tahun 2007”, dimana hasil dari kegiatan untuk tahun tersebut salah satunya adalah pembangunan kapal perintis kapal patroli, pembangunan peralatan radio pantai dan menambah peralatan Global Maritime Distress and safety System (GMDSS) pada beberapa radio pantai, dan tindakan untuk jaminan keselamatan dan keamanan (International ship and port facilities security/ ISPS) dengan menerbitkan international ships security certificate (ISSC) ke beberapa armada nasional dan pelabuhan umum. Dari kegiatan – kegiatan yang telah dilaksanakan oleh depertamen perhubungan tersebut, terlihat bahwa integrasi pada sistem transportasi masih membutuhkan kajian dan pengembangan optimalitasnya. Dalam makalah ini diuraikan tentang strategi dalam pengendalian tracking (Pemenuhan Lintasan) yang sangat penting dalam sistem navigasi kapal dalam pencapaian tujuan yang telah ditentukan. Strategi dalam merancang sistem pengendalian Pemenuhan Lintasan berbasis Logika Fuzzy pada kapal cepat FPB-38 yang mampu memenuhi pencapaian target pemenuhan lintasan, merupakan hal yang diutamakan untuk kapal dalam mengamankan wilayah perairan Indonesia. Dalam pemenuhan lintasan target dilakukan melalui cara menyesuaikan jarak, sudut rudder dengan deretan posisi yang sudah ditentukan melalui formulasi lintang dan bujur. Perancangan sistem kendali dilakukan secara simulasi dengan software Matlab versi 7.0.4 II.
DASAR TEORI Sistem autopilot dapat dinyatakan dalam dua sistem kontrol automatik, yaitu course keeping dan track keeping [1]. Kedua sistem kendali tersebut sangat berperan pada saat menghindari adanya tumbukan dengan kapal / benda apung yang lain. Beberapa sistem pengendalian yang sudah dirancang dalam menghindari adanya tumbukan dengan menggunakan sistem pakar (algoritma secara evolusi) dilakukan oleh Triantafyllou, dkk (2004). Metode dalam perancangan lintasan kapal yang aman dilakukan dengan cara pendekatan terhadap faktor perubahan arah dan atau kecepatan kapal, dan mengaplikasikan kondisi perubahan situasi disekitar kapal.
2.1 Kontrol Manuvering Kapal Sistem pengendalian pada manuvering kapal didasarkan pada metode perancangannya, dapat dibedakan dalam 4 metode, yaitu metode konvensional, adaptif, modern dan berbasis kepakaran [2]. Sistem pengendalian secara konvensional, merupakan perkembangan perancangan pengendalian akibat diciptakannya giroskop elektrik. Kemudian berdasarkan sistem kerja giroskop elektrik tersebut, diciptakan sebuah giro kompas magnetik yang mempunyai sifat sensitif terhadap gangguan magnetik. Dari sinilah awal mulai terjadinya perancangan sistem kendali close loop yang pertama kali dilakukan oleh Sperry (1911). Pada perancangan sistem pengendalian modern yang didasarkan pada persamaan ruang keadaan, model matematis dari dinamika manuvering dinyatakan dalam bentuk persamaan ruang keadaan. Metode perancangan modern diantaranya adalah dengan strategi ILQ (Inverse Linear Quadratic) [4,5] , H2, LQG (Linear Quadratic Gaussian) [4], H~ [6,7], MPC (Model Predictive Control) dan LQR (Linear Quadratic Regulator) [6]. Pada sistem pengendalian LQG (Linear Quadratic Gaussian) yang diaplikasikan pada model kapal Gaeta Class Minehunter menghasilkan kemampuan tracking yang ditunjukkan pada saat berada pada gangguan arus laut dan angin. Sedangkan dengan Strategi kontrol robust H~ untuk autopilot kapal yang diaplikasikan pada ferry Mascarenas , kapal Zuidweg, dan kapal Chislet dihasilkan respon yang baik. Teori logika fuzzy ditemukan oleh Zadeh pada tahun 1965. Teori ini meniru logika penalaran manusia dalam pengambilan keputusan pada berbagai hal, dan ternyata mampu digunakan sebagai suatu pengendali pada berbagai produk rumah tangga misalnya mesin cuci, mesin pendingin ruangan, rice cooker dan lain – lain. Aplikasi logika fuzzy tidak hanya berkembang pada penggunaan produk rumah tangga, tetapi juga pada beberapa industri di Jepang sejak awal 1980’an. Demikian pula pada sistem manuvering yang telah diajukan oleh Noguchi dan Mizoguchi (1998) dari perusahaan Ishikawa Jima – Harima Heavy Industries, dimana manuvering dikhususkan untuk lintasan aman kapal. Variabel posisi aman kapal dan kategori posisi kapal dinyatakan sebagai variabel fuzzy. Secara simulasi ditunjukkan kemampuan manuver kapal dengan logika fuzzy ini mampu menghindari adanya kapal lain. Sebuah sistem kendali fuzzy dengan rule base Vukic, dkk (1998), sebagai pengembangan dari KLF Velagic, dkk (1998), menggunakan 49 aturan untuk keluaran kendali, dengan masukan adalah eror yaw dan yaw rate. Omerdick, dkk (2000) mengembangkan KLF Vukic dengan rule base yang sama sedangkan inferensi menggunakan metode Mamdani dan menambahkan filter gelombang. KLF yang lain yaitu tipe Sugeno Takagi, diaplikasikan pada kapal klas Mariner menghasilkan performansi kestabilan dalam range Froude number 0.164 < Fr < 0.238, dan mampu mengatasi gangguan arus laut dalam berbagai arah datang. Pengaruh gangguan angin tidak berdampak besar terhadap kestabilan gerak kapal untuk tipe klas Marine. Sedangkan faktor gangguan gelombang pada saat manuver circle dapat diatasi oleh kemampuan kontroler KLF pada nilai spektrum kerapatan daya - Pyy maksimum adalah 5 [7]. Daerah kestabilan dari kinerja kendali KLF rancangan Aisjah, dkk [3], dinyatakan dalam daerah Froude number yang menunjukkan kemampuan KLF dalam mengikuti pola keluaran kendali LQG/LTR pada berbagai kondisi baik pada saat gangguan secara parsial dari angin, arus laut dan gelombang maupun kombinasi dari ketiganya, menghasilkan daerah kestabilan yang dapat digunakan untuk perancangan komponen pendukung kontrol jarak jauh dalam membangun suatu kapal tanpa awak. 2.2 Model dinamika kapal Secara umum gerakan yang dialami sebuah kapal ketika melaju di lautan ada enam macam yaitu : yaw, heave, roll, surge, sway, dan pitch. Bentuk umum persamaan manuvering kapal dinyatakan dalam bentuk : M D L (1) dengan ν = [u, v, r]T merupakan vektor kecepatan. M dan D merupakan matrik inersia dan redaman yang diperoleh dari linierisasi persamaan gaya dan momen pada arah surge, sway dan yaw. Selanjutnya persamaan (1) diatas dinyatakan dalam bentuk persamaan ruang keadaan [9]. Dengan vektor state adalah v dan matrik sistem A dan matrik input B diperoleh berdasarkan koefisien hidrodinamika pada persamaan (1). 2.3 Persamaan Kemudi Linier - Nomoto Dua alternatif yang menggambarkan model dari Davidson dan Schiff (1946) dikemukakan oleh Nomoto, Taguchi, Honda dan Hirano (1957). Model ini diperoleh dengan mengeliminasi
kecepatan sway ν untuk memperoleh fungsi transfer Nomoto antara yawrate dan sudut rudder , yang dinyatakan dalam persamaan (2). r (2) s K R 1 T3 s 1 T1 s 1 T2 s R Parameter – parameter dari fungsi transfer diatas diperoleh dari
T1T2
detM detN
T1 T2
(3)
n11m22 n22 m11 n12 m21 n21m12 det( N )
(4)
n21b1 n11b2 (5) det( N ) m b m11b2 (6) K RT3 21 1 det( N ) Dimana elemen mij, nij dan bi ( i = 1,2 dan j = 1,2) didapatkan dari matriks berikut : KR
M= m Yv
mxG Yr ;N(uo)= Y N I z N r
mx N v G
mu 0 Yr mxG u 0 N r
(7)
Gain pengendali Nomoto diperoleh dari linierisasi model Davidson dan Schiff (1946), dimana bentuk persamaan gain Nomoto adalah :
K
n21b2 n11b1 det(N)
n11=
Yv , n21= N v
b1
I z N r Y mxG Yr N det M
(8)
b2
m Yv N mxG N v Y
(9)
det M
2.4 Model gangguan pada dinamika kapal Pada model dinamika kapal ada beberapa gangguan yang yang mempengaruhi yaitu angin, gelombang dan arus laut. Untuk memperoleh fungsi transfer dari masing – masing gangguan ini, dilakukan berdasarkan model – model pendekatan yang dilakukan oleh Balchen (1976), Vuckie (1998). Persamaan untuk fungsi alih gelombang dengan pendekatan gelombang linier yang biasa dilakukan oleh perancang sistem pengendalian pada kapal, didekati dengan spektrum Pierson Moskowitz (PM), dimana model ini dinyatakan sebagai
h( s )
Ks 2 s 20 s 0 2
(10)
Dengan gain konstanta dari fungsi transfer persamaan (10) adalah : g (11) K 20 0 0,4 H dimana σw menyatakan intensitas gelombang, ζ adalah koefisien redaman sedangkan ω0 = frekuensi modal gelombang. Untuk faktor gangguan yang berasal dari arus laut, digunakan model arus dua dimensi [8]. Komponen arus dapat dijelaskan dengan dua parameter: kecepatan rata-rata arus Vc dan arah arus γc. Komponen dari body-fixed dapat dihitung dari: uc = Vccos(γc-ψ) (12) υc = Vcsin(γc-ψ) (13) Kecepatan arus laut rata-rata untuk simulasi komputer dapat dibangkitkan menggunakan Gauss-Markov process orde satu, dijelaskan dengan penurunan:
𝑑𝑉𝑐 (𝑡) 𝑑𝑡
+ 𝜇0 𝑉𝑐 (𝑡) = 𝜔(𝑡)
(14)
dengan ω(t) adalah ganggaun gaussian white noise dan μ0 ≥ 0 adalah konstan. Proses ini harus dibatasi : Vmin ≤ Vc(t) ≤ Vmax agar menstimulasi arus laut yang realistis. 2.5 Kendali Logika Fuzzy Kendali logika fuzzy memberikan suatu cara dalam merepresentasikan, memanipulasi, dengan cara berfikir manusia tentang bagaimana mengendalikan suatu sistem. Didalam Kendali Fuzzy, terdapat unit yaitu : (i) Fuzzifikasi yang berfungsi untuk merubah variabel masukan yang bersifat crisp / numerik menjadi himpunan fuzzy, (ii) Basis Pengetahuan yang berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah – daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kendali (iii) Logika Pengambil Keputusan merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan, (iv) Defuzzifikasi yang berfungsi merubah keputusan tentang aksi pengendali yang bersifat fuzzy menjadi sinyalsuatu nilai yang bersifat crisp. III.
METODOLOGI
3.1 Tahapan Penelitian Metodologi dalam penyelesaian penelitian ini dengan menggunakan simulasi secara komputer dengan software Matlab V. 7.04. Algoritma dalam penyelesaian penelitian, adalah (i) menentukan parameter rancangan sistem kendali (ii) Menentukan variabel yang berpengaruh terhadap pemodelan dinamika kapal (iii) Menentukan strategi dalam pengendalian fuzzy, (iv) Melakukan simulasi berdasarkan nilai parameter dan variabel yang telah diturunkan dari tahap (i) sampai dengan (iii) dan (v) Melakukan analisa terhadap hasil simulasi (vi) Iterasi terhadap semua langkah. 3.2 Dinamika Kapal FPB 38 dan Gangguan Spesifikasi kapal FPB-38 adalah, Panjang Kapal (Lpp) : 36.7 m, Lebar Kapal(B) : 7.3 Koifisien Blok(Cb): 0.02, Center of Gravity (XG): 1.01 m Rudder Area (Aδ) : 0.64 m2, Tinggi(T): 4.47 m Kecepatan(U) : 30 knot. Dengan memasukkan parameter tersebut diatas ke dalam model dinamika pada bab Iidi atas, maka didapatkan fungsi transfer dari model dinamika manuvering kapal adalah sebagai berikut: s 211.5 s 241.74 R 11.97s 3 7.12s 2 s
(15)
Dan model gangguan gelombang untuk standar perairan internasional didapatkan nilai masingmasing σw2 adalah 10, ζ adalah 0.1, H adalah 1 m, g adalah 9.8 m/s2, ω0 adalah 1.2, h( s )
0.799s s 2 0.24s 10
(16)
Rudder pada kapal sebagai penggerak, yang dalam hal ini dikatakan aktuaor pada sistem kendali. Pada kapal FPB-38 terpasang tipe Van Amorengen, yang mempunyai spesifikasi kemampuan kerja antara -350 sampai dengan 350, dan laju kerja rudder 21/3 – 7o. Mekanisme sistem kemudi terdiri dari 2 sistem servo yang secara riil merupakan sistem hidraulik., yaitu servo telemotor posisi dan servo aktuator rudder. Masukan pada sistem servo berasal dari keluaran autopilot KLF dikatakan sebagai sinyal command rudder (δc) dan keluaran dari sistem rudder adalah defleksi rudder aktual (δ). Spesifikasi parameter untuk sistem rudder ini sesuai dengan sistem kemudi dengan laju rudder minimum 2,30/dtk dan maksimum PB = 70/dtk. Dengan data dari PT PAL didapatkan Vcc dari rudder adalah 380 volt dan time constant sebesar 0.05, fungsi transfer dari aktuator rudder kapal adalah: 0.6 / 380 (20) ( s) 0.05s 1
3.4 Perancangan Pengendali Fuzzy pengendali tipe Mamdani (FGC) dengan dua masukan: jarak d dan sudut yaw Ψ, dan satu keluaran y. Metode dalam mentuning fuzzy untuk gain dari variabel KLF ini dilakukan dengan menggunakan kaidah pada FGC yang didefinisikan sebagai berikut: If d is NE and ψ is PS then ki is PS If d is NE and ψ is PM then ki is PM .... If d is PE and ψ is PB then ki is PM Rule set ini juga berlaku bagi penentuan ke, kr dan ky. Apabila dibandingkan dengan kontroller fuzzy (FLC) pada umumnya, kelebihan dari FGC adalah mentuning variabel FLC secara adaptif bergantung pada error (perubahan error dan yaw rata-rata) serta keluaran. Metode dalam defuzzifikasi adalah centroid atau COA (Center of Area). 3.5 Perancangan Simulasi Kapal sebagai sistem dinamik yang telah di modelkan melalui simulink-matlab 7.0.4, dan perancangan kendali logika fuzzy yang telah dibuat, kemudian dilakukan penggabungan antara model dinamika kapal sebagai sistem dengan kendali logika fuzzy. Kendali logika fuzzy berfungsi menjaga agar kapal memiliki ketepatan dalam pemenuhan lintasan kapal. Simulasi dijalankan dengan menggunakan blok diagram Gambar 3. Pada gambar 3, masukan untuk FLC yaitu yaw dan yawrate tidak diatur besarnya gain nya. Pengaturan terhadap besarnya gain dilakukan dengan mekanisme seperti Gambar 1 di bawah. Mekanisme ini dikatakan strategi secara adaptif adaptif, sedangkan untuk strategi dengan tanpa mengatur nilai gain dari FLC dikatakan non adaptif.
(a) (b) Gambar 1. (a) Blok FGC (b) Respon heading Kontroller Logika Fuzzy non- adaptive plant kapal FPB-38 IV. ANALISA DAN PEMBAHASAN Perancangan kendali logika fuzzy ini digunakan untuk pengendalian pemenuhan lintasan, dengan kendali adalah sudut yaw. Dengan nilai Gain Ke*=0.5 Kr*=0.001 dan Ky=0.1, untuk pemenuhan lintasan d. Noise power dari gaussian white noise sebagai pembangkit arus =0.000001 dan gain =0.1. Saat kondisi tanpa gangguan respon heading kapal untuk memenuhi 1000 deret posisi yang menggantikan lintasan yang harus dipenuhi, seperti terlihat pada gambar 1.b . Dari gambar di atas, dapat dilihat bahwa dengan menggunakan adjustable scalling factor mechanism, maka respon sinyal keluaran dari sistem dapat mengikuti heading dengan sempurna walaupun mendapatkan gangguan berupa gelombang dan arus. Ini terjadi pada saat nilai Gain Ke*=0.5 Kr*=0.001 dan Ky=0.1, Noise power dari gaussian white noise sebagai pembangkit arus =0.000001 dan gain =0.1. Data arus dan gelombang yang diberikan sebanyak 1000 data sesuai dengan waktu running dari sistem. Gelombang dibangkitkan menggunakan Gaussian White noise dengan noise power sebesar 0.000001 dan gain sebesar 0.1.
V.
KESIMPULAN
Berdasarkan hasil analisa dan pembahasan yang telah dilakukan, diperoleh kesimpulan sebagai berikut : Kemampuan KLF untuk memenuhi lintasan, melalui kendali terhadap sudut yaw dengan masukan adalah deretan titik lintasan, hasil pengendali secara non adaptif menghasilkan eror yang lebih besar bila dibandingkan secara adaptif. DAFTAR PUSTKA [1]. Fossen, T. I., (1994), “Guidance and control of ocean vehicle”, John Willy & Son.Aisjah, A.S., Soegiono, Masroeri, AA., Djatmiko, E.B., Wasis , Sutantra, I.N dan Buda, K.,“The extended of Tracking Control Sea Vehicle based on Fuzzy Logic”, 2005. [2]. Aisjah, A.S., Soegiono, Masroeri, AA., Djatmiko, E.B., Wasis dan Sutantra, I.N., “ Linear Tracking Sea Vehicle based on Fuzzy”, 2004. [3]. Aisjah, A.S., Soegiono, Masroeri, AA., Djatmiko, E.B., Wasis, D.A, dan Sutantra, I.N , “FLC Sugeno – Takagi in Maneuvering of Mariner Class Vessel”, Jurnal Industri, Vol. 6 No. 2, 2007. [4]. Bertin, D., (1998), “Track Keeping Controller for a Precission Manoeuvring Autopilot”, IFAC Conference CAMS’98, Fukoka, Japan. [5]. Kijima, K. dan Murata, K., (1998), “Design of a Dynamic Positioning System for Self – Propulsive Barge under External Disturbances”, IFAC Conference CAM’s ’98, Fukuoka Japan. [6]. Strand, M.F, Jann, P. dan Fossen, T. I., (1998), “Nonliear output feedback and Locally Optimal Control of Dynamically Positioned Ships : Experimental Results”, IFAC Conference CAM’S 98, Fukuoka Japan.Zoran Vukic*, Edin Omerdic and Ljubomir Kuljaa.,” Fuzzy Autopilot for Ships Experiencing Shallow Water Effect in Manouvering”, 1999 [7]. Velagic, J., Vukic, Z., Omerdic, E.,”Adaptive Fuzzy Ship Autopilot for Track-Keeping”, 2001. [8]. Fossen, T. I., “Guidance and control of ocean vehicles”. Chichester, 1994. [9]. Ogata, K., “Modern Control Engineering”, Second Ed, Prentice Hall, 1992.
Gambar 3. Model simulink Tracking KLF non-adaptive dengan gangguan