Prosiding SENTIA 2009 – Politeknik Negeri Malang
KONTROL FUZZY KECEPATAN GERAK LURUS DIFFERENTIAL AUTONOMOUS ROBOT BERBASIS AVR 8353 Budhy Setiawan, BSEET, M.T.1 Jurusan Teknik Elektro, Politeknik Negeri Malang
[email protected] ABSTRAK Pada akhir tiga dekade ini, penelitian bidang robotic telah dilaksanakan secara serius untuk tujuan komersial maupun futuristic. Salah satu bidang yang banyak dteliti diantaranya gerak differential autonomous robot. Bersamaan dengan tujuan tersebut, pada penelitian ini mengupayakan desain , analisa dan implementasi control fuzzy tiga triangle membership function untuk input Error, delta Error Sensor Line Follower yang diikuti oleh sepasang speed feedback dan dua output FLC (Fuzzy Logic Controller) dengan metode logic AND inferensi MIN dan metode defuzzyfikasi Singgle tone COG (Center of Grafity) dalam sebuah model control robot closed loop system yang di implementasikan pada MCU AVR ATMega 8353 menggunakan bahasa pemrograman HLL terstruktur BASCOM. Hasil ujicoba perjalanan robot yang diikuti dengan pengolahan data menunjukkan bahwa Kontrol Fuzzy memiliki prosentase kesalahan sudut posisi lebih kecil dari kontrol PD, yakni 13,82% sedang PD 30,55%. Prosentase tersebut merupakan keunggulan kontrol Fuzzy. Akan tetapi, kontrol Fuzzy lebih lambat dalam hal waktu tanggap kesetabilan, 90,00 – 93,33 mdt; sedang PD, 36,67 – 54,67 mdt. Kata kunci: fuzzy, AVR ATMega 8353, differential autonomous robot
function dengan inferensi AND, min max, akumulasi consequent COG (Center of Grafity) Singgle tone; dua buah variable output kecepatan roda kiri & kanan dan dua buah input Error Sudut dan Δ Error Sudut. Kontroller adalah MCU AVR Atmega 8535 16 MHz. Lapangan gerak robot datar air, dengan toleransi 1mm elevasi per 1 m2. Data hasil analisa dalam parameter kecepatan meliputi variabel kecepatan roda kiri dan kanan (output) dan input Error Sudut. Tujuan dari penelitian dengan judul tersebut diatas adalah mengimplementasikan kontrol fuzzy menggunakan kontroler MCU AVR Atmega 8535 16 MHz untuk mengendalikan dua buah roda gerak belakang differential autonomous robot pada suatu kecepatan gerak lurus. Sehingga diketahui pengaruh error pembacaan jalur lurus terhadap respon kecepatannya. Penelitian ini diharapkan akan bermanfaat pada penambahan kasanah pustaka system control posisi pada penelitian lanjut dalam hal pengendalian posisi gerak lurus autonomus robot, dengan penggunaan control fuzzy yang memiliki keunggulan intuitif, linguistic dan berkemampuan mengontrol parameter undeterministic.
I. Pendahuluan Berkenaan dengan berkembangnya teknologi kontrol Differential autonomus robot, dalam hal pengendalian dua roda penggerak belakang untuk tujuan gerak lurus dengan pembacaan posisi sudut jalur lurus, maka dalam tesis ini penulis mengupayakan implementasi “kontrol fuzzy” sebagai pengendali posisi gerak lurus Differential autonomous robot dalam suatu kecepatan yangmana magnitude error sudut posisi mempengaruhi kecepatan linier robot mandiri tersebut. Kontroler robot tersebut adalah Microcontroler AVR Atmega 8353 16 MHz yang diprogram menggunakan Object Oriented HLL BASCOM. Dalam implementasi tersebut, output kontrol fuzzy mengatur durasi PWM untuk mencapai kecepatan yang dikehendaki dibantu oleh driver MOSFET. Error kecepatan terhadap waktu yang di monitor oleh sebuah encoder difungsikan sebagai feedback kecepatan. Penelitian dengan judul tersebut diatas mengupayakan analisa, desain dan implementasi pengaruh error pembacaan line follower terhadap respon kecepatan gerak linier untuk mencapai steady state pada Kontrol Fuzzy menggunakan MCU AVR 16 MHz dengan bahasa HLL BASCOM dalam pengendalian differential autonomous robot bergerak lurus. Penelitian dengan judul tersebut diatas, dalam implementasi dan realisasinya dibatasi dalam: Sistem Fuzzy yang digunakan adalah 3 membership
2. Tinjauan Pustaka Differential Autonomous Robot Sering disebutkan dalam istilah autonomous robot adanya sebuah sistem Differential Robot, yang dimaksud adalah robot E-22
Prosiding SENTIA 2009 – Politeknik Negeri Malang
beroda yang dalam gerak beloknya mengandalkan perbedaan daya dan kecepatan roda rodanya, tanpa bantuan mekanik belok sebagaimana mobil konfensional, akan tetapi lebih sesuai dengan cara belok kendaraan panser.
Robot tersebut dalam membership FLCnya menggunakan 3 membership untuk masing masing variable Error, delta Error dan Output Consequentnya. lihat table consequent dibawah.
Gambar 2.1: Differential Robot Gambar 2.3: Rule base [4] Vamsi
Differential autonomous robot memiliki dua roda gerak belakang dan dua roda bebas depan. [2] Braunl 64
Dalam opersional differential robot mandiri untuk bergerak, dengan kedua roda geraknya, diperlukan sebuah programmable Microkontroler yang mampu membaca sensor dan memberikan output secara fariabel (analog) dan bit (digital), selain menganalisa, mengontrol dan memutuskan langkahnya. Sehingga dalam implementasinya, hardware I/O akan selalu melalui proses konfersi Analog ke digital dan digital ke analog, ADC dan DAC. [8] Pitowarno 53
Kinematika Differential Robot Bobot tersebut berbasis pada dua buah roda gerak menggunakan masing masing satu motor dc magnet servo. Parameter robotnya: C adalah pusat roda dan G adalah pusat grafitasi robot, d dipisahkan yang mana merupakan dua buah pusat yang secara umum selalu berbeda dengan nol
Analog Digital
Gambar 2.2: Kinematika Differential Robot. [1] Ayari Sensor
Pergerakan vector q yang bermuatan variable robot memiliki koordinat kartesian yang terpusat, sehingga orientasi dan sudut setiap roda kiri atau kanan adalah: q = (xc;yc; f; qr; ql) maka persamaan kinematik model tersebut
Microcontroller AVR
Autonomous Robot
Analog Digital
Actuator
Gambar 2.4: Variable Analog Input output Kontrol Robot Untuk tujuan penentuan Rule pada jurnalnya, [5] Naranjo menyatakan bahwa kemudi otomatis cukup menggunakan 6 rule Fuzzy. Dari penelitiannya ia menggunakan 5 membership function untuk setiap input dan outputnya termasuk dError. [6] Naranjo 3 Defuzzifikasi dilaksanakan pada mikrokontroler dengan metode Singgle tone COGG ( Center of Grafity) sebagai berikut:
Kontrol Fuzzy bebasis Mikrokontroler [4] Mohan Vamzi dalam penelitiannya menggunakan microcontroller PIC 16F77 sebagai FLC (Fuzzy Logic Controller) untuk menggerakkan differential robot. Dalam pembandingan hasilnya didapatkan bahwa Fuzzy logic lebih cepat responnya terhadap control P (Proporsional) sebagaimana Gambar Grafik dibawah. Respond input (Sudut) lFLC lebih cepat (0,5 detik) disbanding P (1,5 detik) dan unjuk kerja sudut FLC lebih lebar (0,15 rad) disbanding P (0,08 rad). Perbandingan hasil respond jarak juga lebih cepat saat 3,75 inc, FLC ( juga 0,5 detik ) sedang P (150 detik), tercapainya satirasi FLC butuh waktu 0,5 detik sedang P hingga lebih dari ,25 detik. Dengan catatan program FLC disajikan dalam bentuk Look up Table. [4]
[ 9] Ross Model Kontrol Kecepatan dan Posisi Dari Model Kecepatan dan Posisi motor DC MP yang didapatkan diatas, maka proses simulasi menggunakan Matlab dapat dilaksanakan dengan memberikan input proses tersebut dari output FLC yang akan direncanakan untuk control E-23
Prosiding SENTIA 2009 – Politeknik Negeri Malang
sebuah Motor.
Kecepatan
dan
Posisi
Sebuah
base . Dalam layer tersebut ia menangani 4 input tumbukan dan sudut Error posisi robot yang di respon dengan perubahan kecepatan linier dan angular robot.
3. Metodologi Penelitian hal respond error pembacaan line follower terhadap kecepatan linier robot dilakukan dengan desain, analisa, implementasi dan pembuatan program AVR pada controller dan mekanik robot. Sehingga jenis penelitian ini adalah desain eksperimen. Robot mandiri dibuat secara mekanik dan elektronik selain secara software pemrograman kontrol posisi Fuzzy.
Gambar 2.5.: Input FLC [11] Yan 36 Yan dalam bukunya menggambarkan bahwa sebuah FLC minimal memiliki 2 buah input yakni E ( error) dan dE ( delta Error), dimana dE = E(n) – E(n-1) C=Y-E Model Kontrol Proses Multi motor Dalam proses menuju control dua buah motor penggerak pada Skid Robot Braunl menggambarkan model kontrolnya sebagaimana Gambar 2.6.1. Pada Gambar tersebut Setiap motor dikontrol oleh sebuah kontroler, dalam halini kontroler P ( Proportional); sedang kedua input feedback masing masing kontroler dipengaruhi oleh posisi center line yang sianggap sebagai disturbance. Akumulasi Error dilaksanakan oleh I ( integrator ) dan didistribusikan magnitude nya ke setiap input feedback control P dengan polaritas yang berbalikan.
Metode Penelitian Metode yang dilaksanakan dalam penelitian ini adalah metode experiment; meliputi identifikasi model parameter motor DC Servo, sensor posisi, dan analisis penentuan metode fuzzifikasi, rule dan defuzzifikasi dan model control fuzzy posisi robot mandiri. Alur pelaksanaan per tahap diterangkan dibawah. Loop umpan balik utama terjadi pada refisi rule Fuzzy dan loop implementasi pada AVR. Identifikasi Motor dan Sensor sensor Identifikasi dilaksanakan dengan mendata parameter motor DC MP Servo dalam respon kecepatannya terhadap durasi perubahan sinyal PWM yang telah dikuatkan arusnya oleh MOSFET. Identisikasi sensor line follower dilaksanakan berkenaan dengan feedback disturbance kontrol posisi yang dibutuhkan untuk dikontrol oleh Fuzzy. Sensor tersebut meliputi 8 buah sensor optocoupler analog pembaca jalur gerak robot, yang dibaca oleh ADC, yang kemudian diproses oleh kontroler AVR. Dua sensor merupakan sensor polaritas posisi terbelok kekiri atau ke kanan, sedang tiga sensor optocoupler adalah sebagai sensor magnitude derajad kebelokan, disediakan range posisi 000 -- 255 dari derajad belok +/- 4 o. Kecepatan linier robot dapat diketahui dari dua buah sensor kecepatan yang terpasang permanen pada motor roda kiri dan kanan. Untuk tujuan tersebut, identifikasi sensor tersebut memerlukan adanya identifikasi bentuk dan lebar pulsa terhadap kecepatan putar dan kecepatan linier, yakni bentuk, lebar pulsa; variable jumlah pulsa per 360o, pulsa / detik, rpm, dan m/detik.
Gambar 2.6: Gerak Lurus dengan offset line follower [2] Braunl 69 MCU AVR ATMega 8535 Atmel 8535 adalah sebuah Microcontroller 8 bit AVR dengan sistem RISC, dengan 130 instruksi dengan 1 machine cycle / instruksi (1/16 MHz = 0,0625 µ detik), 8 bit ALU, 32 byte register, troughput 16 MIPS, 16 MHz, hampir seluruh instruksinya hanya membutuhkan 1 instruction cycle. AVR tersebut memiliki total 4 byte port address I/O (32 pin I/O), 4 kanal byte output internal PWM, 8 kanal 10 bit ADC, sebuah on chip komparator analog, dua timer / counter 8 bit dan sebuah timer counter 16 bit [AVR ATMega 8535 datasheet]. Program Kontrol Pada jurnalnya [3] Doitsidis menyatakan bahwa flowchart program control Fuzzy membutuhkan inisialisasi status, Sensing, FLC, dan penghentian loop program. Implementasi program Fuzzy pada Skid Robot 4 WD Doitsidis menerangkan adanya urutan eksekusi membership input dan output terhadap rule
Kontroler ATMega Imlementasi Fuzzy Logic dapat dilakukan dalam sebuah program. Program tersebut merupakan lkontrol logika Fuzzy gerak lurus robot dalam bahasa MCU AVR Atmega 8353. Program tersebut dituangkan pada hardware MCU AVR
E-24
Prosiding SENTIA 2009 – Politeknik Negeri Malang
master, sedangkan MCU mengadaptasi input sensor.
AVR
slave
untuk 4. Hasil Ujicoba dan Analisa Hasil penelitian dengan judul diatas adalah Analisa Respon Output FLC dibandingkan dengan Kontrol PD dan FLC Simulink, Analisa Error Posisi terhadap Kecepatan Gerak Lurus, Analisa Kesetimbangan Komponen Mekanik dan Mekatronik, Analisa Time respon Kontrol dan Sistem Kontrol FLC dari table dan grafik data hasil pengamatan real dari implementasi control Fuzzy pada Differential autonomous robot dengan dua roda gerak belakang dan dua roda chaster, dengan kontrol ATmega 8535. Dan judul tersebut diatas, ditampilkan 7 unit pengambilan data data Output kiri, Output kanan, Error kiri, Error kanan, delta Error kiri, delta Error kanan, Kecepatan roda kiri, kecepatan roda kanan, Sudut posisi robot kiri, Sudut posisi robot kanan untuk ke tujuh eksekusi perjalanan robot. Tiga unit data FLC, 3 unit data PD; pembacaan data melalui RAM AVR saat robot berjalan yang sesaat berhenti data dicopykan ke EEPROM; dan sebuah unit data PD dengan pembacaan melalui EEPROM langsung. Kesemua data didapat dari uji perjalanan robot pada medan yang sama. Semua pendataan dilaksanakan oleh AVR per 3 loop eksekusi program.
Gambar 3.1: Rangkaian Master Kontrol AVR Pelaksanaan, Analisa dan Percobaan Model Kontrol Setelah pelaksanaan penentuan model proses langkah berikut adalah Pemodelan control Fuzzy dan PID untuk Diferential Autonomous Robot diimplementasikan pada AtMega dengan menggunakan bahasa pemrograman BASCOM. Dalam bentuk Looping dan pendataan didapatkan dengan menggunakan data logger AVR itu sendiri untuk mendapatkan data data E, dE Line Folower .Dari identifikasi respon sensor sensor dan PWM yang telah dilaksanakan dan referensi metode dan sistem kontrol yang diadopsi pada daftar pustaka untuk tujuan penelitian tersebut, maka Membership Function untuk input Error, dError dan output PWM ditentukan, demikian juga untuk Rule Fuzzy untuk diterapkan pada Model kontrol penelitian tersebut.
Analisa Respon Output FLC, PD dan FLC Simulink Tabel 4. Hasil Kontrol FLC vs PD fariabel FL FL FL rata2 uni C t Time respon ka 851 C 652 C 453 65,00 ms 76,67 Time respon ki 110 45 75 ms 90,00 Timesteadystatek 110 100 60 ms 93,33 aTimesteadystatek 140 60 80 ms 52,67 iSteady state ka 100 38 20 d 46,67 Steady state ki 60 20 60 d 30,43 Speed 35, 29, 26, Cm 54,17 2 3 8 /s E speed max 34, 70, 57, % 13,82 6 8 1 E posisi max 5 10, 26, % 41 04
Simulasi Matlab Sebelum implementasi model control dengan Fuzzy diimplementasikan pada MCU AVR, simulasi kontrol software menggunakan matlab dan simulink dilaksanakan terlebih dahulu untuk menguji kelayakan kontrol tersebut. Dari simulasi matlab, didapatkan tertentukannya dengan pasti akan degree membership function input Error, dError, Output PWM dan Rule Fuzzy. Dari step simulasi tersebut dapat diperkirakan adanya adaptasi model control terhadap proses beban elektrik dan mekanik motor real dan juga performen mekanik dinamis robot.
fariabel Time respon ka Time respon ki Timesteadystatek aTimesteadystatek iSteady state ka Steady state ki Speed E speed max E posisi max
PD 1 25
PD 2 25 22 25
PD 3 45
rata2 31,67
uni t ms ms ms ms d d Cm /s %
25 25 25 54,67 64 40 60 36,67 30 40 40 126,7 120 140 120 128,3 135 125 125 37,7 35, 39 38, 7,28 9 2 14, 5% 7,4 30,55 4 30, 30, 30, % 55 55 55 Waktu respon FLC lebih lambat dibanding PD; waktu respon 65,0 - 76,0 ms, sedang PD 25 31,6 ms; FLC lebih lambat 2 x lipat waktu PD.
Implementasi pada ATMega 8535 Berbekal hasil simulasi Matlab, pemrograman AVR dapat dilaksanakan dengan menggunakan Software Object Oriented High Level Language BASCOM. Bahasa pemrograman tersebut memiliki kemampuan untuk memprogram MCU AVR dengan logika routine High level language, juga mampu mengimplementasikan akses bahasa Assembly; yangmana bahasa Assembly memiliki kelebihan dalam kecepatan eksekusi, dalam MCU tersebut adalah 0,065 µ detik per instruksi ( Kristal Clock = 16 M Hz), E-25
Prosiding SENTIA 2009 – Politeknik Negeri Malang
Demikian juga untuk waktu untuk mencapai steady state; FLC membutuhlan waktu 90,0 – 93,33 ms; sedang, PD membutuhkan waktu hanya 36,6 – 54,67 ms, FLC hampir 2 x lipat lebih lambat. Demikian juga pencapaian setting speed, FLC hanya mampu mencapai dalam kisaran separo setting,100 d; sedangkan PD telah mencapai setting 120d dengan kesalahan 8%. Kecepatan robot dengan kontrol FLC menunjukkan kecepatan linier rata rata per 3 loop eksekusi kontrol mendekati setting, 100d = 29,3 cm/s; sebagaimana PD 120d = 35,9 cm/s.
Pada Gambar 5.1.a. terlihat adanya sinyal encoder yang bila diperbesar adalah sebagai Gambar 5.2.a, akan tetapi kondisi steady state tetap pada posisi setting, sehingga dapat dikatakan bahwa error posisi robot akan diselesaikan dengan baik oleh FLC. FLC memiliki error posisi lebih kecil dibanding PD, yakni range 6 mm, lihat Gambar 5.2.b; sedang PD hingga 30 mm, lihat Gambar 5.2.c. Pada tabel perbandingan diatas dapat dijelaskan bahwa FLC dapat melaksanakan gerak lurus lebih menjanjikan dibanding PD, error posisi sudut robot dengan kesalahan maksimal per 3 loop adalah 13, 82%, sedang PD 30,55%.
Respon Out FLC 2 ki & ka
Error Posisi FLC 2 kiri & Kanan
120 Series1
100
1000
Series2
900
Out ka
800
Series9
60
700
Out ki
40
Series6 Series7
20
600
10 bit
byte
80
300
0 200
400
600
800
200
1000
100
ms
0 0
Gambar 4.1. Respon FLC 2 ka& ki
100
200
300
400
500
600
700
800
900
ms
Gambar4.3. Error Posisi FLC kiri dan kanan
Respon Output PD 2 200
Posisi vs Speed FLC 1
Enc ki
posisi (mm) Speed (cm/s)
Enc ka
150
byte
LF ki
400
Series8 0
LF ka
500
100 50
LF ka
60
LF ki
50
d E ka
40
d E ki
30
Out ka
0 0
50
100
150
200
250
300
350
-50 ms
20
Out ki
10
Series9
0
Series10
-10
0
100
200
300
400
500
600
700
800
900
ms
Gambar 4.2. Grafik Respon PD 2.
Gambar 4.4. Error Posisi vs Speed FLC1 Terhadap Respon Output FLC Simulink Gambar 5.1.c. dan Gambar 5.1.d ; respon output FLC sangat lambat, mengingat FLC simulink dapat mencapai steady state dalam 10 ms dan ketabilan tanpa mengalami adanya overshot. Hal ini dimungkinkan oleh karena Program Simulink dieksekusi sangat cepat oleh mikroprosesor diatas 1 G Hz atau eksekusi per instruksinya 1 ns, sedang FLC dalam penelitian ini memiliki plant yang berrespon 150 ms untuk mencapai steady state dan mesin cycle kontroller AVR hanya 16 M Hz atau 0,0625 ms per instruction cycle. Selain hal speed mikrokontroler FLC Simulink tidak berbeban plant yang memiliki beban real hingga 150ms. Lama waktu eksekusi FLC dalam penelitian dikarenakan sistem eksekusi program looping, bukan program look up table, sekalipun program FLC diusahakan se effisien mungkin dalam hal struktur program dan efisiensi dalan Defuzzifikasi dengan sistem COG Singgle tone.
Posisi (mm)
Speed vs Posisi PD 3
Speed (cm/s)
50 45 40 35 30 25 20 15 10 5 0 0
50
100
150
200
250
300
350
ms
Gambar 4.5. Error Posisi vs Speed PD3 Sistem Model Kontrol FLC Sistem Kontrol FLC dalam Penelitian ini pada dasarnya bagaimana menggerakkan kedua roda differential robot hingga robot dapat bergerak lurus. Untuk tujuan tersebut perlu adanya dua buah kontroler yang masing masing memiliki Feedback internal loop kecepatan motor / kecepatan linier robot. Dilain pihak untuk mencapai keseimbangan gerak lurus diperlukan adanya sensor sudut belok untuk kemudian mengembalikan posisi gerak robot tersebut pada track garis putih, line follower. Untuk tujuan tersebut maka input pembacaan posisi diswap
Analisa Error Posisi terhadap Kecepatan Gerak Lurus
E-26
Prosiding SENTIA 2009 – Politeknik Negeri Malang
agar kecepatan respon tercapai untuk penyeimbang. Untuk susunan dua input feedback tersebut kemudian di susun bahwa input sensor adalah sebagai noise dari internal loop feedback dengan gain tertentu. Akumulasi kedua jenis feedback tersebut diumpan kan ke FLC masing masing sisi untuk didapatkan Error dan delta Error terhadap error sebelumnya; Error adalah Setting –dikurangi Feedback.
[email protected] ,
[email protected] 20 Jan 2008. [5]Naranjo,J.E.,;Gonzales,C.,Garcia,De Pedro.,2006, Electric Power Steering Automation for Autonomous Driving Instituto de Automática Industrial (CSIC) Ctra. Campo Real Km. 0,200, La Poveda, Arganda del Rey, Madrid 28500, Spain {jnaranjo, gonzalez, ricardo, tere}@iai.csic.es [6]Naranjo,J.E.,;Gonzales,C.,Garcia,De Pedro.,2006, FLC Design for Electric Power Steering Automation. Instituto de Automática Industrial Ctra. Campo Real Km. 0,200, La Poveda, Arganda del Rey, Madrid 28500 Phone +34 918711900, Fax +34 918717050 {jnaranjo, gonzalez, ricardo, tere}@iai.csic.es [8]Pitowarno, Endra. 2006. Robotika Desain Kontrol dan Kecerdasan Buatan. Andi Offset. Jokjakarta. [9]Ross, Timothy J. 1997. Fuzzy Logic with Engineering Applications International edition. McGraw-Hill Inc. Singapore. [10]Sirajuddin, Indrasno, Disain dan Implementasi Pemrograman Algoritma Fuzzy Pada Mikrokontroller AVR Dengan Menggunakan BASCOM kompiler2, ELTEK, Vol 11., No 08, 2008. [11]Yan, J, 1994, Using Fuzzy Logic, New York, Prentice Hall.
PLAN ki s/20
E t
dE
FLC ki Out
1
PWM
Driver
M
R
2 ms LF ki
LF ki/80 Setting Lf ka/80 1
LF ka 2 ms PLAN ka
t s/20
dE FLC ka Out
PWM
Driver
M
R
E
Gambar 4.6. Model Kontrol FLC 5. Penutup Dengan membandingkan Kontrol FLC dengan PD pada plan yang sama dan FLC Simulink maka didapatkan beberapa kesimpulan yang perlu, yakni: Kontrol FLC memiliki kestabilan gerak lurus terhadap line follower, dengan error posisi sudut robot maksimum terhadap lebar sensor sebesar 13,82%; sedang PD mencapai 30,55%. Model Kontroler FLC dalam penelitian ini dengan sistem posisi sebagai feedback noise terhadap internal speed dapat dibuktikan. Perlu adanya data logger yang ringan ases cepat sebagai AVR dan memiliki kemampuan membaca sensor analog dan digital, juga mudah diasses oleh komputer. Penelitian diharapkan menggunakan plan yang akurat, seimbang dan cepat respon. Daftar Pustaka [1]Ayari, Imen; Chatti Abderrazak, Reactive Control Using Behavior Modelling of a Mobile Robot, International Journal of Computers, Communication & Control, Vol. II (2007), No. 3, pp. 217-228. [2]Braunl, Thomas, 2006, Embedded Robotics, Second edition, Springer, Berlin, Germany [3]Doitsidis, L; Valavanis, K.P., Tsourvelodis. Fuzzy Logic Based Software Control Architecture for a Skid Steering Vehicle, Technical University of Crete Department of Production Engineering and Management Chania, Crete, Greece GR73100 {ldoitsidis, kimonv, nikost}@dpem.tuc.gr 21 Nof 2007. [4]Mohan, Vamsi; Simon, Dan, Fuzzy Logic Control for an Autonomous Robot, Department of Electrical and Computer Engineering Department of Electrical and Computer Engineering Cleveland State University Cleveland State University Cleveland, Ohio, USA Cleveland, Ohio, USA.[]
Foto: Robot, Sensor Line Follower, Kontroler AtMega
E-27