PERANCANGAN KONTROLER FUZZY PREDIKTIF UNTUK TRACKING KETINGGIAN AKTUAL PADA UAV

Prosiding SENTIA 2015 – Politeknik Negeri Malang

Volume 7 – ISSN: 2085-2347

PERANCANGAN KONTROLER FUZZY PREDIKTIF UNTUK TRACKING KETINGGIAN AKTUAL PADA UAV Thorikul Huda JurusanTeknik Elektro-FTI, Institut Teknologi Sepuluh Nopember KampusITS [email protected]

Abstrak Kebutuhan pesawat tanpa awak dalam pemantauan tempat yang sulit dijangkau manusia sangatlah dibutuhkan, pegunungan adalah salah satu tempat yang sulit dijangkau oleh manusia, kontur pegunungan yang tidak tentu menyulitkan pergerakan pesawat, maka dibutuhkan kontroler yang mampu menjaga ketinggian terbang pesawat terhadap kontur permukaan bumi. Pemilihan kontroler fuzzy prediktif sebagai kontroler untuk sistem kontrol autopilot dikarenakan kontroler Fuzzy Prediktif adalah salah satu kontroler cerdas, karena dibutuhkannya kontroler cerdas dalam menjaga kestabilan pesawat di tempat yang sukar dilalui dan karena tingkat keandalan kontroler ini yang cukuptinggi. Dari hasil dan analisa data pengujian unjuk kerja dari kontroler fuzzy prediktif mampu memberikan respon keluaran sesuai dengan yang diinginkan (masukannya), prediksi dari ketinggian dan sudut pitch pesawat membantu mengurangi error yang terjadi. Kata kunci: fuzzy prediktif, kontur bumi, pesawat

PENDAHULUAN Teori dan aplikasi sistem kontrol memegang peran yang sangat penting dalam perkembangan ilmu pengetahuan dan teknologi, mulai dari sistem kontrol proses pada industri modern, robotika, peluru kendali, pesawat ruang angkasa, dan sistem kemudi pesawat terbang. Pesawat terbang sebagai alat transportasi udara sangat diminati oleh sebagian masyarakat di era modern yang memiliki tingkat mobilitas dan kesibukan yang sangat tinggi. Hal ini dikarenakan pesawat terbang mampu mengangkut penumpang dengan jumlah yang relatif banyak serta dapat mempersingkat waktu untuk sampai pada tujuan dengan jarak yang jauh. Pada beberapa tahun terakhir, dunia penerbangan telah mengalami perkembangan yang pesat. Banyak penemuan-penemuan serta perkembangan yang terjadi di dalamnya. Salah satunya adalah dibuatnya kendaraan udara tak berawak. Kendaraan udara jenis inilah yang biasa disebut sebagai UAV (Unmanned Aerial Vehicle). Kebutuhan pesawat tanpa awak untuk memantau wilayah yang sukar dilalui manusia menjadi salah satu fungsi dari pesawat ini, wilayah pegunungan adalah salah satu tempat yang sukar di jamah manusia, kontur pegunungan yang tidak menentu yang menyulitkan pesawat terbang rendah didaerah ini. Dengan demikian diperlukan suatu sistem kontrol otomatis dan sistem navigasi yang baik pada pesawat tanpa awak agar dapat melakukan pengawasan ditempat yang sukar.

Sistem kontrol sirip, merupakan salah satu sub sistem dari kontrol pesawat terbang yang berfungsi untuk mengendalikan gerakan dan posisi sudut sirip pada bidang gerak pesawat terbang. Keberadaan sub sistem ini sangat penting, dikarenakan posisi sudut dari sirip pesawat terbang sangat menentukan kondisi / sikap terbang pada pesawat terbang. Kesalahan posisi pada sudut sirip dari yang seharusnya akan berakibat pada sikap pesawat terbang yang tidak sesuai dengan sikap normalnya, yang akan mengakibatkan kondisi pesawat menjadi tidak stabil, bahkan dapat berakibat fatal apabila kesalahan posisi sudut sirip ini sangat besar. Pemilihan kontroler fuzzy prediktif sebagai kontroler untuk sistem kontrol autopilot dikarenakan kontroler Fuzzy Prediktif adalah salah satu kontroler cerdas, karena dibutuhkannya kontroler cerdas dalam menjaga kestabilan pesawat di tempat yang sukar dilalui dan karena tingkat keandalan kontroler ini yang cukup tinggi.

1.

2. DESKRIPSI SISTEM 2.1. Sistem Gerak Pesawat Sistem gerak pesawat terbang dikendalikan oleh kontrol permukaan pesawat terbang. Kontrol permukaan pada pesawat terbang terdiri dari aileron, rudder, dan elevator. Aileron adalah kontrol permukaaan yang mengontrol gerak guling (rolling) pesawat (McLean ,1990). Rudder adalah kontrol permukaan yang dapat membelokkan hidung pesawat ke kanan atau A-20

Prosiding SENTIA 2015 – Politeknik Negeri Malang

ke kiri. Sedangkan elevator adalah kontrol permukaan yang mengatur gerak naik turun pesawat.

Volume 7 – ISSN: 2085-2347

keadaan sekarang dikurangi dengan keadaan sebelumnya dan hasil selisih keduanya ditambahkan dengan keaadaan sekarang maka akan didapat keadaan yang akan datang. 2.5.

Kontroler Fuzzy PD Logika fuzzy yang pertama kali diperkenalkan oleh Lotfi A. Zadeh, memiliki derajat keanggotaan dalam rentang 0 (nol) hingga 1 (satu), berbeda dengan logika digital yang hanya memiliki dua nilai yaitu 1(satu) atau 0(nol). Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat dan sangat cepat(Veeraiah,2004). Kontrol logika Fuzzy yang digunakan adalah kontrol logika fuzzy tipe PD. Dengan masukan error dan delta error. Fuzifikasi input dilakukan dengan representasi fungsi segitiga yang ternormalisasi dengan tujuh himpunan pendukung, susunan fungsi keaanggotaan fuzifikasi disusun seperti Gambar 7. Sedangkan inference rule menggunakan metode Mamdani, dengan susunan rule base table mack vicar whellan.

Gambar1 penggerak pesawat 2.2.

Sumbu Pesawat Terbang Sistem pengaturan gerak pada pesawat biasanya direpresentasikan melalui pengaturan posisi anguler pesawat yang meliputi sudut roll (φ), sudut pitch (θ) dan sudut yaw (ψ), Sedangkan kecepatan anguler pesawat direpresentasikan dalam kecepatan roll (p), kecepatan pitch (q) dan kecepatan yaw (r). Untuk gerakan translasi pesawat memiliki kecepatan translasi meliputi : kecepatan arah maju (U), kecepatan arah samping (V) dan kecepatan vertical ke bawah (R). Saat bergerak rotasi, pesawat memliki momen yang meliputi : momen roll (L), momen pitch (M) dan momen yaw (N)(McLean ,1990; Huadkk,2009; Rujgok;1990 ).

3. PERANCANGAN SISTEM 3.1 Arsiektur Kontrol Pada UAV Sistem Navigasi pada UAV dengan berdasarkan data GPS dan kompas dapat dilihat pada diagram blok Gambar Kontroler yang digunakan untuk pengaturan kestabilan terbang pada sistem ini adalah sebuah mikrokontroler. Untuk sinyal umpan balik dari sistem didapatkan dari sensor unit yang terdiri dari GPS, dan Gyro. Diagram alir perancangan sistem navigasi UAV dapat dilihat pada Gambar 3.1. Perhitungan kontroler fuzzy prediktif akan terus dilakukan ketika nilai kesalahan sudut arah dan jarak UAV tidak sesuai dengan toleransi yang diinginkan. Sedangkan persamaan garis akan terus di update ketika waypoint terbaru tercapai sampai dengan waypoint terakhir tercapai. Aksi kontrol yang dihasilkan oleh kontroler fuzzy prediktif mempengaruhi nilai keluaran PWM pada port PWM Mikrontroler untuk mengendalikan motor servo elevator.

Gambar 2 sumbu pesawat 2.3.

Tracking ketinggian Sistem kontrol tracking ketinggian otomatis meliputi sistem kontrol sudut pitch, sistem kontrol ketinggian, sistem kontrol kecepatan, , sistem kontrol arah, dan sistem kontrol heading. Pada penelitian Tugas Akhir ini hanya akan dibahas mengenai sistem kontrol sudut pitch dan sistem kontrol otomatis tracking ketinggian.

Sonar Plant

Gyro

Mikrokontroler

Final Kontrol

Reciver

2.4.

Prediksi Prediksi adalah memperkirakan suatu nilai yang akan datang, pada tugas akhir ini akan memprediksi ketinggian yang akan datang dan sudut pitch pesawat yang akan datang. Melakukan prediksi dengan melakukan perbandingan antara nilai

Wireless 2,4GHz

Gambar 3 arsitektur sistem A-21

Prosiding SENTIA 2015 – Politeknik Negeri Malang

3.1.

Tabel 1 Data Pengukuran sudut Pitch Model Matematik MRSE

Identifikasi Plant No 1

Identifikasi sistem adalah proses untuk mendapatkan model matematis suatu system /plant salah satunya berdasarkan data pengukuran masukan dan keluaran system (Ljung Lennart, 1986). Identifikasi merupakan sebuah proses yang penting dalam sebuah siklus pengaturan. Identifikasi diperlukan untuk mengetahui karakteristik dari suatu sistem berdasarkan model matematis yang telah didapatkan. Pada penelitian ini identifikasi dilakukan secaradinamis yaitu dengan memberikan masukan sudut acak terhadap pesawat melalui defleksi elevator kemudian mengamati keluaran sudut pitch dari pesawat. Pengolahan data masukan dan keluaran dilakukan menggunakan software Matlab, untuk mendapatkan model matematika dari plant digunakan pendekatan pemodelan dengan dengan perintah ARX (Auto Regressive Exogenous).Identifikasi plant dilakukan berulang kali dengan tujuan mendapatkan data terbaik yang dapat merepresentasikan karakteristik sistem yang sebenarnya. Proses identifikasi dilakukan dengan mendefinisikan input yang berupa sinyal defleksi elevator dan output yang berupa sudut pitch. Dalam proses identifikasi ini digunakan pendekatan model ARX yang kemudian dengan perantara software Matlab digunakan untuk mendapatkan fungsi alih dari plant. Pada proses ini dilakukan percobaan berulang-ulang agar mendapatkan data terbaik yang merepresentasikan karakteristik sistem yang akan digunakan.

𝑅𝑀𝑆𝐸 = √

Volume 7 – ISSN: 2085-2347

𝑠2 2

3

3.2.

3.438𝑠 − 8.507 + 8.943𝑠 + 2.427

46.47539

11.26𝑠 − 4.956 𝑠 2 + 5.09𝑠 + 4.044

20.50

9.622 𝑠 − 74.67 𝑠 2 + 13.14 s + 19.3

34.48

Perancangan kontroler Fuzzy Prediktif Sistematika prediksi

Ʃ

Fuzzy PD

Ʃ

Sensor ketinggian

Fuzzy PD

Sitematika Prediksi

Dinamika UAV

Plant

Gyro

Gambar 5 Blok diagram sistem Perancangan dan pembuatan kontroler logika fuzzy pada prinsipnya menggunakan teorema fuzzy logic secara keseluruhan. Secara rinci, perancangan perangkat lunak terdiri dari proses kuantisasi, fuzzifikasi, inference, dandefuzzifikasi. Aturan-aturan fuzzy merupakan acuan dalam perencanaan aksi pengendalian yang disusun berdasarkan respon dinamik sistem. Aturan dalam sistem pengendalian logika fuzzy terdiri dari basis data yang dimanipulasi kehimpunan fuzzy dan basis aturan yang merupakan aturan aksi pengendalian fuzzy. Dalam perancangan ini, kontroler logika fuzzy dirancang untuk dapat dioprasikan secara otomatis, dimana pengguna dapat langsung mengoperasikan kontroler logika fuzzy sesuai dengan set point yang diinginkan. Masukkan akan diproses oleh mikrokontroler untuk mendapatkan aksi kontrol untuk mengendalikan plant sesuai dengan set point yang diinginkan. Setpoint yang diharapkan akan dibandingkan dengan ketinggian sebenarnya pada plant. Sehinggadidapatkan selisih yang berupa error ,sinyal error ini nantinya akan diproses untuk mendapatkan error yang akan datang (error predictive) yang nantinya digunakan oleh kontroler fuzzy PD untuk menentukan aksi kontrol. Himpunan fuzzy yang dirancang adalah sesuai kemampuan sensor mengukur jarak, yaitu 10 meter, maka error yang akan terjadi diperkirakan antara (-1,5 , 0 , 1,5). Dan besaran d-error yang

∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2 𝑛

𝑦𝑖 adalah data identifikasi pada iterasi ke-i dan 𝑦̂𝑖 adalah data model pendekatan pada iterasi kei ,dan n adalah jumlah data identifikasi.

Gambar 4 hubungan antara defleksi elevator dan sudut pitch Dari hasil identifikasi di atas diperoleh hasil Transfer Funtion sebagai berikut A-22

Prosiding SENTIA 2015 – Politeknik Negeri Malang

dirancang sama seperti error yaitu antara (-1,5 , 0 , 1,5). sedangkan untuk himpunan fuzzy untuk sudut pitch dengan memberi batas maksimal error yang di deteksi adalah (-15,0,15) dan besaran d-error yang dirancang sama dengan error yaitu (-15,0,15). Kontrol logika Fuzzy yang digunakan adalah kontrol logika fuzzy tipe PD dengan masukan error dan delta error. Fuzifikasi input dilakukan dengan representasi fungsi segitiga yang ternormalisasi dengan tujuh himpunan pendukung, susunan fungsi keaanggotaan fuzifikasi disusun seperti gambar 7 sedangkan inference rule menggunakan metode Mamdani, dengan susunan rule base tabelmack vicar whellan.

Volume 7 – ISSN: 2085-2347

Gambar 8 blok diagram simulasi Dari simulasi bahwa kontroler dapat mencapai pada ketinggian yang diinginkan, dimana seperti digambarkan seperti respon dibawah ini.

Gambar 6 Blok diagram fuzzy tipe PD Gambar 9 respon menjaga ketinggian -1.5 -1

-0.5

0

0.5

1

1.5

15

10

5

0

5

10

setelah kontroler dapat mencapai ketinggian yang diinginkan, maka pengujian berikutnya adalah dengan memberikan seolah – olah ada perubahan pada kontur bumi, sehingga pesawat harus menyesuaikan pada perubahan kontur bumi.

15

(A) (B) Gambar 7 himpunan fuzzy masukan, (A) sebagai input error ketinggian dan (B) error sudut pitch Tabel 2 rule base tabel mack vicar whellan.

De

1 2 3 4 5 6 7

1 1 1 2 2 3 3 4

2 1 2 2 3 3 4 5

3 2 2 3 3 4 5 5

error 4 2 3 3 4 5 5 6

5 3 3 4 5 5 6 6

6 3 4 5 5 6 6 7

7 4 5 5 6 6 7 7 Gambar 10 Respon keluaran ketinggian dengan kontur tanah

4. PENGUJIAN DAN ANALISA 4.1. Simulasi Sistem Setelah merancang kontroler fuzzy prediktif, dilakukan pengujian kemampuan kontroler menjaga ketinggian pesawat, dengan blok diagram seperti dibawah ini.

dari simulasi tersebut, kontroler fuzzy prediktif dapat mengikuti terhadap perubahan yang terjadi pada kontur bumi. 5. PENUTUP Kesimpulan Dari percobaan-percobaan yang telah dilakukan pada pengerjaan tugas akhir ini, maka dapat diambil beberapa kesimpulan antara lain:

A-23

Prosiding SENTIA 2015 – Politeknik Negeri Malang

a. Model matematika yang didapatkan dari hasil identifikai plantdapat mewakili plant sebenarnya karena adanya konsistensi model setiap proses identifikasi kecepatan sudut pitch. b. Kontroler fuzzy prediktif dapat mengikuti perubahan yang terjadi pada pesawat, sehingga kesalahan yang terjadi tidak terlalu besar. c. Prediksi yang dilakukan dapat membantu mengurangi kesalahan yang terjadi, sehingga kontroler dapat mengantisipasi terjadinya kesalahan yang besar. d. Ardupilot mampu menangani perubahan yang terjadi pada pesawat, sehingga proses perhitungan aksi kontrol tidak menggangu aksi kontrol. Saran Untuk kelanjutan riset yang akan datang, diharapkan adanya pengembangan terhadap sensor pengukur jarak, karna sonar yang sekarang digunakan tidak dapat mengikuti kecepatan pesawat, sehingga pembacaan sensor kacau. DAFTAR PUSTAKA D. Kingston1, R. Beard, T. McLain, M. Larsen, dan W. Ren. 2003.” Autonomous Vehicle Technologies For Small Fixed Wing UAVs”, American Institute of Aeronautics and Astronautic. H. Chao, Y. Cao, dan Y. Chen . 2007.” Autopilots for Small Fixed-Wing Unmanned Air Vehicles: A Survey,” Proc. IEEE Mechatronics and Automation, vol. 25, no.8, pp 3144-3149. K. Ogata. 1997. Modern Control Engineering 3rd Edition. Upper Saddle River New Jersey:Prentice-HallInc. Ljung Lennart. 1986 .System Identification: Theory for the User. Upper Saddle River New Jersey:Prentice-HallInc. M. P. Veeraiah S. Majhi Chitralekha Mahanta, 2004, Fuzzy Proportional Integral - Proportional Derivative (PI-PD) Controller, Proceeding of the 2004 American Control Conference, Boston. McLean, D. 1990. Automatic Flight ControlSystems.Prentice Hall, Hertfordshire,UK. Rujgok, G.J.J. 1990. Elements of Airplane Performance. Netherlands: Delft University Press. X. Hua, J. Feng-shui, Y. Jian-qiang.2009.” Automatic Takeoff of Unmanned Aerial Vehicle based on ActiveDisturbance Rejection Control”. IEEE International Conference on Robotics and Biomimetics.

A-24

Volume 7 – ISSN: 2085-2347