• Referensi :
    Putra, Nugroho Surya Dwi., (2020). "Desain Kendali Twin Rotor Self Balancing Menggunakan Genetic Algorithm"Jurnal Teknik Elektro Vol. 09, No. 03, September 2020.

    Desain Kendali Twin Rotor Self Balancing Menggunakan Genetic Algorithm


    Abstrak[Kembali]
    Twin Rotor merupakan gabungan 2 buah motor DC brushless yang telah dipasang propeller (baling-baling). Alat ini dapat diaplikasikan menjadi pesawat tanpa awak sebagai sarana penunjang kebutuhan transportasi udara pada bidang militer. Dalam kinerjanya twin rotor membutuhkan suatu pengendali dengan tujuan agar dapat berjalan sesuai dengan posisi sudut yang diharapkan. Penelitian ini bertujuan untuk menciptakan sebuah solusi permasalahan terhadap keseimbangan pada saat twin rotor dioperasikan dengan cara memanfaatkan metode optimasi genetic algorithm untuk mengurangi adanya overshoot hingga mempercepat waktu kinerja respon untuk mencapai suatu posisi sudut yang di inginkan. Ada 3 tahapan penting pada metode optimasi genetic algorithm ini untuk memperoleh nilai Kp, Ki, Kd yang optimal, diantaranya terdapat selection, crossover, mutation.

    Pendahuluan[Kembali]
    Unmanned Aerial Vehicle (UAV) merupakan salah satu bentuk pengembangan pada dunia penerbangan, dimana pengembangannya berada pada sistem pengendaliannya yang dapat dioperasikan dari jarak jauh dan tanpa membutuhkan pilot untuk menerbangkannya. Tipe multicopter yang terdapat pada UAV dengan sistem vertical take-off landing dalam sikap terbangnya ada sebuah permasalahan keseimbangan ketika terbang, apabila beban motor yang ada pada mulicopter tidak seimbang. Hal itu sangat mempengaruhi stabilitas multicopter yang beroperasi dengan 2 buah baling-baling di samping kanan dan kiri, dan bisa jadi menimbulkan jatuhnya multicopter pada saat beroperasi di udara. Maka dari itu dibutuhkan sebuah sistem pengendalian untuk mengendalikan bagian rotor motor, dan juga propeller. Berdasarkan dari berbagai permasalahan keseimbangan yang ada pada pesawat tanpa awak, dilakukan sebuah percobaan menggunakan alat self-balancing yang memiliki twin rotor di bagian kanan dan kiri secara horizontal.

    Metode Penelitian[Kembali]
    a. Pemodelan Dinamik Twin Rotor
    Pada saat twin rotor bekerja, terdapat permasalahan keseimbangan yang disebabkan oleh kecepatan twin rotor sehingga mengakibatkan perubahan arah sudut secara tidak teratur. Menimbang adanya permasalahan tersbut, maka diperlukan pengendalian pada twin rotor sehingga mampu untuk menjaga keseimbangan, perubahan arah sudut yang teratur, dan dapat meningkatkan respon secara halus
    bb. Model Plant
    P Pada pemodelan sistem ini penulis memakai metode newton, dimana metode ini dapat menganalisa hubungan antara persamaan gaya yang bekerja pada suatu benda dan torsi yang akan di implementasikan pada sistem. Diasumsikan bahwa massa total balok terpusat pada masing-masing sisi balok secara horizontal. M1 dan M2 merupakan jumlah motor massa dan massa yang terpusat pada masing-masing sisi balok. B, j dan L merupakan koefisien redaman, moment inersia dan setengah gambar balok. Berdasarkan Gambar 2 dapat kita tuliskan persamaan :



    c. Motor DC Brushless
    Motor brushless DC merupakan motor arus searah yang juga termasuk dalam jenis motor sinkron dimana motor ini tidak menggunakan brush (sikat arang) untuk proses komutasi seperti yang terdapat pada motor DC konvensional. Pada motor brushless DC ini terdapat 2 jenis, yaitu trapezoidal dan sinusoidal. Perbedaan dari kedua jenis motor tersebut terdapat pada torsi, dimana jenis sinusoidal menghasilkan torsi elektromagnetik yang lebih datar daripada trapezoidal.
    d. Kontroller PID
    Kontroller PID merupakan kombinasi pengontrol proporsional, integral, dan derivative yang berfungsi sebagai sistem pengendali dimana kontroller ini bekerja untuk mendeteksi nilai error melalu feedback (umpan balik) dengan tujuan memperoleh respon yang baik.
    e. Genetic Algorithm
    Pada saat menentukan desain pengendali PID berbasis GA, populasi awal yang dihasilkan secara acak melalui string biner dimana string mewakili nilai Kp,Ki,Kd.
    terdapat 3 tahapan utama yang terdapat pada proses optimasi Genetic Algorithm, diantaranya sebagai berikut: 
    a. Selection Tahap ini merupakan pemilihan suatu populasi dimana mempertahankan individu terbaik dalam sau generasi yang tidak berubah pada generasi berikutnya. Populasi diurutkan berdasarkan fitness function yang baik. Tiap individu yang memiliki angka yang baik, berpeluang untuk direproduksi. 
    b. Crossover Pada bagian ini terdapat proses rekombinasi untuk menghasilkan individu yang lebih baik. Disisi lain keberagaman kromosom dipertahankan hingga menuju proses mutasi dengan cara bertukar antara 2 kromosom. 
    c. Mutation Pada akhir proses ini sebagai tempat penerimaan keberagaman kromosom yang kemudian dilakukan pergantian gen dari nol ke satu / satu ke nol dengan titik mutasi yang ditentukan secara acak. Hasilnya disebut sebagai turunan baru yang nantinya diuji pada fitness function untuk melihat kualitas populasi baru. 

    Metode
    1. Rancangan Penelitian
    2. Desain Sistem
    Desain Sistem kendali Twin Rotor pada Self Balancing dimana input yang nantinya akan diproses oleh mikrokontroller arduino mega 2560 berupa posisi sudut. Mikrokontroller arduino mega 2560 dikendalikan melalui software Arduino IDE yang berada pada laptop, Pada arduino tersebut terdapat kontroller PID dimana nilai Kp, Ki, Kd dimasukkan berdasarkan hasil pencarian metode optimasi Genetic Algorithm
    3. Rancang Bangun Hardware
    Input (setpoint) berupa posisi sudut yang kemudian dikendalikan melalui kontroller PID tuning Genetic Algorithm sehingga membuat Motor DC brushless bergerak untuk menyesuaikan keseimbangan plant agar sesuai dengan posisi sudut yang dimasukkan. Sedangkan sensor MPU 6050 berfungsi untuk mengirim sinyal umpan balik berupa posisi sudut secara berkelanjutan sehingga menghasilkan titik keseimbangan yang optimal dan sesuai dengan setpoint.
     
    4. Rancang Bangun Sofware
    Diagram alir dibawah ini merupakan gambaran tentang berjalannya software pada sistem kendali Twin Rotor pada Self Balancing.

    Hasil dan Pembahasan[Kembali]
    Pengujian dan analisa berkaitan dengan respon sistem saat simulasi dijalankan melalui diagram block close loop pada Simulink

    Pengujian kali ini membutuhkan beberapa kali percobaan hingga mencapai 3 iterasi untuk menghasilkan nilai Kp,Ki,Kd yang optimal. Nilai yang didapatkan diantaranya Kp = 1.069, Ki = 0.668, Kd = 0.565. Ketika nilai Kp, Ki, Kd sudah ditentukan maka langkah selanjutnya melakukan proses simulasi pada fitur Simulink untuk menguji dan menganalisa respon sistem. Simulasi dilakukan sebanyak 4 kali dengan menggunakan nilai setpoint 1,2,3,4 untuk membandingkan respon sistem yang optimal. Berikut dibawah ini merupakan hasil dari simulasi yang akan ditunjukkan pada gambar 13, 14, 15, 16, 17 :

    Hasil respon tanpa kontroller menggunakan sistem lup terbuka dan nilai input (setpoint) 1 menunjukkan bahwa respon mengalami overshoot sehingga tidak dapat berjalan secara stabil sesuai dengan masukkan yang di ingkinkan.

      


    Pada gambar grafik respon yang ditunjukkan pada gambar 14,15,16,17 dapat dinyatakan bahwa dengan kontroller PID mampu mengatasi permasalahan terhadap respon sistem open loop tanpa kontroller yang mengakibatkan overshoot. Peran metode optimasi Genetic Algorithm untuk memperkecil overshoot dan mempercepat respon untuk mencapai steady state dapat dinyatakan berhasil.
    Adanya perbedaan pada waktu delay di sistem open loop dan close loop dikarenakan tidak adanya kontroller yang mengendalikan sistem openloop. Sedangkan respon tercepat untuk mencapai keseimbangan ada pada setpoint 1. Pengujian ini membuktikan bahwa dengan adanya metode optimasi Genetic Algorithm dapat mengurangi dengan nilai optimal kontroller yang dimasukkan adalah Kp = 1.069, Ki = 0.668, Kd = 0.565. Hal tersebut dibuktikan pada tabel 2, tentang hasil perbandingan 3 metode pada penelitian sebelumnya dengan metode Genetic Algorithm, dimana pada metode ini nilai Mp diperoleh sebesar 1.14 % dan lebih kecil daripada metode Fuzzy dan PID tuning Ziegler Nichols

    Kesimpulan[Kembali]
    Metode optimasi Genetic Algorithm mampu menghasilkan nilai yang optimal pada kontroller PID, diantaranya Kp = 1.069, Ki = 0.668, Kd = 0.565. Metode optimasi Genetic Algorithm dapat mengurangi adanya nilai maximum peak, mampu mempercepat pergerakan Twin Rotor pada Self Balancing dalam mencapai posisi sudut (setpoint) yang di inginkan. Hal tersebut dibuktikan dengan grafik hasil simulasi dan analisis respon dengan nilai ts = 0.0013 s, td = 0.0004 s, tr = 0.0019 s, ess = 0.042, Mp = 1.14% yang terjadi pada angka setpoint 1. 

    Saran
    Saran yang dapat penulis berikan untuk penelitian selanjutnya adalah mencari model matematika baru dengan parameter yang telah ditentukan atau menggunakan metode lain.

    Daftar Pustaka[Kembali]

    1. Agarwal, Shlok, Apoorva Mohan dan Kamlesh Kumar. 2013. “Design And Fabrication Of Twinrotor UAV”. India. Department of Mechatronics, Manipal University.
    2. Dharmawan, Andi, Sani Pramudita. 2015. “Penerapan Sistem Kendali PID untuk Kestabilan Twin Tilt rotor dengan Metode DCM”. Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM
    3. Fajar, Muhammad. 2017. “Perancangan Auto Pilot Lateral-Direksional Pesawat Nirawak LSU-05”, Lembaga Penerbangan dan Antariksa Nasional, Fakultas Teknik Mesin dan Dirgantara, Jurnal Teknologi Dirgantara Vol.15, No.2
    4. Firman, Beny. 2016. “Implementasi Sensor Imu Mpu6050 Berbasis Serial I2c Pada Self-Balancing Robot”. Jurusan Teknik Elektro, Institut Sains & Teknologi AKPRIND Yogyakarta.

    Video Percobaan[Kembali]

    Video Teori GA

    Video Simulasi Matlab


    Video Realisasi Saran

    Video Simulasi dari kelompok lain

    Link Download[Kembali]
    Download Video Simulasi Matlab  disini
    Download Video Realisasi Saran disini
    Download Codingan Matlab disini
    Download Codiangan Realisasi Saran disini
    Download HTML disini
    Download Jurnal  disini
    Download Jurnal Realisasi Saran disini


    Tidak ada komentar:

    Posting Komentar

    BAHAN PRESENTASI UNTUK MATA KULIAH ELEKTRONIKA 2020/2021     Oleh : Rahma Azira Ichsan 2010953021   Dosen Pengempu: Dr. Da...