Uji Performansi Ensemble Kalman Filter Untuk Mengurangi Noise Pengukuran Sensor Pada Robot
DOI:
https://doi.org/10.25126/jtiik.201522139Abstrak
Abstrak
Dalam penelitian ini diimplementasikan sebuah teknik robot bergerak yang berkaitan dengan kesetimbangan pada media tidak stabil. Tujuannya adalah merancang dan mengimplemntasikan sebuah sistem control diskrit digital yang memberikan stabilitas yang diperlukan. Kontrol PID dan Algoritma filter Kalman menjadi implementasi pengujian ideal model robot ini. Kedua algoritma tersebut mampu meningkatkan performa control pada sistem. Penelitian ini menguji kinerja sistem control PID dan Algoritma filter Kalman. Uji software dilakukan untuk mengumpulkan hasil kinerja kedua Algoritma kontroler PID dan Filter Kalman. Kinerja sistem kontrol secara langsung tergantung pada Algoritma filter Kalman dan parameter masukan controller PID. Penelitian ini menggunakan EnKF dan PID controller sebagai algoritma penyeimbang robot. Dilakukan tunning manual pada kovarian filter. Percobaan dilakukan dengan metode trial and error dengan mengubah-ubah matrik kovarian noise proses. Overshoot sistem bisa dikurangi dengan cara mengatur matrik kovarian noise proses. Dari hasil percobaan sistem optimal pada Q_accelerometer : 0.001, Q_gyroscope : 0.05, R_pengukuran : 0.03, P = 1790.005, I = 0.129 dan D = 96.881.
Kata kunci: Ensemble Kalman, Kontroler PID, Performansi, Robot
Abstract
One technique that is commonly used for mobile robots is an inverted pendulum based model. This research has been implementing a mobile robot technique in an unstable environment. The goal is to design and implementing a discrete digital control system that will provide robot stability. The PID controller algorithm and Ensemble Kalman filter (EnKF) implementation would be an ideal test model of this robot. Both of these algorithms are able to improve the performance of control systems. This robot already tested the performance of the PID control system and the EnKF algorithm. The performance of the PID controller algorithm and EnKF is tested by software. The Control system performance is directly dependent on the EnKF algorithm and input parameters of PID controller. Research uses EnKF algorithm and PID controller as a balancing robot. The covariance filter tuned by manually. Experiments carried out by the method of trial and error by varying the process noise covariance matrix. The system overshoot can be reduced by processing noise covariance matrix. The experiment results showed system optimal on Q_accelerometer: 0001, Q_gyroscope: 0.05 R_measurement: 12:03, P = 1790,005, I = 0.129 and D = 96 881.
Keywords: Ensemble Kalman, Kontroler PID, Performance, RobotsDownloads
Referensi
Baehaqi, Estimasi Variabel Keadaan pada Non-Isothermal Continuous Stirred Tank Reaktor Menggunakan Unscented Kalman Filter dan Ensemble Kalman Filter, Tesis Magister, Institut Teknologi Sepuluh Nopember, Surabaya, 2009.
Dharmawan. A, Estimasi posisi robot beroda dua dengan pendulum terbalik menggunakan metode ensemble Kalman Filter, Undergraduate Thesis of Mathematics, RSMa 518.1 Dha e, 2012.
Geoffrey D. Bennett, Building an Oper-source Segway(TM), University of New South Weles, Australia, 2007.
Gunterus, F. Falsafah Dasar System Pengendalian Proses. PT Elex Media Komputindo. Jakarta, 1994.
Hasbullah, H dan Erna Apriliani. Algoritma Adaptive Covariance Rank Unscented Kalman Filter Untuk Estimasi Keadaan Pada Persamaan Air Dangkal. Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 2011.
http://www.inpharmix.com. A PID Controller For Lego Mindstorms Robots, http://www.inpharmix.com/jps/PID_Controller_For_Lego_Mindstorms_Robots.html, 2010.
Hyunuk Ha, Sungmin Ryu, Jangmyung Lee, A Robust control of mobile inverted pendulum using single accelerometer, The Fifteenth International Symposium on Artificial Life and Robotics, 2010.
J. Johns and J. Mandel, A two-stage ensemble Kalman filter for smooth data assimilation. Environmental and Ecological Statistics, in print. Special issue, Conference on New Developments of Statistical Analysis in Wildlife, Fisheries, and Ecological Research, Oct 13-16, 2004, Columbia, MI. CCM Report 221, University of Colorado at Denver and Health Sciences Center, 2005.
Kapugu. Y, Analisa Desain Struktur dan Kenyamanan System Suspensi Passive Pada Personal Smart Vehicle 2 Roda, Jurnal Teknik Pomits Vol. 1, No. 1, (2012) 1-3, Surabaya, 2012.
Khoswanto, H. Purwanto. J, Kesetimbangan Robot Beroda Dua Menggunakan Metode Fuzzy Logic. Universitas Kristen Petra Surabaya, 2009.
Kleinbaurer, R, Kalman Filtering Implementation with Matlab, Study Report of Study Geodesy and Geoinformatics at Universitat Stuttgart, Helsinki University of Technology, Helsinki, 2004.
Masduki, A. dan Apriliani, E, Estimation of Surabaya River Water Quality Using Kalman Filter Algorithm, The Jounal for Technology and Science, Vol. 19, No. 3, hal. 87-91, 2008.
R.C Ooi, Balancing a Two-Wheeled Autonomous Robot, Retrieved January 18, 2009 from the World Wide http://robotics.ee.uwa.edu.au/theses/2003-Balance- Ooi.pdf, 2003.
Rolf H. Reichle, Jeffrey P. Walker, Randal D. Koster, Paul R. Houser, Extended versus Ensemble Kalman Filter for Land Data Assimilation, Jurnal of Hydrometeorology, Volume:3, 2002.
Rudi, Estimasi Variabel Keadaan System dengan Model Pengukuran Taklinear Menggunakan Extended Kalman Filter dan Unscented Kalman Filter, Tesis Magister, Institut Teknologi Sepuluh Nopember, Surabaya, 2007.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
