PENGATURAN KECEPATAN MOTOR DALAM MEMPERTAHANKAN BATAS TEPI BADAN ROBOT LINE FOLLOWER

Transkripsi

1 PENGATURAN KECEPATAN MOTOR DALAM MEMPERTAHANKAN BATAS TEPI BADAN ROBOT LINE FOLLOWER TERHADAP LINE MENGGUNAKAN FUZZY LOGIC CONTROLER Imam Fauz 1, Ir. Ern Y, MT., Dr. 2, Ir. Puranto, MT. 3 1 Mahassa Teknk Elektro, 2.3 Dosen Teknk Elektro, Unverstas Brajaya E-mal: Imamfauj04@gmal.com Abstrak Skrps n membahas tentang perancangan robot lne folloer dan pengaturan kecepatan motor penggerak robot menggunakan Fuzzy Logc Controller (FLC). Lne folloer yang dbuat daplkaskan sebaga robot manajemen sampah dengan daya penggerak masng-masng roda berupa motor DC. Data keluaran sensor photododa berupa logka 0 atau 1 dkonvers dalam bentuk sudut (θ ) menggunakan metode reasonng fuzzy untuk selanjutnya dgunakan sebaga masukan kontroler. Sstem kontrol yang dgunakan pada alat n adalah fuzzy logc control (FLC) dengan set pont berupa smpangan antara badan robot dengan lne sebesar (0 ). Fungs FLC pada sstem n adalah sebaga pengambl keputusan menggunakan metode fuzzfkas MAX-MIN. Sedangkan metode defuzzkas yang dgunakan adalah Center of Gravty (COG). Hasl dar pengaplkasan FLC dapat memperkecl error steady state hngga 0% dengan delay tme 1,96s hngga 2,56s. Kata kunc : lne folloer, kontroler, reasonng, fuzzy logc control 1 Pendahuluan Deasa n hampr semua orang mengenal robot. Robot dapat dklasfkaskan dalam berbaga jens, antara lan: moble robot yang dapat berpndah poss dar satu ttk ke ttk yang lan, robot manpulator atau robot lengan dapat bekerja menyerupa lengan manusa, robot humanod yang menyerupa manusa secara utuh, flyng robot yang dapat terbang, robot berkak, robot jarngan yang dkendalkan melalu nternet dengan protocol TCP/IP, robot anmala, dan robot cyborg. [1] Moble robot merupakan jens robot yang palng populer. Moble robot dapat dbuat sebaga pengkut gars (lne folloer), pengkut dndng (all folloer), pengkut cahaya serta Unmanned Aeral Vehcle (UAV). Lne folloer merupakan jens robot beroda yang bergerak mengkut lntasan berupa gars (lne) dengan daya penggerak berupa motor. Robot lne folloer basanya dgunakan dalam ajang perlombaan robot. Bahkan dapat d aplkaskan dalam membantu pekerjaan manusa menangan tugas search and rescue. [1] Contohnya Robot Manajemen Sampah yang yang dgunakan dalam pengamblan dan pemlahan sampah berdasarkan jens sampahnya. Kestablan lne folloer dengan penerapkan metode oslas Zegler-Nchols untuk tunng parameter PID memlk rata-rata error 5%. [4] Namun kontroler PID tdak sesua jka dgunakan sebaga pengambl keputusan. Oleh karena tu pada laporan skrps n menggunakan Fuzzy Logc Control (FLC) berbass mkrokontroler ATmega8 dan ATmega16. [2] [3] FLC dnla lebh efektf dbandngkan dengan kontroler PID dalam hal pengamblan keputusan, karena FLC mash dapat bertahan dengan adanya perubahan nla dar parameter kontrol. Dengan penerapan FLC dharapkan dapat memperkecl nla error dar peneltan sebelumnya, sehngga pergerakan robot lebh halus (smooth). 2 Tnjauan Pustaka 2.1. Robot Lne Folloer Robot lne folloer atau robot pengkut gars adalah suatu jens robot yang pergerakannya dengan mendeteks gars sehngga robot tersebut dapat melakukan perpndahan poss dar satu ttk ke ttk yang lan. Pada skrps n robot lne folloer yang d gunakan adalah robot beroda dengan sstem dfferensal drve. Sstem dferensal merupakan sstem penggerak menggunakan dua buah roda yang dkopel motor yang dapat dgerakkan secara terpsah. [5] Sensor yang dgunakan adalah sensor photododa. Robot tersebut drancang untuk d aplkaskan sebaga robot manajemen sampah. 2.2 Fuzzy Logc Control Fuzzy secara harfah berart samar, sedangkan kebalkannya dalam hal n adalah Crsp yang secara harfah berart tegas [8]. Tahun 1965 L.A. Zadeh memodfkas teor hmpunan yang dsebut hmpunan kabur (fuzzy Set). Hmpunan fuzzy d dasarkan pada gagasan untuk memperluas jangkauan fungs karakterstk sehngga fungs tersebut akan mencakup blangan real pada nterval [0,1]. Nla keanggotaannya menunjukkan baha suatu nla dalam semesta pembcaraan tdak hanya berada pada 0 atau 1, namun juga nla yang terletak dantaranya. Komponen utama penyusun kontrol logka fuzzy adalah unt fuzzfkas, fuzzy nference, dan unt defuzzfkas. fuzzfkas merupakan proses untuk mengubah varabel non fuzzy (varabel numerk) menjad varabel fuzzy (varabel lngustk). Nla masukanmasukan yang mash dalam bentuk varabel 1

2 numerk yang telah dkuantsas sebelum dolah oleh pengendal logka fuzzy harus dubah terlebh dahulu ke dalam varabel fuzzy. Proses fuzzfkas dekspreskan sebaga berkut: A1 A1 u B1 B1 v C1 C1 C x = fuzzfer (x 0 ) (1) A2 A2 B2 B2 C 2 C2 dengan: x 0 x fuzzfer = nla crsp varabel masukan = hmpunan fuzzy varabel yang terdefns = operator fuzzfkas yang memetakan hmpunan crsp ke hmpunan fuzzy Pedoman memlh fungs keanggotaan untuk proses fuzzfkas, menurut Jun Yan, menggunakan: 1. Hmpunan fuzzy dengan dstrbus smetrs. 2. Gunakan hmpunan fuzzy dengan jumlah ganjl, berkatan erat dengan jumlah kadah (rules). 3. Mengatur hmpunan fuzzy agar salng menumpuk. 4. Menggunakan fungs keanggotaan bentuk segtga atau trapesum. Metode nferens merupakan proses untuk mendapatkan keluaran dar suatu konds masukan dengan mengkut aturan-aturan yang telah dtetapkan. Pada metode Max Mn aturan operas mnmum Mamdan dgunakan untuk mplkas fuzzy. Persamaan aturan mnmum adalah C' n c ( 2 ) 1 dengan x ) ( ) A ( 0 B y0 Sebaga contoh, terdapat dua bass kadah atur fuzzy, yatu : R 1 : Jka x adalah A 1 dan y adalah B 1 maka z adalah C 1 R 2 : Jka x adalah A 2 dan y adalah B 2 maka z adalah C 2 x u 0 y 0 v mn Gambar 1 Inferens Fuzzy dengan Metode MAX- MIN (Yan, 1994) Defuzzfkas adalah proses untuk mendapatkan nla numerk dar data fuzzy yang dhaslkan dar proses nferens (Yan, 1994). Proses defuzzfkas dnyatakan sebaga berkut : y defuzzfer ( ) (6) 0 y dengan: y : aks kontrol fuzzy y 0 : aks kontrol crsp defuzzfer : operator defuzzfkas Metode Center Of Gravty (COG) ddefnskan sebaga berkut: U n 1 n 1 u (7) dengan: U = Keluaran = Bobot nla benar u = Nla lngustk pada fungs keanggotaan keluaran n = Banyak derajat keanggotaan 3 Perancangan Alat Pada perancangan alat dperlukan blok dagram sstem yang dapat menjelaskan sstem secara gars besar. Blok dagram sstem alat dtunjukkan dalam Gambar 2. Pada metode penalaran MAX-MIN fungs keanggotaan konsekuen dnyatakan dengan c W) [ ( )] [ ( )] (3) 1' ( c'1 c'2 1 c1 2 c2 1 A 1( x0 ) B 1( y0 2 A 2( x0) B2( y0) Dmana ) (4) (5) Lebh jelas metode n ddeskrpskan dalam Gambar 1 Gambar 2 Blok Dagram Sstem Mekank robot lne folloer drancang menyerupa mnatur truk pengangkut dengan 2

3 panjang 100cm, lebar 40cm dan tngg 45cm. Robot memlk box dengan ukuran 70cm x 40cm x 40cm, dua roda depan merupakan roda bebas dan dua roda belakang yang dkopel motor DC sebaga penggerak dengan sstem dfferensal (terpsah). [5] [6] Sedangkan nla dar masng-masng sensor yang mendeteks arna htam d asumskan sebaga N a (t). Hubungan antara S a (t) dan N a (t) dapat dlhat pada persamaan 5 (8) Dar persamaan 5 dapat dhtung nla P : (9) dmana a = {-4,-3,-2,-1,1,2,3,4} Gambar 3 Desan Mekank Robot Tampak Perspektf Depan Sampng Photododa yang dgunakan sebaga sensor berjumlah delapan buah dan jarak antara sensor yang satu dengan yang lan dtentukan sebesar 3cm. Sstem n menggunakan metode penalaran (reasonng). Untuk mendapatkan fungs keanggotaan masukan poss ( P) menggunakan fungs keanggotaan segtga hmpunan fuzzy.[7] Fungs keanggotaan masukan terbag menjad lma label yatu, Left Hgh (LH), Left Mddle (LM), Zero (Z), Rght Mddle (RM) dan Rght Hgh (RH).Indentfkas sensor dapat dlhat dalam Gambar5. Keadaan logka sensor saat (t) d asumskan S a (t). Subscrpt a merepresentaskan poss setap sensor berdasarkan rancangan sensor dalam Gambar 4 Rentang nla P dambl dar batas a, yatu dar -4 sampa 4. Sedangkan keluaran menggunakan sngleton yang bukan fungs keanggotaan tetap nla numerk yang nyata. Fungs keanggotaan keluaran sensor merupakan representas dar sudut smpangan robot yang dkeluarkan oleh MK slave sensor. Konstanta sngleton dtentukan -15 o, - 7,5 o,0 o,7,5 o dan 15 o. Fungs keanggotaan masukan poss dtunjukkan dalam Gambar 5 sedangkan konstanta sngleton dtunjukkan dalam Gambar 6 Gambar 5 Fungs Keanggotaan Masukan P Gambar 6 Konstanta Sngleton Sensor Gambar 4 Identfkas Sensor Sensor akan berlogka 1 jka jka mendeteks arna htam dan berlogka 0 saat mendeteks arna puth. Berdasarkan dagram blok sstem dalam Gambar 2, dbutuhkan dua buah FLC. Satu FLC sebaga kontroler untuk motor kr dan satu FLC sebaga kontroler motor kanan. Perbedaan dar keduanya terletak pada penentuan fungs keanggotaan keluaran. Varabel masukan yang dgunakan dalam perancangan kontroler ada dua, yatu error (e) dan delta error ( e) poss robot terhadap lne ( o ), sedangkan varabel keluaran kontroler berupa Pulse Wdth Modulaton (PWM) motor. 3

4 Error dan delta error d representaskan dalam perumusan sebaga berkut : (10) (11) Masng-masng varabel error dan delta error mempunya fungs keanggotaan yang terbag lag menjad lma label yatu, Left Hgh (LH), Left Mddle (LM), Zero (Z), Rght Mddle (RM) dan Rght Hgh (RH). Fungs keanggotaan masukan error dan delta error dtunjukkan dalam Gambar 7 dan Gambar 8. Rule (aturan) fuzzy dgunakan sebaga penentu keluaran dar fuzzfkas yang akan dolah dalam proses defuzzfkas, dengan jumlah rule 25 macam. Rule tersebut ddapat dar 5 membershp functon error dan 5 membershp functon delta error. (Tabel 1) e de Tabel 1 Aturan Fuzzy LH LM Z RM RH LH RH RH RH RM Z LM RH RH RM Z LM Z RH RM Z LM LH RM RM Z LM LH LH RH Z LM LH LH LH Gambar 7 Fungs Keanggotaan Masukan Error. Gambar 8 Fungs Keanggotaan Delta Error Gambar 9 dan Gambar 10 menunjukkan fungs keanggotaan keluaran motor DC kr dan kanan yang merupakan representas dar besarnya nla PWM yang dkeluarkan oleh mkroprosesor berupa hasl perhtungan metode defuzzfkas Center Of Grafty (COG) yang telah dbulatkan oleh nteger d dalam pemrograman. 4 Pengujan Alat Bab n bers proses pengujan dan analss terhadap alat sstem yang telah drancang Pengujan Sensor Photododa Peralatan yang dgunakan : - Sensor photododa - Mkrokontroler ATmega8 beserta rangkaan mnmum sstemnya. - LCD - Laptop dengan perangkat lunak AVR Studo untuk memberkan perntah pengolahan data logka sensor dan Proteus untuk merekam hasl pengolahan mkrokontroler ATmega Langkah Pengujan Peralatan drangka sepert pada Gambar 11 Gambar 9 Fungs Keanggotaan Keluaran Motor Kr Gambar 11 Rangkaan Pengujan Sensor Photododa Gambar 10 Fungs Keanggotaan Keluaran Motor Kanan Catu daya rangkaan berasal dar port USB laptop. Kemudan memberkan perntah pengolahan data ke mkrokontroler ATmega8 menggunakan 4

5 AVR studo. Sensor photododa d arahkan pada objek berarna puth dengan gars htam dan data keluaran sensor drekam menggunakan softare proteus Hasl Pengujan Hasl pengujan berupa data keluaran steerng angel berdasarkan nla sensor dapat dlhat dalam tabel 2 Tabel 2 Pengujan pergerakan robot dalam mengkut lne dlakukan dengan menggunakan lntasan berbentuk huruf U sepert pada Gambar 13. Lebar gars adalah 3cm. Ukuran gars dsesuakan dengan kontruks robot yang cukup besar. Hasl pengujan sensor dalam grafk dapat dlhat dalam Gambar 12 Gambar 13 Lne Pengujan Gambar 12 Grafk Keluaran Sensor Berdasarkan Nla Sensor Untuk mendapatkan respon sstem, dgunakan softare proteus untuk merekam data. Data tersebut kemudan d damplkan dalam bentuk grafk menggunakan mcrosoft exel. Gambar 14 dan Gambar 15 menunjukan respon sstem terhadap smpangan sudut (θ ). Gambar 12 menunjukkan baha steerng angle berdasarkan nla sensor photododa terbatas antara range -15 dan 15 dar set pont Pengujan FLC Pengujan n bertujuan untuk mengetahu performa FLC yang daplkaskan pada alat. Pengujan dlakukan dengan cara memberkan masukan FLC berupa sudut smpangan (θ ) antara badan robot dengan lne yang berbeda-beda berdasarkan steerng angle sensor. Hasl dar pengujan FLC dapat dlhat pada Tabel 3. Tabel 3 Hasl Pengujan FLC Steerng angle (θ ) PWM Motor Kanan PWM Motor Kr Tabel 3 menunjukkan nla keluaran PWM motor dar hasl perhtungan FLC berdasarkan steerng angle (θ ) yang dhaslkan sensor photododa. 4.3 Pengujan Sstem Keseluruhan Gambar 14 Grafk Respon Sstem terhadap Error Poss Negatf Gambar 15 Grafk Respon Sstem tehadap Error Poss Postf Gambar14 menunjukkan respon sstem terhadap smpangan atau error sudut(θ ) negatf dar set pont. Pada konds tersebut, sstem 5

6 menunjukkan adanya dua kal oslas dan overshoot sebesar 26,67% serta setlng tme sebesar 10.08s dengan delay sebesar 1,96s. Sedangkan dalam Gambar 15 respon sstem mengalam overshoot sebesar 46,67% dan mencapa settlng tme pada 8,68s dengan delay sebesar 2,56s. control applcaton to the lne trace car. FUZZ-IEEE IEEE Internatonal. Korea [8] Yan, J Usng Fuzzy Logc. London: Prentce Hall 5 Kesmpulan Dar hasl skrps n dapat dsmpulkan baha penggunaan FLC pada lne folloer dapat memperkecl error steady state sstem hngga 0%. Akan tetap FLC memlk respon yang lebh lambat jka dbandngkan dengan PID controller dkarenakan adanya aktu delay yang cukup besar pada sstem. 6 Saran Pada sstem dfferensal drve perlu dperhatkan tngkat kepressan peraktan mekank grearbox dar aktuator robot. Untuk plan yang memlk ukuran lebh besar dan membutuhkan respon yang cepat sebaknya dgunakan motor dengan tors lebh besar. Daftar Pustaka [1] Adeck A. K., Ssem Pengendalan Kecepatan Motor Pendorong Robot Hovercraft Lne Folloer Menggunakan Kontroler PID Berbass Mkrokontroler ATmega8535. Skrps. Teknk Elektro Unverstas Brajaya. Malang: Indonesa [2] Atmel bt Mcrocontroller th 16K Bytes In-SystemProgrammable Flash. [3] Atmel bt Mcrocontroller th 8K Bytes In-SystemProgrammable Flash bt-avr-mcrocontrolleratmega8_l_summary.pdf [4] Bagus, I.S., Perancangan Robot Auto Lne Folloer yang Menerapkan Metode Oslas Zegler-Nchols Untuk Tunng Parameter PID pada Kontes Robot Indonesa. Skrps. Teknk Elektro Unverstas Brajaya. Malang: Indonesa [5] Cook, Gerald Moble robots : navgaton, control and remote sensng. Ne Jersey. John Wley & Sons, Inc., [6] Ftzgerald, A.E Electrc Machnery(6 th edton). Ne York: McGra-Hll Companes, Inc. [7] Takmoto, H. & Hoshno, Y Development of fuzzy controller for the steerng angle and the motor poer 6