H ndry r Kh K oswa w nto

Transkripsi

1 Kesetimbangan Robot Beroda Dua Menggunakan Metode Fuzzy Logic Pembimbing: Ir. Djoko Purwanto, M.Eng, Ph.D Oleh : Handry Khoswanto :56

2 Latar Belakang Penggunaan energi listrik pada alat transportasi masih jarang ditemui di Indonesia. PenelitianminiaturBalancing Robot yang PenelitianminiaturBalancing Robot yang cukup marak dan dapat digunakan sebagai prototipe single human transporter.

3 Perumusan Masalah Bagaimana membuat SBR dapat berdiri secara setimbang hanya dengan menggunakan kedua rodanya. Bagaimana SBR dapat mem balance sistem dengan memanfaatkan informasi sudut elevasi (θ ACT ) yang didapatkan. Bagaimana Fuzzy Logic controlller dapat mengeluarkan output dalam bentuk ω dan digunakan untuk mempertahankan kesetimbangan.

4 Batasan Permasalahan Sistem memiliki roda dua dengan konfigurasi parallel serta mampu mempertahankan keseimbangannya dengan berjalan maju dan mundur. Tidak berpenumpang Memanfaatkan sensor accelerometer Untukmengimplementasisystem control dalam robot tersebut, sistem menggunakan microcontroller AVR atau MCS :56

5 Tujuan & Manfaat Merencanakan, mendesain serta mengimplementasikansensor accelerometer danmicrocontroller dalamsistembalancing robot. Menerapkan dan menguji efektifitas dan optimasimetodefuzzy logic padasystem pengaturan system balancing robot(sbr). 11:56

6 Kajian Pustaka Idedasaruntukmembuatrobotberodadua dapat setimbang adalah sangat mudah yaitu dengan cara mengendalikan roda searah dengan arah jatuhnya part bagian atas sebuah robot. Dibutuhkan sensor untuk mengetahui kemiringan platform atau arah serta kecepatan jauhnya robot. 11:56

7 Kajian Pustaka JOE: A Mobile, Inverted Pendulum menggunakan state space modelling untuk membangun balancing robot. nbot menggunakan metode PID untuk membalance robotnya. 11:56

8 Inverted Pendulum Inverted pendulum adalahpendulum yang memiliki titik berat terletak di atas titik tumpunya. Inverted pendulum adalah sistem yang labil (inherently unstable) dan harus senantiasa di seimbangkanuntuktetaptegaklurus. Balancing Robot juga demikian halnya dengan inverted pendulum. 11:56

9 Accelerometer MEMSIC Accelerometer merupakansensor accelerometer dual axis thermal motion measurement. MEMSIC 2125 memilikipemanaskecilyang bergunauntukmemanaskan bubble yang melayang dalam device sensor tersebut. Gerakan bubble inidisensing olehsensitive thermopiles(temperature sensor) -> sinyal listrik.

10 Kontrol Fuzzy Kontrolfuzzy ialahsuatusistemkontrolyang mampu mempresentasikan suatu masalah yang mengandung ketidakpastian ke dalam suatu logika pasti. Ada 3 proses fuzzy, yaitu: Fuzzification Rule Evaluation Defuzification 11:56

11 Perancangan Sistem

12 Sistem Balancing Robot Ada tiga blok dalam sistem kontrol antara lain: Self Balancing Robot System Steering Controller Fuzzy Logic Controller Self Balancing Robot terdiri atas: MekanikSelf Balancing Robot Sensor Accelerometer -> θ ACT Actuator Motor DC <-ω

13 Desain Hardware

14 Pembacaan Data Sensor Sensor inimemberikanoutput digital yang berupa lebar pulsa. Lebar pulsa tersebut merepresentasikan sudut kemiringan terhadap bumi. Data dibacaolehmicrocontroller Sensor yang menggunakan MCS-51.

15 Comm. Protocol Data Sensor Keterangan: Data 1: 8 bit T H gyroscope Data 2: 8 bit T L gyroscope Data 3: 8 bit T H Accelerometer Data 4: 8 bit T L Accelerometer

16 Flow Chart Start Start Int0 Vector μc Sensor Init Int0 Rising Edge Flag = 1? N Disable the Timer Y Flag = 1 Enable the Timer Read the Result from Timer Register Main Program Set Interrupt become Falling Edge Set Interrupt become Rising Edge End Flag = 0 Flag = 1 Reset the Timer Register Return

17 Desain H/W PWM Keterangan: Data 1: 8 bit T H gyroscope Data 2: 8 bit T L gyroscope Data 3: 8 bit T H Accelerometer Data 4: 8 bit T L Accelerometer

18 Desain H/W PWM AVR FLC mengeluarkan hasil dari proses fuzzyfikasi berupa nilai 8 bit (0-255). Diperlukan normalisasi dari: 127,5 0 : Arah: Backward 127,5 255 : Arah: Forward 127,5 Arah: Stop Persamaan tersebut:

19 Desain H/W PWM AVR FLC mengeluarkan hasil dari proses fuzzyfikasi berupa nilai 8 bit (0-255). Diperlukan normalisasi dari: 127,5 0 : Arah: Backward 127,5 255 : Arah: Forward 127,5 Arah: Stop Persamaan tersebut:

20 Comm. Protocol Data PWM Keterangan: Data 1: Duty Cycle DC Motor 1 Data 2: Duty Cycle DC Motor 2 Data 3: Control Motor Driver

21 Desain Fuzzy Logic Controller Desain FLC dalam penelitian ini menggunakan PetraFuz, yang merupakansuatusoftware yang didalamnya berisi kernel fuzzy dengan bahasac-code Vision AVR. Jumlahmaksimalcrisp input5 Jumlah maksimal crisp output 3 Jumlah maksimal membership fuction input dan output adalah 8. Jumlah rule maksimum adalah 1024.

22 IlustrasiBalancing Robot Titik referensi awal adalah garisnormal denganθ= 0 > 5000 μs BilaStick jatuhkedepan, maka platform miring ke depanpula, makaθ= x Harusditambahdg ω= y% agar tidak jatuh. Demikian sebaliknya utk arah negative 11:56

23 PemodelanData Fuzzy Input yang kita berikan untuk perancangan fuzzyyang pertamaadalahsebuahinputyang diberinamaangle_errdandel_angle_err. Angle_Err= SP PV Del_Angle_Err = Angle_Err(t) Angle_Err(t-1) 11:56

24 Input 1: Angle_Err Lebel Name Point 1 Point 2 Point 3 Point 4 NB NS Zero PS PB :56

25 Input 2: Del_Angle_Err Lebel Name Point 1 Point 2 Point 3 Point 4 NB NS Zero PS PB :56

26 Pengujian Sistem Balancing Robot SP

27 Kesimpulan Balancing Robot dapat menjalankan fungsinya dnegan baik. Dengan menggunakan 2 buah input pada proses fuzzifikasi dan menggunakan 25 rules masih terdapat osilasi yang cukup significant pada output defuzzifikasi. Motor memiliki respon yang kurang cepat dan memiliki konsumsidayapuncakyang cukuptinggisekitar3120w pada tegangan 48V. Apabila dilakuakan penurunan tegangan menjadi 12 V maka konsumsi daya juga berkurang tetapi torque juga berkurang cukup significant. Hal inimembuatresponbalancing robot tidak maksimal. 11:56

28 11:56