ABSTRAK
Seiring dengan bertambahnya tuntutan akan kendaraan yang lebih baik,keamanan pengemudi kendaraan juga harus diperbaiki. Permasalahan yang terkaitdengan Vehicle Dynamics Control (VDC) adalah model yang nonlinear yang seringmenimbulkan kesulitan dalam mengendalikan variabel-variabel keadaan. Linearisasimodel umumnya dilakukan dengan beberapa asumsi dan simplifikasi yang dapatmenghasilkan kesalahan yang besar dan mempengaruhi performa sistem.Pada penelitian ini, pengendalian dari yaw rate dan kecepatan mobil listrikdiajukan dengan menggunakan pengendali prediktif. Jenis pengendali prediktifnonlinear ini dipilih karena kemampuan optimasi pengendalian sebagai permasalahanquadratic programming. Dalam pengembangan model prediksi, sudut setir daripengemudi dianggap sebagai gangguan. Dinamika nonlinear kendaraan diidentifikasidengan menggunakan identifikasi least square multistage dan divalidasimenggunakan performance indicatorloss function dan Final Prediction Error (FPE).Setpoint untuk yaw rate dihasilkan oleh model referensi sebagai fungsi statik darikecepatan dan sudut setir, sedangkan nilai referensi untuk kecepatan adalah konstan.Pengendali selanjutnya memberikan kompensasi untuk sudut setir dan gayalongitudinal untuk roda. Performa pengendalian diverifikasi dengan simulasi untukmenunjukkan kemampuan untuk mengikuti perubahan setpointyang diberikan.

---

ABSTRACT
As the demand for better vehicles increases, the driver’s safety must also beimproved. The problem with Vehicle Dynamics Control (VDC) is the nonlinearity ofthe model often causes difficulties in controlling the state variables. Linearization ofthe model is usually performed with several assumptions and simplification whichleads to large errors that affect the performance of the controlled system.In this research, a yaw rate and vehicle’s velocity control of an electric vehicleis proposed using a predictive control. This type of nonlinear predictive controller ischosen due to its capability of optimizing the control as a quadratic programmingproblem. In the development of the prediction model, the driver’s steer angle isconsidered as disturbance. The nonlinear vehicle dynamics is identified by aMultistage Least Square identification method and validated using performanceindicators loss function and Final Prediction Error (FPE). The setpoint for the yawrate is generated by a reference model as a static function of vehicle velocity anddriver’s steer angle, while the reference value for the velocity is given constant. Thecontroller then gives compensation to the driver’s steer angle and longitudinal forcesto the wheels. The control perforrmance is verified by simulation to show the abilityto track the setpoint changes.