Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banyak permasalahan yang dapat terjadi ketika melakukan uji coba algoritma untuk melakukan pengendalian trajectory following dari Quadrotor. Umumnya dibutuhkan simulasi sebelum uji coba perangkat keras untuk membuktikan bahwa tidak ada kesalahan dalam algoritma pengendaliannya. Simulasi Quadrotor yang digunakan umumnya menggunakan MATLAB. Sistem simulasi dengan menggunakan MATLAB memiliki keterbatasan dalam hal visualisasi, penyederhanaan model, serta tidak dapat diimplementasikan secara langsung pada perangkat keras Quadrotor yang digunakan. Untuk itu, penelitian ini mempertimbangkan penggunaan ROS dan Gazebo sebagai alternatif simulasi Quadrotor yang akan digunakan untuk menguji algoritma pengendalian trajectory following dari Quadrotor yang akan diimplementasikan. ROS adalah sebuah framework untuk sistem robotika. Adapun Gazebo untuk mengvisualisasikan model 3D dari Quadrotor, lingkungannya, dan interaksinya sesuai hukum fisika. Dalam penelitian ini, digunakan library MAVROS pada ROS untuk mengendalikan model Quadrotor. Penelitian diawali dengan memodelkan Quadrotor sesuai perangkat keras yang digunakan. Selanjutnya, diimplementasikan algoritma pengendalian trajectory following menggunakan program dengan framework ROS. Setelah itu, dilakukan pengujian kemampuan sistem untuk mengsimulasikan perpindahan posisi dengan berbagai pola trajectory. Hasil simulasi menunjukan Quadrotor dapat mengikuti pergerakan trajectory yang telah ditentukan oleh algoritma pengendali trajectory following yang diimplementasikan.

---

Many problems can arise when testing trajectory following control algorithms for a Quadrotor. Generally, a simulation is needed before undergoing hardware testing to prove that there is no mistake in its control algorithm. Quadrotor simulations commonly uses MATLAB. A Quadrotor simulation system that uses MATLAB has issues such as limitations in the visualization, oversimplification of the model, and cannot be directly implemented into a Quadrotor hardware.

Because of that, this research considers the use of ROS and Gazebo as an alternative for developing a Quadrotor simulation, which will be used to test a trajectory following control algorithm implemented in this research. ROS is a framework for robotic systems. Gazebo is used to develop the 3D model of the Quadrotor, its environment, and also the interactions occurring following the laws of physics.

In this research, a library named MAVROS is used on ROS to control the Quadrotor model. This research starts by modelling the Quadrotor according to the hardware specifications that will be used. Afterwards, a trajectory following control algorithm is developed and implemented using a program with the ROS framework. Afterwards, tests are conducted to determine the capabilities of the simulation to simulate change in position in multiple trajectory patterns. The results from the simulation shows that the Quadrotor can follow the trajectory movement that is decided by the trajectory following control algorithm that is implemented."

"Fixed-wing merupakan salah satu wahana udara tanpa awak. Fixed wing dapat digunakan untuk beberapa jenis misi seperti misi pencarian dan penyelematan ataupun misi pengamatan. Namun, penerbangan fixed-wing tanpa awak memiliki risiko yang tinggi apabila tidak terkendali dengan baik. Mencari pengendali dengan hardware membutuhkan waktu dan cost yang tinggi sehingga dibutuhkan media simulasi yang memiliki sistem sesuai dengan aslinya. Pada penelitian ini, simulasi wahana Fixed-wing akan dilakukan dengan menggunakan ROS dan simulator Gazebo. Simulator Gazebo dapat menyediakan simulasi dengan kondisi fisika asli model hardware sehingga tidak membutuhkan perubahan yang besar dari simulasi ke hardware. Pada penelitian sebelumnya, pengujian sistem kendali sudah dilakukan dengan menggunakan 3 jenis trayektori sederhana yaitu trayektori linear, trayektori zigzag dan trayektori lingkaran. Selain itu, penelitian sebelumnya pun sudah menguji kendali untuk ketinggian dengan trayektori sigmoid. Pada penelitian ini, trayektori yang lebih panjang akan digunakan dengan menggunakan lingkar dalam Universitas Indonesia. Pengujian dibagi menjadi dua yaitu trayektori lingkar dalam Universitas Indonesia dengan ketinggian yang tetap dan dengan ketinggian yang sesuai dengan ketinggian dataran pada kondisi nyata. Dari hasil pengujian dapat dilihat bahwa sistem pengendalian fixed-wing sudah dapat mengikuti trayektori lingkar dalam UI baik dengan ketinggian yang tetap ataupun dengan ketinggian yang sesuai dengan ketinggian dataran.

---

Fixed wing is one of the unmanned aerial vehicles. Fixed wings can be used for several types of missions such as search and rescue missions or observation missions. However, unmanned fixed wing flights have a high risk if not well controlled. Tuning a controller with hardware takes time and high cost so a simulation that has the system in accordance with the real condition is needed.

In this study, Fixed wing vehicle simulations will be performed using ROS and Gazebo simulator. Gazebo provide simulation with real physics condition of real hardware so it does not require a big change from simulation to hardware implementation. In previous research, control system testing has been done by using 3 types of simple trajectory such as linear trajectory, zigzag trajectory and circle trajectory. In addition, previous studies have also tested control for altitude with sigmoid trajectories.

In this study, longer trajectories will be used using the inner circle of the Universitas Indonesia. Testing is divided into two the inner circle trajectory of the Universitas Indonesia with fixed altitude and with altitude corresponding to the altitude of the terrain in real conditions. From the test results can be seen that the fixed wing control system has been able to follow the trajectory either with a fixed altitude or with altitude corresponding to the height of the terrain."

"Dewasa ini, berkembangnya teknologi dalam bidang robotika mendorong manusia untuk terus berinovasi dalam pengembangan teknologi terbaru untuk mempermudah pekerjaan manusia. Salah satu perkembangan dunia robotika saat ini adalah pengembangan mobile robot. Robot mobil atau mobile robot adalah konstruksi robot yang ciri khasnya adalah mempunyai aktuator berupa roda untuk menggerakkan keseluruhan badan robot tersebut, sehingga robot tersebut dapat melakukan perpindahan posisi dari satu titik ke titik yang lain. Pada skripsi ini akan dilakukan perancangan pengendalian mobile robot menggunakan ROS Robotic Operating System. Sehingga pembahasan akan diawali oleh pengendalian motor dengan karakteristiknya. Kemudian, pembahasan akan dilanjutkan ke pengendalian mobile robot dan untuk pengujiannya digunakan beberapa trayektori, yaitu tayektori linier, sinusoidal dan zigzag yang akan dijalankan oleh kooperatif mobile robot. Berdasarkan pengujian didapatkan kombinasi nilai konstanta pengendali yang mampu mengikuti trayektori linier, sinusoidal, dan zigzag yang diberikan dengan baik.

---

Today, the development of technology in the field of robotics encourages people to keep innovating in the development of the latest technology for human work. One of the development in robotics today is the development of mobile robot. Robot car or mobile robot is a robot that has a wheel actuator to move the whole body of the robot, so that the robot can make a movement from one point to another.

This thesis will explain the exploration of mobile robot motion using ROS Robotic Operating System by modeling the condition of motor control with its characteristics. After the model connected with ROS, the discussion will proceed to the mobile robot control and test its movement to follow a few trajectories, ie linear, sinusoidal and zigzag that will be applied to cooperative mobile robot. Based on the tests found the control constant that can be used for linear, sinusoidal, and zigzag trajectory nicely."

"Perkembangan teknologi UAV yang pesat menyebabkan teknologi UAV semakin marak digunakan dalam kehidupan sehari-hari. Quadrotor UAV menjadi populer akibat fleksibilitas dan utilitas nya yang tinggi dan bermanfaat di kehidupan masyarakat luas. Penelitian ini membahas permasalahan pengendalian trajectory tracking menggunakan Pengendali MPC Non-Linier pada model Quadrotor UAV. Model dinamik quadrotor yang digunakan merupakan model non linier, yang sensitif terhadap perubahan input dan gangguan. proses pengendalian sistem dengan pengendali MPC non-linier dilakukan dengan mengubah model sistem continuous kedalam bentuk diskrit yang kemudian diselesaikan dengan pemecah pemrograman kuadratik sekuensial sembari memperhitungkan batasan input, output dan keadaan sistem. Ditampilkan hasil simulasi dengan variasi referensi trajektori dan parameter pengendali untuk mencapai keadaan optimal. Hasil simulasi menunjukan bahwa MPC non-linier dapat melakukan pengendalian trajectory tracking dengan baik, dengan nilai RMSE pada trajektori garis lurus sebesar 0.0168, pada trajektori kotak sebesar 0.0207, pada trajektori helix sebesar 0.4215, pada trajektori spiral sebesar 0.0084, dan pada trajektori lingkaran sebesar 0.4687.

---

The rapid development of UAV technology causes UAV technology to be increasingly used in everyday life. Quadrotor UAV is becoming popular due to its flexibility and high utility and is useful in people's lives. This study discusses the problem of controlling trajectory tracking using a Non-Linear MPC controller on the Quadrotor UAV model. The quadrotor dynamic model used is a non-linear model, which is sensitive to input changes and disturbances. the process of controlling the system with non-linear MPC controller is done by changing the continuous system model into a discrete form which is then solved by a sequential quadratic programming solver while taking into account input, output and system state constraints. The simulation results with variations of the trajectory reference and control parameters are displayed to achieve the optimal state. The simulation results show that non-linear MPC can control trajectory tracking well, with an RMSE value of 0.0168 for straight-line trajectory, 0.0207 for square trajectory, 0.4215 for helix trajectory, 0.0084 for spiral trajectory, and 0.4687 for circle trajectory. "

"Dewasa ini quadrotor mulai diaplikasikan secara luas dalam berbagai bidang. Untuk melakukan suatu tugas yang kompleks, terkadang quadrotor tidak dapat menyelesaikannya sendirian. Oleh karena itu, suatu sistem multi quadrotor digunakan dimana terdapat beberapa quadrotor yang berkoordinasi satu sama lain dalam menyelesaikan suatu misi. Pada penelitian ini, dua buah quadrotor digunakan dengan formasi leader-follower untuk melakukan penjejakan trayektori. Kedua quadrotor tersebut saling berkomunikasi melalui jaringan WiFi yang telah dikonfigurasikan sebelumnya sehingga pertukaran data dapat terjadi selama percobaan berlangsung. Dalam eksperimen ini, robot leader akan bergerak mengikuti beberapa trayektori (garis lurus, dan persegi) sementara robot follower akan mengikuti pergerakan robot leader sambil menjaga jarak antar kedua robot. Jarak antar robot yang diinginkan adalah 3 meter secara posisi sumbu X, dengan posisi sumbu Y, Z yang sama. Sinyal kecepatan yang diterima dari robot leader akan dilakukan sedikit penyesuaian sebelum menjadi sinyal kecepatan bagi robot follower. Keseluruhan misi berjalan secara otomatis menggunakan program ROS yang tertanam pada sebuah mini-pc. Mini-pc tersebut kemudian dihubungkan dengan flight controller Pixhawk melalui protokol MAVLINK yang disediakan oleh package MAVROS. Lalu, pengendali inner loop akan dilakukan oleh Pixhawk sementara pengendali outer loop akan dijalankan pada mini-pc. Terdapat dua sistem kendali yang digunakan dalam proses penjejakan trayektori, yaitu pengendali posisi dan pengendali orientasi. Kedua pengendali tersebut menggunakan pengendali PID dengan parameter pengendali posisi Kp = 1, Ki = 2, Kd = 0.01, dan parameter pengendali orientasi Kp = 0.007. Keseluruhan sistem yang telah dirancang akan diuji melalui eksperimen langsung. Hasil pengujian menunjukkan bahwa sistem multi quadrotor dengan formasi leader-follower dapat berjalan dengan baik, dimana trayektori dapat diikuti oleh kedua quadrotor dengan bentuk formasi yang tetap terjaga.

---

Nowadays the quadrotor has begun to be widely applied in various fields. To do a complex task, sometimes quadrotor cannot do it by itself. Therefore, a multi quadrotor system was used where there were several quadrotors coordinating each other in completing a mission. In this study, two quadrotors were used with leader-follower formation to conduct a trajectory tracking. Both quadrotors communicate each other via a previously configured WiFi network so that data exchange can occur during the experiment. In this experiment, robot leader will move to follow several trajectories (straight lines and squares) while robot follower will follow the movement of robot leader while maintaining the distance between the two robots. The desired distance between two robots is 3 meters in the X axis position, with the same Y, Z axis position. The speed signal received from the robot leader will be made a little adjustment before becoming a speed signal for the robot follower. The entire mission runs automatically using a ROS program embedded on a mini-pc. The mini-pc was then connected to the Pixhawk flight controller via MAVLINK protocol provided by the MAVROS package. Then, the inner loop controller will be carried out by Pixhawk while the outer loop controller will be run on a mini-pc. There are two control systems used in the trajectory tracking process, namely position controller and orientation controller. The two controllers used PID controllers with position controller parameter Kp = 1, Ki = 2, Kd = 0.01, and orientation controller parameter Kp = 0.007. The entire system that has been designed will be tested through direct experiments. The test results showed that multi quadrotor systems with leader-follower formation functioned well, where trajectories can be followed by both quadrotor with a formation that is maintained."

"

Pengembangan algoritma untuk kendali quadrotor semakin masif dilakukan oleh peneliti diseluruh dunia. Sama seperti manusia yang melihat dan kemudian dapat mendekati dan menyentuh suatu obyek, penelitian ini juga diarahkan untuk menciptakan prinsip yang sama yang kami sebut sebagai Image Loop Control (ILC). Proses pendeteksian objek memanfaatkan kecerdasan buatan YOLOv8 (AI deep learning) sebagai state-of-the-art pada dunia pendeteksian objek kecil membawa performa pendeteksian objek kecil ke tingkat yang lebih tinggi dengan inovasinya yang revolusioner. Penerapannya di quadrotor diharapkan dapat memungkinkan tingkat otonomi pada otomasi quadrotor melalui image loop control tersebut. Di dalam ILC tetap digunakan kendali Proporsional dan Differensial (PD) untuk mengendalikan gerak pada tiap sumbu gerakan. Skripsi ini melaporkan gerak yaw yang dilakukan oleh quadrotor sebagai respon dari deteksi obyek oleh YOLOv8. Pada proses validasi hasil pelatihan dataset, sebesar 96% gambar pintu tertutup terdeteksi sebagai close, 94% gambar pintu terbuka terdeteksi sebagai open, dan 87% gambar pintu setengah terbuka terdeteksi sebagai semi. Hasil proses image loop control respon kontroler PD di sumbu yaw, memiliki rata-rata time delay sebesar 0,98 detik, rata-rata rise time sebesar 1,26 detik, dan rata-rata settling time sebesar 8,62 detik menggunakan nilai Kp = 1,2 dan Kd = 0,5.

---

The development of quadrotor control algorithm has been extensively pursued by numerous researchers around the world. Similar to how humans can look, move around, and interact with an object, this research aims to achieve the same through a principle we define as the Image Loop Control (ILC). The process of object detection using the artificial intelligence YOLOv8 (deep learning AI) as the state-of-the-art in the small object detection world has brought the performance of small object detection algorithms to a higher level thanks to its revolutionary innovation. Its implementation in a quadrotor may enhance the degree of autonomy on automated quadrotors by using an image loop control. Within the ILC framework, we use a Proportional and Differential (PD) controller to control quadrotor movements along each axis. This thesis presents the performance of yawing movements executed by the quadrotor in response to object detections identified by the YOLOv8. During the validation process of the trained dataset, the system detected 96% of closed doors accurately, 94% of open doors accurately, and 87% of semi opened doors accurately. The response of the image loop control response using a PD controller on the yaw axis resulted in an average time delay of 0.98 seconds, average rise time of 1.26 seconds, and average settling time of 8.62 seconds with the values Kp = 1.2 and Kd = 0.5."

"Quadrotor merupakan pesawat yang dilengkapi empat buah motor yang dilengkapi baling-baling. Untuk dapat terbang dengan baik, quadrotor harus dilengkapi dengan sistem kendali yang mampu mengatur kecepatan putaran tiap motor agar sudut rotasi dan posisinya sesuai dengan setpoint yang diberikan. Pada skripsi ini dibahas mengenai pemodelan dan perancangan sistem kendali quadrotor dengan Integral Backstepping. Sistem kendali yang dirancang meliputi pengendali sudut rotasi dan pengendali posisi. Pemodelan dan identifikasi sistem dilakukan dengan beberapa langkah percobaan untuk menentukan parameter-parameter dari model. Model yang diperoleh kemudian menjadi dasar dalam perancangan sistem kendali. Alasan penggunaan Integral Backstepping ini karena kehandalannya dalam kemampuan mengikuti setpoint dan ketahanan terhadap gangguan. Untuk itu akan diuji kemampuan pengendali ini dengan model yang sudah diperoleh dalam simulasi. Hasil yang diperoleh menunjukkan performa pengendali Integral Backstepping cukup memuaskan dimana respons keluaran cukup cepat, overshoot yang kecil, nilai error tunak mendekati nol, dan tahan terhadap gangguan.

---

Quadrotor is an aircraft equipped with four motors equipped with a propeller. It must be equipped with a control system capable of controlling the speed of each motor for attitude and position in accordance with the given setpoint in order to flying stable.

In this report discussed the modeling and control system design of quadrotor with Integral Backstepping. Control system designed includes attitude and position controllers. Modeling and system identification is done with a few experimental steps to determine the parameters of the model. Then, The model becomes the basis for the design of control systems.

The main reason using Integral Backstepping controller because in the ability to follow the setpoint and resistance against disturbance. It will be tested the ability of this controller with a quadrotor model in the simulation.

The results obtained showed Integral Backstepping controller performance is quite satisfactory where the output response fast enough, small overshoot, steady-state error value near zero, and robustness against disturbances."

"Berbagai metode pengembangan roket telah dilakukan, namun tidak semua orang bisa mengikuti perkembangannya karena teknologi roket merupakan teknologi rahasia yang pada akhirnya menyebabkan tidak adanya referensi. Kendali roket merupakan tahapan yang paling penting dari pengembangan teknologi roket yang pengembangannya hanya bisa dilakukan jika mempunyai data atau model. Penelitian ini mencoba untuk mendapatkan data penerbangan roket dari simulator pesawat X-Plane kemudian mengembangkan kendali roket menggunakan Neural Network. Konsekuensi yang ditimbulkan karena pemakaian simulator pesawat untuk menerbangkan roket akan dijadikan bahan analisis apakah data yang dihasilkan dari penerbangan roket mempunyai mekanisme fisika layaknya roket. Pengujian terhadap sistem kendali Neural Network berbasis Direct Inverse Control Open-Loop dilakukan untuk mengetahui keandalan sistem kendali yang dirancang. Sistem kendali roket yang dibuat menggunakan metode backpropagation dengan pembatasan pengendalian yaitu hover, sebuah trajectory terbang roket yang mempunyai pengaruh paling besar dalam jangkauan dan arahnya. Dari hasil pengujian ini diketahui bahwa data yang dihasilkan mempunyai dinamika gerak layaknya roket dan sistem kendali hover roket yang dibuat mempunyai kemampuan yang baik.

---

Various methods of rocket development have been done, but not everyone can follow its development because rocket technology is a secret technology that ultimately leads to no reference Rocket control is the most important stage of development of rocket technology whose development can only be done if it has data or models. In this study trying to get rocket flight data from the X Plane aircraft simulator then develop rocket control using Neural Network. The consequences of using the aircraft simulator to fly the rocket will be used as an analysis material whether the data generated from the rocket flight has a rocket physics mechanism.

Testing of Neural Network control system based on Direct Inverse Control Open Loop is done to know the reliability of control system designed. The rocket control system created using backpropagation method with control limitation is hover, a rocket flying trajectory that has the greatest influence in its range and direction. From the results of this test is known that the resulting data has the dynamics of motion like a rocket and rocket hover control system is made to have good ability."

"ABSTRAKTesis ini membahas tentang perancangan kendali sistem gerak rotasi quadrotor menggunakan linear quadratic gaussian (LQG) dan simulasi digunakan untuk memverikasi kinerja pengendali. Tujuan dari perancangan adalah mengendalikan sudut roll, pitch dan yaw yang terdapat noise dan disturbance. Parameter model quadrotor diambil dari quadrotor OS4 yang dikembangkan oleh Ecole Polytechnique Federale de Lausanne (EPFL). Model quadrotor yang dipakai merupakan model MIMO dengan empat masukan yaitu kecepatan keempat rotor quadrotor dan enam keluaran yaitu sudut roll, pitch, yaw dan kecepatan sudut roll, pitch dan yaw. Perancangan kendali dilakukan dengan mendesain gain feedback regulator, estimator atau observer untuk mengestimasi variabel keadaan yang tidak terukur dari keluaran yang terukur dan pre-kompensator pada masukan referensi. Kinerja kontrol LQG diuji menggunakan simulasi. Dengan menggunakan perkiraan matriks Q dan R, pengendali yang dirancang telah menunjukan kinerja yang baik.

---

ABSTRACT

This thesis discusses the design of rotational motion quadrotor control systems using Linear Quadratic Gaussian (LQG) method and simulation verifiying the performance of the controller. The objective of design is to regulate roll, pitch and yaw angles in the existing of noise and disturbance. Quadrotor model parameters are from OS4 developed by Ecole Polytechnique federales de Lausanne (EPFL). Quadrotor model is MIMO with four inputs namely the speed four-rotor of quadrotor and six outputs namely the rotation angles roll, pitch, yaw and angular velocity of roll, pitch, and yaw. The control design is done by designing the feedback gain regulator, estimator or observer to estimate unmeasured state variables from the measured output, and design a pre-compensator input reference. LQG control performance is tested using simulations. By using approximate matrix Q dan R, the proposed controller have shown good performance."

"Quadcopter merupakan wahana terbang yang memiliki 4 rotor bersifat underactuated. Sifat quadcopter yang merupakan sistem yang kompleks akibat coupling antar variabelnya menjadikan desain pengendali yang cukup rumit. Diperlukan adanya pengendali yang mudah untuk dapat diaplikasikan pada quadcopter. Untuk melakukan percobaan pengaplikasian pengendali pada quadcopter, sistem pengendali tersebut harus dilakukan percobaan pada simulasi untuk mengetahui hasilnya. Oleh karena itu, peneliti mengusulkan pengendalian DIC yang berbasis deep neural networks (DNN) dan long-short term memory (LSTM) diujikan pada simulator sebelum akhirnya pada quadcopter asli. LSTM digunakan memiliki arsitektur pendukung untuk data sekuensial sebagaimana pergerakan trajektori. Sistem kendali dengan LSTM ini dihasilkan galat MSE yang lebih rendah dibanding DNN. Kinerja LSTM lebih baik dibandingkan dengan DNN. Selain itu, terdapat beberapa faktor – faktor terjadi peningkatan galat ketika diintegrasikan pada simulator Gazebo untuk bahan evaluasi terhadap pengendali berbasis yang sama diaplikasikan pada quadcopter aslinya.

---

Quadcopter is a flying vehicle that has 4 rotors that are underactuated. The nature of the quadcopter which is a complex system due to the coupling between the variables makes the controller design quite complicated. An easy controller is needed to be applied to the quadcopter. In order to experiment with the application of the controller on the quadcopter, the control system must be experimented with in a simulation to find out the results. Therefore, the researcher proposes that DIC control based on Deep Neural Network and Long-Short Term Memory be tested on a simulator before finally on a real quadcopter. LSTM is used to have a supporting architecture for sequential data as well as trajectory movement. The controller with this LSTM produces a lower MSE error than DNN. LSTM performance is better compared to DNN. In addition, there are several factors that increase the error when integrated into the simulator for evaluation of the same based controller applied to the original quadcopter."