Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian disertasi ini mencakup analisis Sistem Kendali berbasis Neural Network NN untuk rotorcraft dan Unmanned Aerial Vehicle UAV fixed-wing. Quadrotor dan UAV fixed-wing berekor inverted-V mewakili kedua tipe UAV dengan dinamika terbangnya yang nonlinear, serta kopling-silang yang kuat dan karakteristik under-actuated. Oleh karena itu, metode Direct Inverse Control DIC berbasis NN cocok diterapkan sebagai pengendali terbang kedua tipe UAV tersebut, dengan unjuk kerja yang lebih baik dibandingkan dengan Sistem Kendali saat ini yang berbasis metode Proportional-Integral-Differential PID .UAV berkembang pesat untuk berbagai aplikasi, mulai dari penggunaan quadrotor untuk videografi jarak dekat, hingga UAV fixed-wing berekor inverted-V untuk misi taktis dan strategis. Quadrotor banyak digunakan karena kemampuan hovering serta take-off dan landing secara vertikal untuk misi di area yang sempit dan berlangsung singkat sesuai keterbatasan daya baterainya. Untuk mengatasi keterbatasan tersebut, UAV fixed-wing digunakan untuk area yang luas dan berlangsung lama. BPPT merespon kebutuhan ini dengan mengembangkan Pesawat Udara Nir Awak PUNA Alap-Alap dengan konfigurasi fixed-wing dan ekor inverted-V.Penggunaan ekor inverted-V akan meningkatkan kemampuan maneuver UAV. Meski demikian, ekor inverted-V tersebut memunculkan kopling tambahan antara modus gerak pitch dengan modus roll-yaw sehingga kompleksitas pengendaliannya meningkat dibandingkan dengan ekor T konvensional. Oleh karena itu, diperlukan metode kendali komprehensif yang mengakomodasi aspek nonlinearitas dan kopling-silang akibat hal tersebut. Metode berbasis NN cocok diterapkan untuk UAV karena mekanisme pembelajaran yang dimilikinya untuk mereplika dinamika sistem untuk Identifikasi Sistem dan sebaliknya, mampu membangun inversi dinamika sistem untuk DIC-NN .Di dalam analisis ini, kedua UAV dimodelkan dengan identifikasi berbasis NN untuk mengakomodasi karakter nonlinear dan kopling silangnya. Selanjutnya, DIC-NN dibangun untuk memetakan output UAV terhadap input yang bersesuaian. Unjuk kerja DIC- NN ini dibandingkan terhadap PID sebagai representasi metode kendali yang ada saat ini. Sistem Kendali DIC-NN menghasilkan settling time yang lebih singkat dan overshoot yang lebih kecil dibanding PID.

---

ABSTRACTThe research in this dissertation focused to analyze the Neural Network NN based control system for rotorcraft and the fixed-wing Unmanned Aerial Vehicle UAV . The Quadrotor and the fixed-wing UAV with incerted-V tail were chosen to represent both of UAV types characterized by the nonlinear flight dynamics, as well as strong cross-coupling and under-actuated condition. Therefore, the NN based Direct Inverse Control DIC method is suitable for a UAV flight controller, with a better performance compared to the existing Proportional-Integral-Differential PID -based Control System.UAVs are growing rapidly for a variety of applications, ranging from Quadrotor for a close-range videography, to the inverted-V tail fixed-wing UAVs in the tactical and strategic missions. Quadrotor is popular due to the ability of hovering and vertically take-off and landing in the narrow areas for short duration due to the limitation of the battery capability. To overcome these limitations, fixed-wing UAVs are used for large areas and long-duration mission. BPPT responds this requirement by developing the Alap-Alap UAV with the fixed-wing configuration and equipping it with inverted-V tail.The application of inverted-V tail aimed to increase UAV maneuverability. However, the inverted-V tail generates an additional coupling between the pitch-motion mode and the roll-yaw mode so that the control complexity increases than the conventional T-tail. Therefore, a comprehensive control method is required to accommodates the nonlinearity and cross-coupling aspects of it. The NN-based method is suitable for UAVs because of the learning mechanism it has to replicate system dynamics for System Identification and vice versa, capable of building system dynamic inversions for DIC-NN .In this analysis, both UAVs are modeled with NN-based identification to accommodate their nonlinear characters and cross-coupling. Furthermore, DIC-NN is built to map the UAV output with the corresponding input. The DIC-NN performance is compared against PID as a representation of the existing control method. The DIC-NN Control System produces a shorter settling time and a smaller overshoot than the PID. "

"

Perkembangan kecerdasan buatan (artificial intelligence/AI) bergerak semakin cepat dan mengalami kemajuan pesat dalam setiap bidang kehidupan manusia, tak terkecuali dalam dunia kendali industri. Sementara kendali industri mensyaratkan sistem pengendali yang mampu mengatasi perubahan karakteristik secara otomatis serta dapat beradaptasi dengan dinamika perubahan sistem yang diakibatkan adanya perubahan kondisi lingkungan kerja. Pengendali berbasis kecerdasan buatan dianggap mampu untuk beradaptasi dengan perubahan karakteristik dari sistem secara otomatis adalah pengendali berbasis neural network. Dalam penelitian ini disajikan desain dan simulasi sistem pengendali berbasis neural network dengan metode pembelajaran back propagation yaitu pengendali inverse langsung(direct inverse control/DIC), pengendali neuron tunggal(single neuron controller), serta pengendali PID pada plant modul training pressure process rig(PPR 38-417). Untuk pengujiannya, didesain sistem identifikasi berbasis neural network sebagai simulator plant. Hasilnya, semua sistem kendali yang didesain tersebut mampu mengendalikan plant sesuai dengan sinyal referensi yang dinginkan. Namun pengendali single neuron dan PID mampu mempertahankan keluarannya dengan baik saat diberi gangguan pada sinyal kendali maupun plant dibandingkan dengan pengendali inverse langsung(ANN-DIC). Hal ini dikarenakan kendali single neuron dan PID bersifat close loop sehingga mampu mengkoreksi kesalahan secara langsung. Sementara jika dibandingkan dengan kendali PID, kendali single neuron lebih adaptif untuk berbagai kondisi gangguan karena memiliki metode pembelajaran langsung, sementara kendali PID perlu dilakukan tunning untuk mendapatkan unjuk kerja yang handal.

---

The development of artificial intelligence (AI) is moving faster and experiencing rapid progress in every area of human life, not least in the world of industrial control. While industrial control requires a control system that is able to overcome changes in characteristics automatically and can adapt to the dynamics of system changes caused by changes in working environment conditions. Artificial intelligence-based controllers are considered capable of adapting to changes in the characteristics of the system automatically is a neural network-based controller. In this study, the design and simulation of a neural network-based controller system with back propagation learning methods, namely direct inverse control (DIC) and single neuron controller, as well as PID controllers for the pressure process rig (PPR 38-417) training module. For the test, a neural network-based identification system is designed as a simulator plant. As a result, all the control systems designed are able to control the plant in accordance with the desired reference signal. However, single neuron and PID controllers are able to maintain their output well when given interference with the control signal or plant compared to the direct inverse controller (ANN-DIC). This is because single neuron control and PID are close loop so that they can correct errors directly. Meanwhile, when compared to PID control, single neuron control is more adaptive for a variety of disruption conditions because it has a direct learning method, while PID control needs to be tuned to get reliable performance.

"

"Quadrotor adalah wahana yang memiliki empat buah rotor sebagai penggerak. Untuk dapat bergerak sempurna maka quadrotor harus dilengkapi dengan Sistem kendali yang mampu mangatur dan memberikan sinyal kendali berupa kecepatan motor keseluruh rotor.Disertasi ini membahas tentang kendali autonomous untuk quadrotor menggunakan Neural Network Direct Inverse Control NN-DIC . Tujuan dari penelitian ini adalah untuk menyelidiki kinerja Quadrotor menggunakan kontrol NN-DIC. Untuk mewujudkan penelitian ini, langkah pertama adalah untuk membangun sebuah platform Quadrotor. Karena ide dasar dari DIC adalah untuk menghilangkan efek dinamika plant dengan kendali inverse, maka langkah selanjutnya adalah membangun sebuah model NN-DIC menggunakan data penerbangan yang sebenarnya. Metode pelatihan backpropagation dipilih karena strukturnya sederhana namun mampu memberikan error yang kecil.Melalui beberapa simulasi, model kendali NN-DIC telah mampu menstabilkan quadrotor dengan performa yang sangat baik dalam mengikuti trajectory pada kondisi hover, perubahan altitude maupun manuver. Perfoma yang baik ini ditunjukan dengan nilai MSE yang kecil, yaitu 0.042 pada saat hover untuk kendali attitude, 0.340 pada saat perubahan altitude untuk kendali attitude-altitude dan terakhir nilai MSE sebesar 1.966 saat maneuver untuk kendali autonomous.

---

The quadrotor is an Unmanned Aerial Vehicle UAV which is included in the category of rotary wing with four rotors located at its four corners. In order to move perfectly the quadrotor must be equipped with a control system capable of controlling and providing control signals of motor speed throughout the rotors.This dissertation discusses about autonomous control for quadrotor using Neural Network Direct Inverse Control NN DIC . The purpose of this study was to investigate Quadrotor performance using NN DIC controls. To realize this research, the first step is build a Quadrotor platform. Since the basic idea of DIC is to eliminate the dynamics effect of the plant with inverse control, the next step is build an NN DIC model using actual flight data. Backpropagation training method is chosen because the structure is simple but has a small error result.Some simulations have been done, the NN DIC control model has been able to stabilize the quadrotor with excellent performance in following trajectory under hover conditions, altitude changes and maneuvers. The excellent performance is indicated from a small MSE score of 0.042 during hover on attitude control, 0.340 with altitude change on attitude altitude control and MSE of 1.966 when maneuvered on autonomous control."

"Robot merupakan salah satu ciptaan manusia yang diharapkan dapat mengambil keputusan sendiri dalam batasan tertentu untuk menyelesaikan permasalahan - permasalahan yang berbahaya bagi manusia. Salah satu bentuk robot yang dapat membantu manusia adalah unmanned aerial vehicle (UAV). Kelebihan UAV adalah bentuk yang kecil, hemat energi, and kemampuan untuk bekerja tanpa bantuan manusia. Salah satu bentuk UAV adalah quadrotor yang merupakan bentuk lain dari helikopter dengan empat baling - baling. Dengan kemampuan untuk melakukan manuver yang sulit dilakukan oleh wahana lain, serta kemampuan untuk terbang dan mendarat secara vertikal, quadrotor merupakan pilihan UAV yang semakin menarik. Pembahasan akan difokuskan pada 3 hal, yaitu sistem navigasi, pemodelan, dan pengendalian quadrotor. Sistem navigasi menggunakan sensor accelerometer, gyroscope serta kompas digital yang dipadukan dengan kalman filter untuk menghilangkan derau. Sistem dimodelkan menggunakan metode least-square, selanjutnya quadrotor dikendalikan oleh PID. Berdasarkan hasil yang didapat, gabungan sistem navigasi dan pengendali yang diusulkan mampu mengendalikan quadrotor sehingga sudut sistem dapat dikendalikan.

---

Robot is one of human creation that is expected to take its own decision in a certain limitation for tasks which are too dangerous for humans. From many kind of robot, unmanned aerial vehicle (UAV) has received tremeduous interest. The advantages of a UAV are their small body, energy efficient, and the ability to work without human assistance. One type of UAV is quadrotor which is another form of helicopter with four propellers. With the ability to do difficult maneuver performed by another vehicle, and the ability to do vertical take-off and landing, quadrotor is one of the most promising UAV.

This work will focus on three topics, namely navigation systems, modeling, and control of the quadrotor. The navigation system using an accelerometer, a gyroscope and a digital compass combined with a Kalman filter to remove noise. Modeling system using the method of least-square, and using the PID controller to control the quadrotor. Based on the results obtained, the combined navigation and control system proposed is able to control the quadrotor so that the system angle can be controlled."

"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."

"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 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."

"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."

"Pengembangan hybrid UAV dilakukan untuk mendapatkan keunggulan dari UAV tipe fixed wing dan tipe rotorcraft dalam satu wahana terbang, sehingga wahana tersebut dapat menjalankan misi terbangnya tanpa memerlukan area khusus untuk lepas landas dan mendarat. Dari beberapa tipe konfigurasi hybrid UAV, tipe quadplane dipilih untuk dijadikan objek penelitian karena bentuknya yang sederhana dan mudah untuk dikembangkan. Secara garis besar, quadplane merupakan UAV tipe fixed wing yang diberi empat buah motor listrik sehingga mempunyai kemampuan terbang seperti quadcopter. Dalam operasional terbangnya, quadplane mempunyai tiga mode terbang yaitu: mode quadcopter, mode transisi, dan mode fixed wing. Pada penelitian ini, pembahasan akan difokuskan pada pengembangan model sistem mode quadcopter. Model sistem dibangun menggunakan Matlab/Simulink yang terdiri dari beberapa blok kendali dan blok persamaan gerak. Strategi kendali yang digunakan dalam model ini menggunakan pengendali Proporsional (P) dan Proporsional-Derivatif (PD). Dari hasil simulasi yang telah dilakukan diperoleh model sistem mode quadcopter yang mampu mengikuti nilai referensi yang diberikan dengan overshoot 7.3% pada arah X, overshoot 7.2 % pada arah Y, dan delay selama 2.5 detik pada arah Z.

---

The development of hybrid UAV is carried out to gain the advantage of fixed wing and rotorcraft type in one flying vehicle, so that the vehicle can carry out its flying missions without requiring a special area for takeoff and landing. From several types of configurations, quadplane was chosen to be the object of research because of its simple airframe and easy to develop. Simply, the quadplane is a fixed wing type UAV that is equipped with four electric motors so that it has the ability to fly like a quadcopter. In operational flight, quadplane has three flight modes, such as: quadcopter mode, transition mode, and fixed wing mode. In this study, the discussion will focus on developing a quadcopter mode system model. The system model is built using Matlab/Simulink which consists of several control blocks and equations of motion blocks. The control strategy used in this model are Proportional (P) and Proportional-Derivative (PD) controllers. From the simulation results that have been carried out, it is obtained that the quadcopter mode system model is able to follow the given reference value with 7.3% overshoot in the X direction, 7.2% overshoot in the Y direction, and a delay of 2.5 seconds in the Z direction. "

"Quadcopter atau Quadrotor adalah sebuah jenis helikopter tanpa awak yang memiliki empat rotor yang terpasang dengan propeller. Pada quadcopter memiliki 2 buah rotor yang berputar searah jarum jam dan 2 buah rotor yang berputar berlawanan arah jarum jam. Pada sebuah quadcopter memiliki keseimbangan yang tidak stabil secara aerodinamis sehingga memerlukan komputer untuk mengkonversi perintah input menjadi perintah yang dapat mengganti kecepatan rotasi dari propeller sehingga menghasilkan gerakan yang diinginkan. Seiring dengan perkembangan teknologi, khususnya Artificial Intelligence dan Machine Learning, teknologi telah menjadi bagian penting serta berpengaruh secara signifikan dalam kehidupan manusia. Pengaplikassian Artificcial Intelligence seperti Neural Network juga tidak luput pengaplikasiannya di bidang Quadcopter Unmanned Aerial Vehicles (UAV). Dalam hal ini Neural Network digunakan sebagai basis dari metode pengendalian yang hendak diaplikasikan pada Quadcopter Unmanned Aerial Vehicles (UAV) yang disebut sebagai Pengendali Neural Network. Metode pengendalian Neural Network merupakan metode pengendalian yang memiliki model matematika yang disusun oleh Artificial Neural Network (ANN) dimana pengendali Neural Network terdiri dari dua buah komponen dasar yakni komponen inverse dan komponen identifikasi. Jenis pengendali yang digunakan untuk menstabilisasi manuver pada pergerakan Quadcopter UAV kemudian diuji dan diverifikasi melalui simulasi yang dilakukan dengan bahasa pemrograman MATLAB serta dilakukan perbandingan dengan pengendali Single Neuron Adaptive PID sebagai pembanding dalam hal performa pengendali.

---

A quadcopter, or quadrotor, is an unmanned helicopter with four rotors equipped with propellers. In a quadcopter, two rotors spin clockwise, and two rotors spin counterclockwise. A quadcopter has an aerodynamically unstable balance, which requires a computer to convert input commands into instructions that can change the rotation speed of the propellers to produce the desired movements. With the advancement of technology, especially Artificial Intelligence and Machine Learning, technology has become an integral and influential part of human life. Artificial Intelligence, such as Neural Networks, is also applied in the field of Quadcopter Autonomous Aerial Vehicles (UAV). In this context, Neural Networks are used as the basis for control methods to be applied to Quadcopter Unmanned Aerial Vehicles (UAV), referred to as Neural Network Controllers. The Neural Network Controller method is a control method with a mathematical model constructed by an Artificial Neural Network (ANN) consisting of two primary components: the inverse component and the identification component. The type of controller used to stabilize the maneuvers in the movement of the Quadcopter UAV is then tested and verified through simulations conducted in the MATLAB programming language and compared with Single Neuron Adaptive PID (SNAPID) controllers regarding controller performance."