Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pemanfaatan logika berfikir yang diimplementasi ke dalam algoritma program dibutuhkan untuk membuat sebuah sistem cerdas. Skripsi ini melaporkan hasil rancang bangun sebuah wahana hexacopter dengan berat lepas landas total sebesar 5,9 Kg. Beban tersebut terdiri dari komponen-komponen penyusun wahana, antara lain baling-baling dengan panjang 17 x 5,5 inci, baterai Li-Po dengan kapasitas 10.000 mAh, ESC dengan arus maksimum 40A, GPS, kamera, kerangka hexacopter, single board computer, flight controller, gimbal, motor sebesar 360 Kv, dan komponen-komponen pendukung lainnya. Ujicoba untuk keberhasilan rancang bangun ini dibuktikan dengan waktu mengudara (flight time) yang standar (± 16 menit). Di sisi lain, wahana ini di desain untuk mampu terbang secara otomatis berdasarkan pengolahan citra untuk dapat memposisikan dirinya agar berada di tengah objek target yang ingin dideteksi. Deteksi objek dilakukan dengan menggunakan metode pengolahan citra template matching berbasis color histogram footprint dengan tingkat keberhasilan rata-rata sebesar 78 % dengan jarak deteksi objek sejauh 1 meter. Visual feedback control berbasis pengendali PID digunakan sebagai kendali terbang wahana untuk mengendalikan throttle dan roll agar hexacopter dapat memposisikan dirinya di tengah objek target berdasarkan gambar yang diambil oleh kamera. ......The use of logic thinking which is implemented into the program algorithms is needed to make a smart system. This paper reports the results of design and build of a hexacopter with total takeoff weight of 5,9 Kg. This weight consists of components used in building the hexacopter, including a propeller with a length of 17 x 5,5 inches, Li-Po battery with a capacity of 10.000 mAh, ESC with a maximum current of 40A, GPS, camera, hexacopter frame, single board computer, flight controller, gimbal, 360 Kv brushless DC motors, and other supporting items. This hexacopter has a standard flight time of ±16 minutes. The vehicle is designed to be able to fly autonomously based on image processing to position itself in the middle of the detected target object. Object detection is performed by image processing with the method of template matching based on color histogram footprint which give us an average success rate of 78% from distance of 1 meter. Visual feedback control based on PID controllers is used to control the throttle and roll of the hexacopter so it can position itself in the middle of the target object based on images taken by the camera.

Abstrak :
Telah berhasil dibuat rancang bangun hexacopter dengan diameter 70 cm dan massa 2,5 kg dengan parameter tunggal daya angkat. Target beban maksimum disesuaikan dengan pemilihan komponen motor dan baling-baling yang akan digunakan. Di sisi lain, hexacopter memanfaatkan Algoritma Genetik tipe A bertujuan untuk menentukan lintasan terpendek yang paling mungkin, mulai dari satu posisi hingga sebuah lokasi akhir yang diinginkan. Beberapa rintangan akan didaftarkan pada algoritma histogram warna sebagai teknik deteksi, kemudian A akan memanfaatkan posisi rintangan tersebut untuk menghitung ulang lintasan lain yang paling optimal agar hexacopter bergerak tanpa menabrak rintangan. Lepas landas take off hexacopter masih dilakukan menggunakan remote control Futaba SG 14 yang memanfaatkan kendali proporsional, integral dan diferensial sederhana yang dikenal dengan PID.Penentuan nilai konstanta kendali PID hexacopter ini memanfaatkan aplikasi auto-tuning dari MissionPlanner. Selanjutnya hexacopter diaktifkan dalam mode guided dimana algoritma A dan kendali mengambil alih pengaturan geraknya hingga mencapai tujuan. Ujicoba dilakukan dalam ruangan dengan grid-grid maya yang membagi lintasan dari titik awal ke lokasi tujuan di lapangan bulutangkis dalam ruangan indoor Dekanat FMIPA UI. Rintangan diletakkan pada posisi 1,5 meter diatas lantai sehingga dalam pengolahan citra di proyeksikan terhadap grid-grid maya tersebut. Posisi hasil proyeksi tersebut menjadi masukan A untuk mengkalkulasi ulang lintasan.Pengujian tahapan berikutnya dilakukan di lapangan Rotunda UI dengan pemanfaatan GPS sebagai pengganti grid. Hasil penelitian ini melaporkan bagaimana hexacopter akan bertindak dengan implementasi dari kecerdasan tersebut untuk mengendalikan geraknya secara semi otomatis.

---

Has successfully created design hexacopter with a diameter of 70 cm and a mass of2.5 kg with a single parameter lift. Target maximum load adjusted by the selectionof components and propeller motors that will be used. On the other hand,hexacopter utilizing Genetic Algorithm type A aims to determine the shortest pathis most likely, ranging from one position to a final desired location. Some obstacleswill be registered on the color histogram algorithm as detection techniques, then A will utilize the position of the obstacles to recalculate the most optimal path otherso hexacopter move without bumping into obstacles. Takeoff take off hexacopterstill done using the remote control Futaba SG 14 utilizing the control ofproportional, integral and differential simple known as PID. Determining the valueof this constant hexacopter PID control applications utilize auto tuning of theMission Planner. Furthermore hexacopter enabled in guided mode where the A algorithm and control took control of the motion until it reaches the destination.Experiments conducted in a room with virtual grids which share the track from thestarting point to the destination in indoor badminton court indoor Dean FacultyUI. The obstacles placed in the position of 1.5 meters above the floor so that theimage processing is projected to virtual grids. The position of the projected resultsbecome inputs A to calculate the trajectory. The next stage of testing conductedin the field Rotunda UI with the use of GPS in lieu grid. The results of this studyreported how hexacopter will act with the implementation of the intelligence tocontrol a semi automatic movement.

Abstrak :
Kemajuan teknologi mengiringi kemajuan UAV yang membuat peneliti terus untuk mengembangkannya. Hexacopter yang merupakan salah satu jenis UAV, saat ini telah banyak diteliti untuk berbagai kepentingan seperti pemetaan, monitoring, aerial photography dan lain-lain. Hexacopter ini memiliki enam rotor sebagai penggeraknya yang berada pada keenam sisi frame-nya. Kelebihan hexacopter ini adalah kemampuan dalam mengangkat bebn yang cukup besar, daya yang lebih besar dan safety saat ada kegagalan pada salah satu rotornya. Namun permasalahan yang timbul yakni kesulitan dalam upaya untuk mengendalikan hexacopter secara autonomous agar dapat terbang stabil terutama saat ada gangguan dan juga dengan beban yang cukup berat. Selain itu menjaga pergerakan hexacopter mengikuti trajectory juga menjadi permasalahan yang sulit apalagi sistem hexacopter ini memiliki karakteristik yang nonlinier, multi input multi output MIMO. Pada penelitian ini dirancang platform hexacopter heavy-lift yang memiliki diameter 2.4 meter, dan payload yang mampu dibawa mencapai 40 kg. Sehingga dengan platform yang besar dan berat tentunya pengendalian menjadi lebih sulitHal inilah yang menjadi topik dari penelitian ini yaitu merancang sistem kendali yang dapat menjaga pergerakan hexacopter secara autonomous mengikuti trajectory. Untuk mewujudkan tujuan tersebut, pada penelitian ini digunakan algoritma kendali Direct Inverse Control-Neural Network dengan metode Elman Recurrent Neural Network DIC-ERNN. Metode DIC-ERNN ini memiliki kelebihan mampu mengingat dan menyimpan hasil keluaran hidden layer pada contact layer sehingga terhindar dari overfitting. Kelebihan lainnya adalah algoritma ini mampu memprediksi karakteristik pada waktu didepannya t 1. Dengan demikian pola dan karakteristik dari trajectory yang diberikan dapat diprediksi oleh pengendali ini. Berdasarkan hasil pengujian pada penelitian ini, didapatkan bahwa kendali DIC-ERNN mampu menunjukkan performa yang baik dalam mengikuti trajectory yang diberikan dengan nilai MSE yang kecil pada pengujian dengan data terbang, profile reference yang berbentuk helix serta profile reference double helix. Bila dibandingkan dengan algoritma Back Propagation Neural Network DIC-BPNN yang juga memiliki nilai MSE kecil, DIC-ERNN menunjukkan performance yang lebih baik khususnya pada saat diberikan uji impulsif fungsi doublet sebagai asumsi adanya gangguan. Pengendali DIC-ERNN menunjukkan kemampuan kembali pada kondisi steady state dengan settling time yang cepat dan tidak terdapat osilasi sedangkan pada pengendali DIC-BPNN terdapat osilasi meskipun settling time-nya juga cukup cepat. ...... Technological advances make researchers continue to develop UAV technology. Hexacopter is one type of UAV, has been widely researched for various interests such as mapping, monitoring, aerial photography and others. The Hexacopter has six rotors as the driving force on all six sides of the frame. The advantages of this hexacopter are the ability to lift a large enough load, greater power, and safety when there is a failure on one of its rotor. However, the problem that arises is the difficulty to control the hexacopter autonomously in order to fly stable, especially when there are disturbances and heavy loads. In addition, other difficulties are keeping the hexacopter movement following trajectory because the hexacopter system has nonlinear characteristics, and multi input multi output MIMO. In this study, designed heavy lift hexacopter platform that has a diameter of 2.4 meters, and payload weight that can carry up to 40 kg. Thus, large and heavy platforms make control more difficult.Therefore, the topic of this research is to design a control system that can keep the hexacopter movement autonomously following the trajectory. To achieve the goal, this research uses the Direct Inverse Control Neural Network control algorithm with Elman Recurrent Neural Network DIC ERNN method. This DIC ERNN method has the advantage of being able to remember and store the hidden layer output on the contact layer so that it can avoid overfitting. Another advantage is that this algorithm can predict the characteristics at the time in front of it t 1. Thus, the pattern and characteristics of the given trajectory can be predicted by this controller. Based on the results of the tests in this study, it was found that the control of DIC ERNN was able to show good performance in following trajectory given with small MSE value in testing with flying data, reference profile in the form of helix and reference double helix profile. When compared to the Back Propagation Neural Network DIC BPNN algorithm which also has a small MSE value, DIC ERNN performs better performance, especially when given the impulsive test doublet function as an assumption of the disturbance. The DIC ERNN controller shows the ability to return to steady state conditions with fast settling time and no oscillation while on the DIC BPNN controller, there is oscillation although settling time is also quite fast.