Kendali Adaptif Neuro Fuzzy PID pada Sikap Lateral dan Sikap Longitudinal Pesawat Tanpa Awak Fixed Wing
Abstract
Unmanned Aerial Vehicle (UAV) atau pesawat tanpa awak khususnya jenis fixed wing banyak digunakan untuk melaksanakan berbagai misi, yaitu misi sipil maupun misi militer. Untuk mendukung pelaksanaan misi tersebut maka diperlukan pengembangan sistem kendali otomatis (autopilot) cerdas. Pada penelitian ini dikembangkan sistem autopilot dengan kendali adaptif neuro fuzzy PID untuk pengendalian gerak lateral (pitch) dan gerak longitudinal (roll), dengan mengambil keunggulan dari kendali PID, fuzzy dan neural network, sehingga dapat dibentuk kendali yang kokoh dan dapat menangani kondisi yang tidak linier yang dialami oleh pesawat. Penelitian ini bertujuan untuk mengetahui performa kendali adaptif neuro fuzzy PID pengendali gerak longitudinal dan gerak lateral pada pesawat tanpa awak fixed wing. Kendali adaptif neuro fuzzy PID mampu mengendalikan gerak lateral dan gerak longitudinal pesawat dan mampu mengkompensasi adanya gangguan dari faktor lingkungan yang dialami oleh pesawat pada saat terbang, seperti perubahan arah dan kecepatan angina yang menyebabkan perubahan sikap pesawat. Pengujian dilakukan menggunakan wahana pesawat jenis Sky Surfer. Karakteristik pengendalian kendali adaptif neuro fuzzy PID pada gerak lateral dan longitudinal relatif sama. Kendali adaptif neuro fuzzy PID mempunyai performa yang lebih baik daripada kendali fuzzy PID, yaitu mempunyai settling time lebih cepat dan mempunyai prosentase overshoot maksimum lebih rendah diripada fuzzy PID.
Downloads
References
Manggala, PA., Purwarupa Air Data,Attitude, and Heading Reference System untuk Pesawat Terbang Tanpa Awak Sayap Tetap, Skripsi, Yogyakarta : Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Gadjah Mada, 2012.
Markin, S., Multiple Simultaneous Specification Attitude Control Of A Mini Flying- Wingunmanned Aerial Vehicle, Kanada: Graduate Department of Mechanical and Industrial Engineering, University of Toronto, 2010.
Crasta, A, Khan, SA., Effect Of Angle Of Incidence On Stability Derivatives Of A Wing. National Conference on Challenges in Research & Technology in the Coming Decades (CRT 2013). Ujire, India, 2013.
Rui, W, Zhou, Z, Yanhang, S., Robust Landing Control and Simulation for Flying Wing UAV. IEEE Proceedings of the 26th Chinese Control Conference, 2007 ; 26-31.
Li, Y, Chen, C, Chen, W. Research On Longitudinal Control Algorithm For Flying Wing Uav Based On Lqr Technology, International Journal On Smart Sensing And Intelligent Systems . 2013; 6(5): 2155-2181.
Parhi, DR., A New Intelligent Motion Planning for Mobile Robot Navigation using Multiple Adaptive Neuro-Fuzzy Inference System, NSP An International Journal Applied Mathematics & Information
Science, 2014 ; 8(5):2527-2535.
Irmawan E., Priyambodo T. K., Sofyan E., Sistem Kendali Adaptif Neuro-Fuzzy PID pada Kapal Katamaran Tanpa Awak, Jurnal Teknika STTKD, 2016 ; 3(2): 5-16.
Sierra, J.E., Peñas, S.M., Modelling engineering systems using analytical and neural techniques: Hybridization, Neurocomputing, 2016, 271. 10.1016/j.neucom.2016.11.099.
Jiang, F., Pourpanah, F., Hao, Q., Design, Implementation and Evaluation of a Neural Network Based Quadcopter UAV System, IEEE Transactions on Industrial Electronics, 2019, PP. 1-1. 10.1109/TIE.2019.2905808.
Pitowarno, E., Robotika Desain, Kontrol, dan Kecerdasan Buatan, Andi, Yogyakarta, 2006.
Fatkhurrozi, B, Muslim, MA dan Didik RS, Penggunaan Artificial Neuro Fuzzy Inference Sistem (ANFIS) dalam Penentuan Status Aktivitas Gunung Merapi. Jurnal EECCIS, 2012, Vol. 6(2): 113-118.
Irmawan, E., Mulyono, P., Kendali Fuzzy-PID pada Sikap Longitudinal dan Sikap Lateral Pesawat Tanpa Awak Fixed Wing, APPROACH : Jurnal Teknologi Penerbangan. 2018, Vol 2 No 2.
