Implementasi Full State Feedback LQR dengan JST pada Kendali Ketinggian Quadrotor

Abstract

One type of unmanned aircraft that is often used today is quadrotor. This type of aircraft has the ability to take off vertically. This study implemented an altitude control system on the z-axis quadrotor. The control used is the full state method of Linear Quadratic Regulator (LQR) with artificial neural networks. The LQR full state feedback method used in this system is 12-states with each feedback constant K tuned to the neural network method. This study implements the artificial neural network method to change the feedback constant on the z-axis. Artificial neural network architecture used 12 input layers, 48 hidden layers, and 1 output layer. This study compares the value of the results of the simulation with the response value of the system implementation results applied to the quadrotor. Testing with full state LQR feedback using artificial neural networks improves the system response to ±0.77 seconds and improves steady state error values up to ±12 cm. Based on the results of these studies, this system can be implemented to control other systems. Intisari-Salah satu jenis pesawat tanpa awak yang sering digunakan saat ini adalah quadrotor. Pesawat jenis ini memiliki kemampuan untuk lepas landas secara vertikal. Makalah ini mengimplementasikan sistem kendali ketinggian pada sumbu z quadrotor. Kendali yang digunakan yaitu metode full state feedback Linear Quadratic Regulator (LQR) dengan jaringan saraf tiruan. Metode full state feedback LQR yang digunakan pada sistem ini adalah dua belas state dengan masing-masing konstanta feedback K ditala dengan metode jaringan saraf tiruan. Makalah ini mengimplementasikan metode jaringan saraf tiruan untuk mengubah konstanta feedback pada sumbu z. Arsitektur jaringan saraf tiruan yang digunakan yaitu dua belas input layer, 48 hidden layer, dan satu output layer. Makalah ini membandingkan nilai hasil simulasi dengan nilai respons sistem hasil implementasi yang diterapkan pada quadrotor. Pengujian dengan full state feedback LQR menggunakan jaringan saraf tiruan memperbaiki respons sistem hingga ±0,77 detik serta perbaikan nilai steady state error hingga ±12 cm. Berdasarkan hasil penelitian tersebut, sistem ini dapat diimplementasikan kendali pada sistem yang lain.

Model Penahan Ketinggian Quadrotor Berbasis PID dengan Jaringan Syaraf Tiruan Propagasi Mundur

“…Keadaan tersebut diperoleh dengan cara memberikan sistem kendali pada quadrotor yang sesuai dengan peruntukannya [8]. Salah satu sistem kendali yang penting dalam sistem quadrotor adalah sistem kendali ketinggian [9]. Kendali ketinggian akan mengendalikan ketinggian quadrotor sesuai dengan ketinggian yang diinginkan walaupun ada gangguan, seperti angin dan beban quadrotor itu sendiri.…”

“…Hal tersebut membuat (7) dapat disederhanakan menjadi (8). Persamaan ( 9) menujukkan gerakan translasi yang bekerja pada sumbu z [9]. = − .…”

“…Node lapisan tersembunyi didapatkan dari nilai 1 dan 2 yang dikalikan dengan bobot pada jaringan masukan menuju lapisan tersembunyi sehingga menghasilkan nilai ′ 1 , ′ 2 , dan ′ 3 . Masukan dari lapisan tersembunyi menggunakan (16) [9].…”

“…Propagasi mundur pada sistem JST ini akan mengubah nilai bobot JST berdasarkan nilai bobot sebelumnya dan nilai error yang terjadi selama jaringan ini digunakan. Hal tersebut terlihat pada (17) [9].…”

“…Perubahan nilai konstanta proporsional ini hanya terjadi saat error berubah menyesuaikan referensi yang berubah. Hal ini sesuai dengan tujuan konstanta proporsional yaitu untuk memberikan respons yang cepat jika memiliki nilai yang besar [9]. Pada Gbr.…”