Learning Control System

Belajar – Berfikir – Berkreasi

Pengendali Modus Luncur/SMC Pada Robot Manipulator

Robot manipulator adalah sebuah robot yang secara mekanik dapat difungsikan untuk memindahkan, mengangkat dan memanipulasi benda kerja[11]. Model dinamika dari robot manipulator direpresentasikan dengan sistem persamaan matematika yang sifatnya non-linier. Selain dari itu, manipulator memiliki parameter-parameter inersia yang bergantung pada beban robot dan sifat fisis lainnya yang nilainya sulit diketahui secara pasti[5]. Tujuan utama kajian dinamika ini adalah untuk memperoleh rancangan kendali yang kokoh sehingga mampu meredam gangguan dengan baik. Masih banyak struktur-struktur robot yang komplek belum dikaji secara mendalam model dinamikanya oleh karena rumitnya persoalan pemodelan matemaika sistem robot, sifat fisik alami (friksi pada poros aktuator, backlash pada gearbox, noise pada sensor, non-linieritas dari aktuator, dan sebagainya) dan lingkungan (gangguan luar berupa efek pembebanan, jalan yang tidak rata, getaran, dan sebagainya). Dari persamaan dinamika ini kendali dasar dapat dirancangan secara sistematis.

Pada kasus dinamika robot yang rumit seringkali dibutuhkan bantuan kecerdasan buatan untuk mengidentifikasi model matematikanya. Lin dan Goldenberg (2001) menggunakan jaringan syaraf tiruan untuk mengidentifikasi model dan kendali yang sesuai untuk sebuah mobile manipulator. Sedangkan Sakka dan Chochron (2001) menggunakan algoritma genetika. Model sistem berbasis pengetahuan juga dapat digunakan sebagai pilihan untuk menyelesaikan masalah ketidakpastian dalam pemodelan dinamika seperti yang sudah dilakukan oleh Pitowarno (2001)[11].

Gabungan kendali kinematika dan dinamika yang baik akan menghasilkan kendali gerak robot yang kokoh. Hal ini merupakan tujuan utama dalam rancang bangun robot ideal. Namun demikian, dewasa ini penelitian tentang aplikasi kecerdasan buatan dalam kendali robot lebih banyak ditujukan untuk memperoleh kendali kinematik yang canggih. Terlebih kebutuhan akan metoda navigasi, pemetaan medan jelajah, kemampuan untuk menghindari halangan, dan kemampuan untuk menghindari tabrakan sesama robot masih dianggap lebih utama daripada mengkaji kesempurnaan dan kepresisian gerak robot.

Untuk menghindari permasalahan yang akan timbul akibat ketidaklinieran dan kerumitan model sistem serta ketidakpastian parameter sistem, akan dipelajari sebuah metoda kendali yang kokoh yang dapat mengantisipasi permasalahan-permasalahan tersebut. Pengendali Modus Luncur (PML) cocok untuk diterapkan pada robot manipulator karena memiliki kekokohan yang baik dalam megendalikan sistem linier maupun non-linier

Manfaat utama dari sistem kendali yang menggunakan metoda modus luncur adalah sifat ketidaksensitifannya terhadap perubahan parameter dan gangguan jika telah berada dalam kondisi luncur, yaitu kondisi pada saat dinamika sistem telah berada pada permukaan luncur. Hal ini memberikan implikasi terjaminnya kestabilan dan sekaligus hilangnya keharusan untuk menciptakan pemodelan yang sangat presisi. Modus luncur juga membuat terjadinya reduksi terhadap orde sistem, sehingga mengurangi kompleksitas perancangan sistem kendali.

Pada prinsipnya, PML menggunakan sebuah hukum kendali pensaklaran berkecepatan tinggi untuk membawa trayektori status dari sistem linier/non-linier ke dalam sebuah permukaan tertentu dalam ruang status (disebut permukaan luncur), kemudian trayektori status tersebut dipelihara agar tetap meluncur pada permukaan tersebut.

Namun ada beberapa kendala dalam menggunakan PML, yaitu memilih konstanta permukaan luncur (S) dan penguat pensaklaran (k). Kedua parameter kendali ini sangat berpengaruh terhadap stabilisasi sistem dipermukaan luncur dan kecepatan tanggapan waktu dari sistem. Dalam memilih parameter-parameter PML ini, beberapa penelitian sebelumnya sudah dilakukan, diantaranya: Young et al. menggunakan sebuah umpan balik penguatan yang tinggi untuk mempercepat tanggapan transien menuju permukaan luncur, tetapi metoda ini berakibat pada peningkatan osilasi sepanjang permukaan luncur dimana fenomena ini sangat tidak diinginkan oleh sistem fisik[3]. Untuk memperkecil tanggapan waktu dan fenomena osilasi ini, Ching-Chang Wong dan Shin-Yu Chang[3] melakukan optimisasi pemilihan penguat pensaklaran  dengan algoritma genetika. Metoda optimisasi yang hanya memperhatikan penguat pensaklaran hanya dapat memperkecil tanggapan waktu atau fenomena osilasi saja. Ng dan Li[4] melakukan optimisasi 9 buah parameter hard-switching dengan algoritma genetika. Selain dibutuhkan waktu komputasi yang cukup lama, juga hasilnya masih memperkecil fenomena osilasi saja. Riko[7] dalam tesisnya, “perancangan pengendali modus luncur untuk motor listrik” melakukan penalaan parameter penguat pensaklaran dan permukaan luncur dengan uji coba. Metoda ini belum efektif dalam memecahkan permasalahan fenomena osilasi dan memperkecil tanggapan waktu sistem.

Dalam penelitian ini, diajukan sebuah metoda algoritma genetika untuk mengoptimisasi pemilihan penguat pensaklaran dan konstanta permukaan luncur secara simultan. PML dengan optimisasi algoritma genetika akan diaplikasikan pada robot PUMA 260 2-Degree Of Freedom (DOF). Metoda PML dengan optimisasi algoritma genetika digunakan untuk mengendalikan pergerakan posisi dan kecepatan pergerakan lengan robot. Penelitian sebelumnya sudah dilakukan dengan plant yang sama dengan metoda kendali yang digunakan adalah Backstepping Adaptive[12]. Metoda kendali ini digunakan untuk mengendalikan posisi dan kecepatan pergerakan lengan robot arah vetikal dan horizontal. Galat keadaan tunak sebesar 0.5 derajat dan masih terjadi overshoot. Dengan metoda kendali modus luncur diharapkan dapat memperbaiki waktu tanggapan peralihan, memperkecil galat keadaan tunak dan menghilangkan overshoot yang terjadi ketika menggunakan metoda kendali backstepping.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Information

This entry was posted on July 5, 2009 by in Aplikasi.

Navigation

%d bloggers like this: