Perancangan Sistem Pengendali Fuzzy PID dengan Optimasi Berbasis Particle Swarm Optimization untuk Robot Manipulator Paralel Friction Stir Welding 3-PUU

Rafli, Muhammad (2023) Perancangan Sistem Pengendali Fuzzy PID dengan Optimasi Berbasis Particle Swarm Optimization untuk Robot Manipulator Paralel Friction Stir Welding 3-PUU. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02111940000168-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Friction Stir Welding (FSW) merupakan bentuk dari metode pengelasan solid state dengan memanfaatkan temperatur tinggi yang diakibatkan oleh gesekan antara pahat saat berputar dan permukaan benda kerja. Pada saat ini, mesin FSW yang dikembangkan dengan memanfaat industri robot atau manipulator. Pada penelitian ini, manipulator yang digunakan adalah manipulator paralel. Tentunya robot manipulator paralel membutuhkan adanya sistem pengendali untuk menggerakan limb. Namun untuk meningkatkan akurasi pada pengendali, penulis mengusulkan implementasi logika fuzzy pada pengendali PID atau dapat disebut dengan pengendali Fuzzy PID agar dapat menjadikan sistem pengendali yang robust. Pada logika fuzzy, terdapat parameter-parameter dari Fuzzy Inference System (FIS) yang perlu dioptimalkan agar mencapai respon dengan error sekecil mungkin. Salah satu metode yang efektif digunakan dalam mengoptimasi FIS adalah Particle Swarm Optimization. Pada penelitian ini, performa dari pengendali Fuzzy PID yang telah dioptimasi menggunakan PSO akan dibandingkan dengan PID konvensional. Pada penelitian ini, tahap pertama yang dilakukan adalah menentukan transfer function yang akan diaplikasikan untuk plant, kemudian melakukan tuning pada pengendali PID konvensional menggunakan PID Tuner serta melakukan tuning pada parameter FIS menggunakan metode optimasi particle swarm dengan cost function berupa Integral Absolute Error (IAE). Kemudian, dilakukan simulasi perbandingan performa antara pengendali Fuzzy PID yang telah dioptimasi menggunakan PSO dengan PID konvensional sebagai sistem pengendali dari manipulator paralel pada mesin friction stir welding. Dengan diterapkannya metode optimasi PSO pada pengendali Fuzzy PID, maka dapat diperoleh sistem pengendali yang robust serta dapat memberikan respon yang optimal dengan error sekecil mungkin. Berdasarkan hasil penelitian, rise time dan settling time pada pengendali Fuzzy PID yang telah dioptimasi menggunakan PSO adalah 29,15% dan 69,18% lebih kecil apabila dibandingkan dengan pengendali PID. Selanjutnya, nilai IAE yang diperoleh oleh Fuzzy PID PSO lebih kecil 48,3% apabila dibandingkan dengan pengendali PID. Dapat disimpulkan bahwa pengendali Fuzzy PID yang telah dioptimasi menggunakan PSO merupakan pengendali yang lebih baik dengan nilai IAE sebesar 0,002714 dan tidak memiliki overshoot. Dapat disimpulkan bahwa pengendali Fuzzy PID setelah dioptimasi dengan metode PSO merupakan pengendali yang robust, dimana pengendali Fuzzy PID PSO dapat merespon input trajektori yang berbeda dengan baik dan konsiten.
================================================================================================================================
Friction Stir Welding (FSW) is a form of solid-state welding method that utilizes high temperatures generated by friction occurring between a rotating tool and the workpiece's surface. Currently, many FSW machines are being developed using industrial robots or manipulators. In this study, a parallel manipulator is used. Certainly, a parallel manipulator requires a control system to move its limbs. To enhance control accuracy, the author proposes implementing fuzzy logic in the PID controller, also known as Fuzzy PID controller, to make the control system robust. In fuzzy logic, there are parameters in the Fuzzy Inference System (FIS) that need to be optimized to achieve the smallest error response possible. One effective method used to optimize the FIS is Particle Swarm Optimization (PSO). In this study, the performance of the Fuzzy PID controller that has been optimized using PSO will be compared with the conventional PID controller. In the first stage of the research, the transfer function to be applied to the plant will be determined, then tuning will be performed on the conventional PID controller using PID Tuner, and tuning of the FIS parameters will be done using the particle swarm optimization method with the cost function being the Integral of Absolute Error (IAE). For the final step, a conclusion will be drawn regarding the performance comparison between the Fuzzy PID controller that has been optimized using PSO and the conventional PID controller as the control system of the parallel manipulator in the Friction Stir Welding machine. By implementing the PSO optimization method in the Fuzzy PID controller, a robust control system can be obtained, providing an optimal response with minimal error. Based on the research results, the rise time and settling time of the Fuzzy PID controller that has been optimized using PSO are 29.15% and 69.18% smaller, respectively, compared to the PID controller. Furthermore, the Integral of Absolute Error (IAE) obtained by Fuzzy PID PSO is 48.3% smaller than the PID controller. It can be concluded that the Fuzzy PID controller, after being optimized using PSO, is a better controller with an IAE value of 0.002714 and no overshoot. In summary, the Fuzzy PID controller optimized with the PSO method is robust, as it can respond well and consistently to different inputs.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	FSW, Robot Manipulator Paralel, PID, Fuzzy, PSO, Parallel Manipulator Robot
Subjects:	Q Science > QA Mathematics > QA9.64 Fuzzy logic T Technology > TJ Mechanical engineering and machinery > TJ211.4 Robot motion T Technology > TJ Mechanical engineering and machinery > TJ217.2 Robust control T Technology > TJ Mechanical engineering and machinery > TJ223 PID controllers
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Rafli
Date Deposited:	07 Aug 2023 07:16
Last Modified:	03 Apr 2024 04:48
URI:	http://repository.its.ac.id/id/eprint/103540

Actions (login required)

View Item