Kendali Gerak Kapal Tanpa Awak Akibat Adanya Kesalahan Aktuator Dengan Adaptive Extended Kalman Filter-Model Predictive Control (AEKF-MPC)

Damayanti, Erlyana Trie (2024) Kendali Gerak Kapal Tanpa Awak Akibat Adanya Kesalahan Aktuator Dengan Adaptive Extended Kalman Filter-Model Predictive Control (AEKF-MPC). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6002221018-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (8MB) | Request a copy

Abstract

Kapal tanpa awak atau Unmanned Surface Vessel (USV) telah menjadi terobosan teknologi maritim yang efektif dalam memperluas cakupan eksplorasi, pengawasan, dan pengelolaan sumber daya laut. Namun, USV rentan terhadap potensi kerusakan pada aktuator seperti propeler atau sistem kendali yang mengatur pergerakan dan fungsional USV. Sehingga dapat mempengaruhi kemampuan kapal dalam menjalankan tugasnya. Oleh karena itu, penting untuk memastikan bahwa USV dapat bekerja secara optimal. Pada penelitian ini, akan dirancang suatu kendali yang dapat mengkompensasi adanya kesalahan dan noise pada USV. Model yang digunakan merupakan model matematika gerak kapal extended korvet SIGMA dengan 2 Degree of Freedom mencakup gerak sway dan yaw, dengan pengaruh adanya kesalahan pada aktuator dan noise. Tesis ini menggunakan metode Adaptive Extended Kalman Filter (AEKF) untuk mengestimasi variabel keadaan dan kesalahan agar dapat digunakan sebagai bagian dari perancangan kendali optimal dengan menggunakan Model Predictive Control (MPC). Pada Tesis ini diusulkan dua mekanisme AEKF-MPC, yaitu (1) AEKF-MPC1 yang memiliki mekanisme kendali dengan menggunakan kontrol penuh untuk menyelesaikan permasalahan sistem dan mengompensasi kesalahan aktuator (2) AEKF-MPC2 yang memisahkan kendali untuk sistem bebas kesalahan dan kendali tambahan untuk mengkompensasi kesalahan aktuator. Berdasarkan eksperimen hasil simulasi, metode AEKF-MPC1 dan AEKF-MPC2 dapat mengontrol pergerakan kapal untuk mengikuti lintasan referensi yang diberikan meskipun terjadi kesalahan aktuator dan noise. Keluaran sistem yang dihasilkan juga mampu memenuhi nilai batasan-batasan yang ditentukan. Hasil penelitian yang diperoleh dari Tesis ini dapat memberikan pandangan kedepan mengenai pengembangan kendali USV dan berkontribusi meningkatkan keilmuan teknologi kemaritiman.
=========================================================================================================================
Unmanned surface vessels (USV) have become an effective maritime technology breakthrough in expanding the scope of exploration, surveillance and management of marine resources. However, USV are vulnerable to potential damage to actuators such as propellers or control systems that govern the movement and functionality of the USV. This can affect the vessel’s ability to perform its duties. Therefore, it is important to ensure that the USV can work optimally. In this research, a control will be designed that can compensate for errors and noise in the USV. The model used is a mathematical model of the motion of the SIGMA corvette with 2 Degree of Freedom including sway and yaw motion, with the influence of errors in the actuator and noise. This thesis uses the Adaptive Extended Kalman Filter (AEKF) method to estimate the state variables and faults in order to be used as part of the optimal control design using Model Predictive Control (MPC). In this thesis, two AEKF-MPC mechanisms are proposed, namely (1) AEKF-MPC1 which has a control mechanism using full control to solve the system problem and compensate actuator faults (2) AEKF-MPC2 which separates control for the error-free system and additional control to compensate actuator faults. Based on simulation experiments, the AEKF-MPC1 and AEKF-MPC2 methods can control the movement of the ship to follow the given reference trajectory despite actuator faults and noise. The resulting system outputs are also able to satisfy the specified boundary values. The research results obtained from this thesis can provide insight into the development of USV control and contribute to improving the science of maritime technology.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Ship extended corvette SIGMA, actuator fault, Adaptive Extended Kalman Filter, Model Predictive Control, Kapal Extended Korvet SIGMA, Kesalahan Aktuator, Adaptive Extended Kalman Filter, Model Predictive Control.
Subjects:	Q Science > QA Mathematics > QA401 Mathematical models. Q Science > QA Mathematics > QA402.3 Kalman filtering. Q Science > QA Mathematics > QA76.9.F38 Fault-tolerant computing
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44101-(S2) Master Thesis
Depositing User:	Erlyana Trie Damayanti
Date Deposited:	08 Aug 2024 04:29
Last Modified:	08 Aug 2024 04:29
URI:	http://repository.its.ac.id/id/eprint/113609

Actions (login required)

View Item