Modifikasi NMPC dengan AKF Untuk Kendali Kapal Tanpa Awak dalam Mengkompensasi Kesalahan Sensor

MN, Wahyu Tria Istighosah (2025) Modifikasi NMPC dengan AKF Untuk Kendali Kapal Tanpa Awak dalam Mengkompensasi Kesalahan Sensor. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6002221022-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Kapal tanpa awak atau Unmanned Surface Vehicle (USV) merupakan kendaraan permukaan laut yang sering digunakan di bidang militer karena kemampuannya menghemat tenaga, waktu, serta biaya operasional. Dalam pengoperasiannya, USV memiliki komponen yang sangat penting, salah satunya adalah sensor. Apabila sensor pada USV tidak berfungsi dengan baik, kapal dapat kehilangan kemampuannya dalam bernavigasi. Hal ini dapat meningkatkan risiko tabrakan, baik antar kapal maupun dengan objek di sekitarnya, akibat pembacaan posisi yang tidak akurat. Secara matematis, permasalahan ini dapat diminimalkan dengan mendesain kendali yang memungkinkan kapal mengkompensasi kesalahan yang terjadi, sebuah konsep yang dikenal sebagai Fault Tolerant Control (FTC). Dalam penelitian ini, pendekatan yang digunakan adalah Adaptive Kalman Filter (AKF) dan Nonlinear Model Predictive Control (NMPC) standar. Kesalahan sensor dinotasikan dengan parameter (θ), yang merepresentasikan besarnya dampak pada kapal akibat sinyal sensor yang salah. Hasil simulasi pada proses estimasi menunjukkan bahwa diagnosis kesalahan sensor menggunakan AKF cukup akurat. Dengan memberikan variasi terhadap parameter lupa λ dan Af, nilai Root Mean Square Error (RMSE) pada kesalahan sensor selalu berada dalam rentang 0 hingga 1. Sementara itu, simulasi pada FTNMPC menunjukkan bahwa kendali yang dirancang dengan batasan input |u(k)| ≤ 35◦ dan batas increment input |∆u(k)| ≤ 5◦ mampu mengkompensasi model matematika gerak kapal Extended Korvet SIGMA pada rentang kesalahan sensor tertentu. Rentang maksimal kesalahan sensor pada masing-masing parameter adalah θ =[2◦ 200m 200m]^T. Namun, ketika kesalahan sensor yang diberikan terlalu besar, kendali FTNMPC mulai mengalami deviasi dari referensi yang telah ditentukan karena nilai output u tidak cukup besar untuk mengatasi kesalahan tersebut. Selain itu, selama proses FTNMPC, deviasi dari referensi juga terjadi pada tahap awal pemberian kesalahan sensor.
========================================================================================================================
Unmanned Surface Vehicles (USVs) are maritime surface vehicles commonly utilized in the military field due to their ability to save energy, time, and operational costs. In operation, USVs rely heavily on critical components, one of which is the sensor. If the sensor on a USV malfunctions, the vessel may lose its navigational capabilities. This increases the risk of collisions, either with other vessels or surrounding objects, caused by inaccurate position readings. Mathematically, this issue can be mitigated by designing a control system that compensates for such faults, a concept known as Fault Tolerant Control (FTC). In this study, the approach combines the Adaptive Kalman Filter (AKF) and standard Nonlinear Model Predictive Control (NMPC). Sensor faults are denoted by the parameter (θ), representing the magnitude of the impact on the vessel due to faulty sensor signals. Simulation results for the estimation process show that AKF achieves high accuracy in diagnosing sensor faults. By varying the forgetting factor λ and Af parameters, the Root Mean Square Error (RMSE) of sensor faults consistently falls within the range of 0 to 1. Meanwhile, simulations of FTNMPC demonstrate that the designed control system, with input constraints |u(k)| ≤ 35◦ and input increment limits |∆u(k)| ≤ 5◦, is capable of compensating for the mathematical motion model of the Extended SIGMA Corvette within a certain range of sensor faults. The maximum sensor fault range for each parameter is defined as θ = [2◦ 200m 200m]^T. However, when the sensor faults exceed these limits, the FTNMPC control system begins to deviate from the predefined reference because the output value u is insufficient to counteract the faults. Additionally, during the FTNMPC process, deviations from the reference are also observed in the initial stages of introducing sensor faults.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Adaptive Kalman Filter, Kapal Extended Korvet Sigma,Kesalahan Sensor, Nonlinear Model Predictive Control, USV, Adaptive Kalman Filter, Kapal Extended Korvet Sigma, Nonlinear Model Predictive Control, Sensor Fault, USV.
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:	Wahyu Tria Istighosah MN
Date Deposited:	05 Feb 2025 08:47
Last Modified:	05 Feb 2025 08:48
URI:	http://repository.its.ac.id/id/eprint/118338

Actions (login required)

View Item