Estimasi Posisi Autonomous Car Menggunakan Metode Ensemble Kalman Filter (EnKF) dengan Kendali Gerak Sliding-Mode

Wahyantika, Azizah (2021) Estimasi Posisi Autonomous Car Menggunakan Metode Ensemble Kalman Filter (EnKF) dengan Kendali Gerak Sliding-Mode. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 06111740000018-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Autonomous car merupakan mobil tanpa awak yang dapat bergerak dengan penggerak yang mampu menjalankan perintah secara mandiri. Teknologi autonomous car saat ini semakin banyak dikembangkan, salah satunya yaitu ITS dengan menciptakan mobil pintar yang diberi nama intelligent car (i-Car). Dikarenakan autonomous car bergerak tanpa awak, maka dibutuhkan suatu pengendali agar geraknya dapat mengikuti lintasan yang diinginkan. Pada Tugas Akhir ini dilakukan kendali untuk dua skenario dengan menggunakan metode Sliding Mode Control (SMC). Skenario pertama adalah mengendalikan autonomous car agar bergerak disepanjang Y=0 dengan posisi awal terletak di lintasan (on track) dan yang kedua agar bergerak di sepanjang Y=7 dengan posisi awal terletak di luar lintasan (out track). Pengendalian ini sama-sama dilakukan dengan mengatur kecepatan surge agar berjalan dengan konstan. Selain itu untuk mengetahui respon dari kendali terhadap posisi autonomous car yang hasilnya mendekati kenyataan maka dilakukan estimasi posisi dengan menggunakan Ensemble Kalman Filter (EnKF). Hasil simulasi kendali untuk skenario pertama dan kedua menghasilkan respon kecepatan dan sudut yaw yang bergerak konstan pada setpoint dan geraknya sudah mengikuti lintasan yang diinginkan. Pada estimasi posisi untuk skenario pertama dan kedua memiliki rata-rata RMSE terkecil untuk data pengukuran saat membangkitkan 300 ensemble, dibandingkan dengan 100 dan 200 ensemble. Pada skenario pertama menghasilkan RMSE untuk posisi X sebesar 0,0108676 dan Y sebesar 0,0109203. Sedangkan pada skenario kedua menghasilkan RMSE untuk posisi X sebesar 0,0108658 dan Y sebesar 0,0108378.
====================================================================================================
Autonomous car is an unmanned car that can move which is able to carry out commands by itself. It is a technology which is being developed for further research. One of them are being delevoped by ITS whose creating an intelligent car called i-Car. Autonomous car requires a controller so that it can move along the desired track. This research will control the two scenarios using the Sliding Mode Control (SMC) method. The first scenario controls the autonomous car to move along the y=0 (on track). The second controls the autonomous car to move along the y=7 (out track). This control is equally done by setting to keep the speed constant. The control response to the autonomous car position shows that the results are close to reality, hence the estimation is carried out using Ensemble Kalman Filter (EnKF). The results of the first and second scenario shows that the speed and yaw angle respond constantly at the setpoint. The movement also follows the desired trajectory. The position estimation for the first and second scenario has the smallest RMSE when generating 300 ensembles besides 100 and 200 ensemble. In the first scenario, the RMSE for X is 0.0108676 and Y is 0.0109203. While the second produces RMSE for X is 0.0108658 and Y is 0.0108378.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Autonomous Car, Ensemble Kalman Filter (EnKF), Intelligent Car (i-Car), Sliding Mode Control (SMC), Autonomous Car, Ensemble Kalman Filter (EnKF), Intelligent Car (i-Car), Sliding Mode Control (SMC)
Subjects:	Q Science > QA Mathematics > QA402.3 Kalman filtering. T Technology > TJ Mechanical engineering and machinery > TJ217.2 Robust control T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL152.8 Vehicles, Remotely piloted. Autonomous vehicles.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Azizah Wahyantika
Date Deposited:	26 Aug 2021 06:47
Last Modified:	26 Aug 2021 06:47
URI:	http://repository.its.ac.id/id/eprint/90255

Actions (login required)

View Item