Desain Sistem Pengendali Proportional-Integral-Neural Network pada Prototype Turret Gun

Asadullah, Mas'ud (2018) Desain Sistem Pengendali Proportional-Integral-Neural Network pada Prototype Turret Gun. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
02111340000154-Undergraduate_Theses.pdf - Accepted Version

Download (2MB) | Preview

Abstract

Dalam penggunaan senjata otomatis, objek yang terdeteksi menjadi sasaran tembak. Oleh karena itu kecepatan dan akurasi menjadi faktor utama untuk diperhatikan. Berat dari senjata, mekanisme senjata, dan sensor pendeteksi gerak menjadi hal utama dalam mempengaruhi kecepatan dan akurasi. Selain 3 hal di atas terdapat faktor lain yang bisa meningkatkan kecepatan dan akurasi yaitu mengatur sistem pengendali yang sesuai untuk senjata otomatis. Pada tugas akhir ini, desain sistem pengendalian dirancang untuk pengendalian senjata otomatis terhadap sudut elevasi dan sudut rotasi. Sistem pengendalian yang digunakan adalah proportional-integral (PI). Sistem pengendalian ini membutuhkan nilai proportional gain (Kp) dan integral gain (Ki) untuk dijadikan sebagai nilai pengali error, nilai ini menjadi input sistem pengendali. Pada sistem pengendali PI ini hanya ditetapkan satu nilai Kp dan Ki untuk satu sistem. Karena itu metode neural network merupakan sistem yang dapat mengubah strukturnya untuk memacahkan masalah berdasarkan informasi yang ada. metode ini dapat membuat nilai Kp dan Ki bisa menyesuaikan terhadap input sistem yang masuk. Persamaan nilai Kp dan Ki tersebut diperoleh dari pelatihan neural nework. Dari tugas akhir ini, hasil rancangan sistem pengendali PINN yang telah dibangun mampu mengendalikan prototype turret gun. sudut rotasi didapatkan nilai %overshoot (%OS) tertinggi adalah 12,71% dan terendah adalah 0,00% Sedangkan untuk nilai rise time (RT) tertinggi adalah 0,45 detik dan terendah 0,14 detik. Untuk nilai steady-state error (SSE) tertinggi adalah 5,38 derajat dan terendah 0,87 derajat. Pada sudut elevasi didapatkan nilai %overshoot (%OS) tertinggi adalah 9,04% dan terendah adalah 0,00%. Sedangkan untuk nilai rise time (RT) tertinggi adalah 0,79 detik dan terendah 0,21 detik. Untuk nilai steady-state error (SSE) tertinggi adalah 4,52 derajat dan terendah 0,10 derajat. ================================================================================================================== Maximun function of automatic weapon, can be realize if can detected object became great subject firing. Therefore speed and accuracy are the main factors to be considered. The weight, mechanism, and motion detection sensors from weapon are the main things in affecting speed and accuracy. In addition that 3 things are factors to improve the speed and accuracy of setting up the appropriate control system for automatic weapons. In this final project, control system design is for automatic weapon control design of elevation angle and rotation angle. The control system used is proportional-integral (PI). This control system requires the value of proportional gain (Kp) and integral gain (Ki) to serve as the error multiplier value. This value becomes the control system input. In this PI controller system only one value of Kp and Ki that determined for one system. Therefore the neural network method is a system that can change its structure to mate the problem based on existing information. This method can make the Kp and Ki values adjust the input of the incoming system. The equation of Kp and Ki values are obtained from neural nework training. From this final task, the design of PINN control system that already been built is able to control the prototype turret gun. The highest presentase of Rotation angle obtained in overshoot (% OS) is 12.71% and the lowest is 0.00%. But for the highest rise time (RT) value is 0.45 seconds and the lowest 0.14 seconds. The highest steady-state error (SSE) is 5.38 degrees and the lowest is 0.87 degrees. At the highest persentase % of elevation angle overshoot (% OS) is 9.04% and the lowest is 0.00%. But in other hand the highest rise time (RT) is 0.79 seconds and the lowest 0.21 seconds. The highest steady-state error (SSE) is 4.52 degrees and the lowest is 0.10 degrees.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Senjata Otomatis; Neural Network; Proportional-Integral Control; Turret Gun; Sistem Pengendali;
Subjects: Q Science > QA Mathematics > QA336 Artificial Intelligence
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > TJ Mechanical engineering and machinery > TJ223 PID controllers
U Military Science > U Military Science (General)
Divisions: Faculty of Industrial Technology > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User: Mas'ud Asadullah
Date Deposited: 30 Jun 2021 07:15
Last Modified: 30 Jun 2021 07:15
URI: https://repository.its.ac.id/id/eprint/53420

Actions (login required)

View Item View Item