Estimasi Posisi Autonomous Surface Vehicle Menggunakan Metode Ensemble Kalman Filter dengan Kendali Gerak PID

Dewi, Rahmarani Puspita (2021) Estimasi Posisi Autonomous Surface Vehicle Menggunakan Metode Ensemble Kalman Filter dengan Kendali Gerak PID. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 06111740000072-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Autonomous Surface Vehicle (ASV) merupakan sebuah kapal permukaan air yang dapat bergerak tanpa awak atau secara otomatis. Salah satu contoh dari ASV adalah intelligent boat (i-BOAT) yang kembangkan oleh ITS. Dikarenakan ASV bergerak tanpa awak, maka diperlukan suatu sistem pengendalian untuk menjaga agar ASV dapat bergerak teratur sesuai dengan yang diinginkan. Oleh karena itu, dalam Tugas Akhir ini dilakukan pengendalian pada model nonlinier ASV 3DOF (surge, sway dan yaw) menggunakan metode Proportional Integral Derivative (PID). Metode PID digunakan untuk mengendalikan agar ASV bergerak mengikuti lintasan yang diinginkan dengan kecepatan tertentu. Selanjutnya, dilakukan estimasi untuk memantau bagaimana posisi ASV setelah dilakukan pengendalian, menggunakan metode Ensemble Kalman Filter (EnKF). Terdapat dua skenario yang diterapkan. Skenario pertama yaitu agar ASV bergerak mengikuti lintasan y=0 dengan posisi awal ASV berada pada lintasan (on track) dan kecepatan surge u=10 m/s. Skenario kedua yaitu agar ASV bergerak mengikuti lintasan y=7 dengan posisi awal ASV berada di luar lintasan (off track) dan kecepatan surge u=5 m/s. Hasil simulasi menunjukkan bahwa metode PID dapat mengendalikan kecepatan surge, sudut yaw dan posisi ASV dengan baik pada kedua skenario dengan performa yang telah memenuhi desain kriteria.Untuk estimasi posisi ASV, membangkitkan 300 ensemble memiliki akurasi yang lebih baik daripada membangkitkan 50 dan 100 ensemble di kedua skenario keadaan. Pada skenario pertama, menghasilkan nilai rata-rata RMSE untuk posisi x sebesar 0,0030558 dan posisi y sebesar 0,0030554. Sedangkan pada skenario kedua memiliki nilai rata-rata RMSE untuk posisi x sebesar 0,0031817 dan posisi y sebesar 0,0031831.
=========================================================================================================
Autonomous Surface Vehicle (ASV) is a vehicle in form of a ship on the surface of the water that can move whitout a crew on it or operate automatically. One example of ASV is intelligent boat (i-BOAT) which was developed by ITS. Due to the ASV moves without crew, a control system is needed to keep the ASV moving regularly. Therefore, in this Final Project, ASV motion control is performed on a nonlinear 3DOF model (surge, sway and yaw) using Proportional Integral Derivative (PID) method. The PID method is used to control the ASV to move along the desired trajectory at a certain speed. Furthermore, an estimation is made to determine how the ASV position will be after controlling. Position estimation is using Ensemble Kalman Filter (EnKF) method. There are two scenarios applied, first for the ASV to follow y=0 track with the ASV's initial position being on the track and surge speed u=10 m/s. Second, for the ASV to follow y=7 track with the ASV's initial position being off the track and surge speed u=5 m/s. The simulation results show that the PID method can control the surge speed, yaw angle and ASV position well in both scenarios with performance that comply the design criteria. For ASV position estimation, generating 300 ensembles has better accuracy than generating 50 and 100 ensembles in both scenarios. In the first scenario, the average RMSE value for position x is 0.0030558 and position y is 0.0030554. While in the second scenario, the average RMSE value for position x is 0.0031817 and position y is 0.0031831.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Autonomous Surface Vehicle (ASV), Ensemble Kalman Filter (EnKF), Estimation, Intelligent Boat (i-BOAT), Proportional Integral Derivative (PID), Autonomous Surface Vehicle (ASV), Ensemble Kalman Filter (EnKF), Estimasi, Intelligent Boat (i-BOAT), Proportional Integral Derivative (PID)
Subjects:	Q Science > QA Mathematics > QA402.3 Kalman filtering. T Technology > TJ Mechanical engineering and machinery > TJ223 PID controllers
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Rahmarani Puspita Dewi
Date Deposited:	26 Aug 2021 21:35
Last Modified:	26 Aug 2021 21:35
URI:	http://repository.its.ac.id/id/eprint/90141

Actions (login required)

View Item