Pengendali Robot Bergerak Berbasis Perilaku Menggunakan Particle

Swarm Fuzzy Controller

Nama : Edo RamadhaniNIM : 09101002021

Kelas : IF A 2010Jurusan : Teknik Informatika

Fakultas : Ilmu Komputer

Mata Kuliah : Struktur Diskrit IDosen Pembimbing : Des Alwine Z, M.Si

UNIVERSITAS SRIWIJAYA INDRALAYA

TAHUN AJARAN 2010 / 2011

BAB IPENDAHULUAN

I. I Latar Belakang

Aplikasi industri dan teknik robot yang bergerak terus meningkat secara signifikan, baik dari sisi keandalan, akses, maupun harga. Dan salah satu bidang yang cukup diminati dalam kategori robot bergerak adalah robot bergerak berbasis perilaku. Dimana didalamnya dibutuhkan suatu pengendali robot yang ideal. Pengendali ni diharapkan mampu menghasilkan aksi perilaku yang sempurna dalam mengatasi masalah yang menjadi konflik pada saat robot sedang bergerak. Salah satu teknik pengendali yang dipakai untuk mengatasi masalah ini yaitu pengendalian yang berbasiskan kepada logika fuzzy.

I. II Rumusan Masalah

Salah satu masalah dalam aplikasi ini adalah apa yang akan dilakukan robot pada saat berhadapan dengan keadaan dimana terdapat dua perilaku yang saling bertentangan ?

I. III Tujuan

Makalah ini bertujuan untuk mempresentasikan sebuah pendekatan untuk menyelesaikan masalah perancangan perilaku pada robot bergerak dengan menggunakan suatu pengendali berbasis Logika Fuzzy dengan memanfaatkan teknik Particle Swarm Optimization (PSO), dimana teknik tersebut digunakan untuk mendapatkan parameter logika fuzzy yang optimal secara otomatis.

BAB IIPEMBAHASAN

II. I Robot Bergerak Berbasis Perilaku

Metode bergerak berbasis perilaku adalah suatu pendekatan yang diambil dari suatu system biologis, dimana setiap suatu sistem direpresentasikan sebagai kumpulan partikel yang disusun secara parallel. Setiap partikel disebut sebagai perilaku, memiliki target tertentu yang harus dicapai dan berlaku seperti sebuah sistem control individu. Secara keseluruhan, robot terdiri dari beberapa perilaku yang mengambil input dari sensor yang ada dan mengirimkan output proses pengendalian ke actuator robot. Karena terdiri dari beberapa perilaku, maka diperlukan koordinasi untuk menghasilkan perintah akhir yang akan dikirimkan ke actuator, jika terdapat beberapa perilaku yang aktif pada waktu yang sama.

II. II Particle Swarm Fuzzy Controller

Particle Swarm Optimization (PSO) adalah salah satu teknik optimasi menggunakan partikel banyak yang dibangun oleh Kennedy dan Eberhart. Metode ini mendapatkan hasil yang optimal dengan mensimulasikan beberapa partikel. Sekumpulan partikel ini dapat mencapai tujuan mereka secara efektif dengan memanfaatkan informasi bersama seara keseluruhan kumpulan partikel – partikel tersebut.

Konsep dasar dari PSO itu sendiri adalah dapat dijelaskan sebagai berikut : “setiap solusi, disebut dengan partikel, mengetahui nilai terbaik setiap partikel (pbest) dan posisinya. Selain itu, setiap partikel juga mengetahui nilai terbaik menurut kumpulannya (gbest) diantara nilai terbaik menurut masing – masing partikel. Harga –

harga terbaik tersebut didasari oleh sebuah fungsi penentu F(.), tergantung pada masalah yang dihadapi. Setiap partikel akan mencoba untuk memodifikasi posisinya menggunakan kecepatan dan posisi pada saat tersebut.

Persamaan penghitungan kecepatan seatiap partikel :

Dan persamaan penghitungan posisi partikel terbaru :

II. III Perancangan Sistem

Arsitektur pengendali robot bergerak dengan basis perilaku yang menggunakan Particle Swarm Fuzzy Controller (PSFC) ditunjukkan pada gambar dibawah ini. Robot yang bergerak tersebut memiliki empat macam perilaku, yaitu : pencarian target, pergerakkan bagian kiri, pergerakkan bagian kanan, dan penghindar hambatan.

Setiap perilaku fuzzy memiliki akses penuh untuk dapat membaca sensor dan memprosesnya sendiri untuk menghasilkan output berupa pengendalian arah robot individu. Seluruh parameter logika fuzzy dihasilkan dari proses PSO. Kemudian , semua pengendalian aksi individual ini dikoordinasikan untuk menghasilkan pengendalian aksi akhir dari robot.

II. III. I Model Robot Bergerak

Pada percobaan kali ini menggunakan robot Magellan Pro sebagai model. Robot ini merupakan robot sirkular dengan dua motor yang mengendalikan dua buah roda serta sebuah roda bebas sebagai penunjang. Robot Magellan Pro memiliki dimensi sebagai berikut : D=40,6 cm, H=25,4 cm, r=5,7 cm dan W=36 cm, dimana D adalah Diameter, H adalah tinggi, r adalah radius roda dan W adalah jarak antara roda.

Robot dialokasikan pada daerah kerja dua dimensi dengan koordinat kartesius. Robot ini memiliki tiga derajat kebebasan yang direpresentasikan dengan posisi pc=(xc, yc, θc), dimana (xc, yc) mengindikasikan posisi special robot pada koordinat dan θc

adalah sudut harapan pada robot.

II. III. II Perancangan Perilaku Fuzzy

Setiap perilaku memiliki struktur logika fuzzy yang sama, yaitu menggunakan fungsi trapezium dan segitiga, baik input maupun outputnya. Output dihasilkan dari proses logika fuzzy dengan menggunakan metode defuzifikasi centroid, yaitu :

dimana Cox dan Dox adalah parameter pusat dan lebar fungsi keanggotaan αi adalah hasil perkalian dari setiap derajat keanggotaan dari input untuk aturan ke-i dan I adalah banyaknya aturan logika fuzzy.

Beberapa perilaku memiliki tiga buah input, kecuali perilaku pencarian target yang memiliki dua buah input. Pada pencarian target, inputannya adalah jarak target (d) dan sudut target (θ). Sedangkan perilaku lain inputannya adalah, arah kiri depan (FL), arah kiri (L), dan arah kiri belakang (BL) untuk pergerakkan dibagian kiri; arah kanan depan (FR), arah kanan (R), dan arah kanan belakang (BR) untuk pergerakkan dibagian kanan. Terakhir untuk perilaku penghindar hambatan inputannya adalah arah depan kiri (LF), arah depan (F), dan arah depan kanan (RF). Setiap input memiliki tiga buah klasifikasi bahasa, yaitu : CLOSE, MEDIUM, dan FAR untuk jarak, serta RIGHT, FORWARD, dan LEFT untuk sudut. Semua perilaku memiliki dua buah output, yaitu linear velocity (v) dan angular velocity (ω).

Basis aturan logika fuzzy bagi koordinasi perilaku menggunakan Context Dependent Blending (CDB) :

dari system logika fuzzy diatas, kemudian dapat diaplikasikan untuk mendapatkan parameter – parameter Fuzzy yang membutuhkan.

II. III. III Perancangan Partikel Swarm Fuzzy

Perancangan dilakukan dengan menggabungkan semua parameter dalam bentuk string yang akan dianggap sebagai partikel PSO. Pertama, untuk mendapatkan basis aturan Fuzzy, setiap aturan dalam bentuk integer berdasarkan jumlah urutan klasifikasi dari keluaran fungsi keanggotaannya. Setelah itu, gunakan persamaan :

dimana ki dan ji adalah koefisien, Cx dan Wx adalah sejumlah pusat dan lebar setiap fungsi keanggotaan.

Proses PSO dimulai dengan membangkitkan posisi awal berdasarkan pengkodean diatas secara acak. Kemudian setiap populasi akan dievaluasi dan dihubungkan dengan persamaan penetu untuk mendapatkan harga terbaiknya, baik dari tiap partikel maupun dari kumpulan partikel. Fungsi pencapaiannya yaitu :

dimana I adalah jumlah total posisi awal robot, K adalah jumlah step dari simulasi yang dijalankan untjuk setiap posisi awal, eθ kesalahan sudut, ed kesalahan jarak, dan c adalah konstanta. Tujuan dari fungsi penentu diatas adalah menghasilkan pergerakkan robot

yang dapat menghindari rintangan, memiliki kecepatan yang tinggi, bergerak secara continue, mengatur jarak dengan dinding, dan mencapai target dengan cepat.

II. IV Hasil Simulasi

Basis aturan logika terbaik dicari terlebih dahulu, lalu dicari fungsi keanggotaannya. Secara umum, setiap eksperimen terdiri dari 40 partikel individu yang diproses sebanyak 60 generasi. Sedangkan :

Untuk perilaku pencarian target : 12 parameter fungsi keanggotaan dan 18 parameter basis aturanUntuk perilaku pergerakan : 6 parameter fungsi keanggotaan dan 54 parameter basis aturanUntuk perilaku menghindar hambatan : 6 parameter fungsi keanggotaan dan 54 parameter basis aturan.

Terakhir sebuah ruangan diatur sedemikian rupa sehingga dapat digunakan untuk mengujin semua perilaku dan pengkoordinasiannya. Pada gambar dibawah ini, pergerakkan robot pada situasi yang berbeda untuk mencapai target dan keluar dari daerah ahsil yang sulit tanpa menabrak sebuah hambatan atau rintangan apapun dengan pergerakkan yang kontinu dan transisi yang halus. Transisi perilaku tersebut membuat robot bergerak dalam jalur yang tercepat dan waktu yang minimum.

BAB IIIKESIMPULAN

Dalam makalah ini telah dipresentasikan sebuah pengendali yang disebut dengan Particle Swarm Fuzzy Controller, yaitu sebuah sistem pengendali yang dimana fungsi keanggotaannya dan basis aturannya ditala secara otomatis menggunakan PSO. Pengendali tersebut digunakan untuk menghasilan sinyal aksi untuk pengendali perilaku bagi atkuator robot bergerak. Kemudian sebuah basis aturan logika fuzzy yang lain digunakan untuk mengkoordinasikan keseluruhan perilaku dengan mengaplikasikan metode CDB. Dari eksperimen yang dilakukan menunjukkan bahwa system yang ditawarkan mampu menghasilan parameter logika fuzzy yang optimal. Pengaplikasian pengendali hasil pencarian pada robot bergerak menunjukkan peningkatan performa pada robot, yang dapat dibuktikan dengan pergerakan robot yang handal, menjaga jarak tertentu dari dinding, mencapai tujuan dengan tepat, menghindari rintangan dan transisi anta perilaku yang halus.