IMPLEMENTASI KONTROLER SELF-TUNING PID DAN KALMAN FILTER PADA SISTEM KESETIMBANGAN ROBOT BERODA DUA

Abstract

Sistem kesetimbangan robot beroda dua memiliki konsep yang  didasarkan pada teori pendulum terbalik. Sebuah sistem kontrol yang sesuai dibutuhkan untuk dapat mengontrol sistem sehingga seimbang dan stabil. Robot beroda dua adalah suatu robot mobile yang memiliki sebuah roda disisi kanan dan kirinya yang tidak akan seimbang apabila tanpa adanya kontroler. Pada penelitian ini digunakan kontroler Self-Tuning Proposional Integral Derivatif (PID) sebagai pengendali dan Kalman Filter digunakan sebagai pemrosesan data sensor berupa penggabungan data sensor accelerometer dan sensor gyroscope. Salah satu metode self-tuning PID yang dipakai dalam skripsi ini adalah Dahlin PID Controller. Metode pencarian estimasi dilakukan menggunakan Recursive Least Square (RLS), sehingga proses identifikasi berjalan secara real-time. Hasil penelitian menunjukkan respon sistem yang dihasilkan dari penggunaan self-tuning controller ini memiliki nilai error steady state dibawah 0,5% dan tidak memiliki overshoot, sementara dari kalman filter memiliki nilai yang mendekati nol.

Kata Kunci : Robot Beroda Dua, Self-Tuning PID, Kalman Filter.

 

ABSTRACT

The two-wheeled robot equilibrium system has a concept based on the inverse pendulum theory. An appropriate control system is needed to be able to control the system so that it is balanced and stable. Two-wheeled robot is a mobile robot that has a wheel on the right and left that will not be balanced if there is no controller. In this study, the controller used Self-Tuning Proposional Integral Derivative (PID) as a controller and Kalman Filter is used as sensor data processing in the form of combining accelerometer and gyroscope sensor data. One method of self-tuning PID used in this thesis is Dahlin PID Controller. Estimation search method is done using Recursive Least Square (RLS), so the identification process runs in real-time. The results showed the system response resulting from the use of self-tuning controller has a steady state error value below 0.5% and has no overshoot, while the Kalman filter has a value close to zero.

Keywords : Two-Wheeled Robot, Self-Tuning PID, Kalman Filter.