BIDANG STUDI MANUFAKTUR
RANCANG BANGUN SISTEM PENGENDALI OTOMATIS PADA AUTOMATED GUIDED VEHICLE (AGV) DENGAN METODE FUZZY LOGIC DAN SIMULINK
JURUSAN TEKNIK MESIN FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2008
KATA PENGANTAR
iii KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa yang telah memberikan kekuatan dan limpahan rahmat -Nya bagi penulis sehingga penulisan Tugas Akhir ini dapat diselesaikan. Tugas Akhir ini merupakan persyaratan untuk memperoleh gelar sarjana teknik bidang studi Teknik Manufaktur jurusan Teknik Mesin Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaya. Atas bantuan dari berbagai pihak dalam proses penyusunan ini, penulis mengucapkan terima-kasih yang sebesar-besarnya kepada: 1. Bapak. Dr. M. Nur Yuniarto atas bimbingan, kesabaran, ketulusan, totalitas yang diberikan kepada penulis selama proses pengerjaan Tugas Akhir ini. Bapak (Nelson Siburian) dan Ibu (Rukiah Siahaan) tercinta atas kasih sayang, cinta dan pengorbanan yang telah diberikan tak akan pernah terbalas sampai kapanpun. Kakakku Ruth Taruli Siburian, dan adikku Praja Parningotan Siburian yang selalu mendukung baik materiil maupun spirituil dan sepenuh hati mendoakan. 2. Keluarga Besar Proyek Cepoe, Pak Bambang Pramujati, Pak Arif Wahyudi, Pak Wawan, dan Pak Choirul. Serta dosen-dosen Manufaktur, Pak Witantyo, Pak Sudiyono, Pak Bobby dan Pak Ahmad Mulyana. Bapak-bapak dan Ibu-ibu Dosen Jurusan
iv Teknik Mesin yang telah memberikan bekal ilmu pengetahuan kepada penulis. 3. Pak Gi’, Pak Matroni, Pak Kayat, Mbah Met, Cak To, Bu Dar, Bu Mar, Bu Sri, Pak Agus, Pak Sum, Cak Dan, Pak Pambudi (Lab.Gam), Pak Totok, Mbak Vitri, Cak Yuli, dan karyawan-karyawan Jurusan Teknik Mesin yang lain, yang telah memberikan doa dan dukungan moril serta spirituil. 4. Teman teman dan sahabat seperjuangan Tugas Akhir, Affan “My partner”, Avisena “tampan” Varadiano dan Yusa “telo” Agung Setiawan, yang telah menemani, mendoa-kan, dan memberi dukungan moril. Kenangan bersama kalian akan selalu ada di hati selamanya.Terima Kasih. 5. Hasan, Durex, Turkam, Rahmat, Nyong “maturnuwuuuun Pak Nyong kagem abstract -ipun”, Samid, Abed, Dian, Uca’. All sangkar D303 crew.thx 6. Arek-arek cangkruk Guru besar I Djan Su, Guru Besar II Ronny, dan para penikmat wanita asal Medan. Mauliate ma di hamu…. 7. Primagama Team. Dea “Inul”, Arif “kadal”, Jackson Sianipar, Cicipilah, Pak Reza, Andre Leduwig, Argo, Toto, Sigit, Dedy “kunam”, Sigit, A’an, Be2k, Putu, Affan dan semuanya. Penulis menyadari bahwa Tugas Akhir ini masih banyak kekurangan. Oleh karena itu dengan segala kerendahan hati saran dan kritik terhadap penulis sangatlah diperlukan untuk menyempurnakan Tugas Akhir ini.
v Dan akhirnya semoga Tugas Akhir ini dapat berguna bagi semua pihak yang membutuhkan. Surabaya, 16 September 2008
Penulis
vi
{HALAMAN INI SENGAJA DIKOSONGKAN}
RANCANG BANGUN SISTEM PENGENDALI OTOMATIS PADA AUTOMATED GUIDED VEHICLE (AGV) DENGAN METODE FUZZY LOGIC DAN SIMULINK TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik pada Bidang Studi Teknik Manufaktur Program Studi S-1 Jurusan Teknik Mesin Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember
Oleh : MOSES SIBURIAN Nrp. 2102 100 059 Disetujui oleh Tim Penguji Tugas Akhir : 1. Dr. M. Nur Yuniarto
. . . . . (Pembimbing)
2. Dr. Ing. I Made Londen Batan, M. Eng. . . . . . . (Penguji I) 3. Ir. Witantyo, M.Eng. SC 4. Ir. Sampurno, MT
SURABAYA SEPTEMBER, 2008
. . . . . . . (Penguji II) . . . . . . . (Penguji III)
ABSTRAK
RANCANG BANGUN SISTEM PENGENDALI OTOMATIS PADA AUTOMATED GUIDED VEHICLE (AGV) DENGAN METODE FUZZY LOGIC DAN SIMULINK Nama Mahasiswa NRP Jurusan Dosen Pembimbing
: : : :
MOSES SIBURIAN 2102 100 059 Teknik Mesin FTI-ITS Dr. M. Nur Yuniarto, ST.
Abstrak Seiring meningkatnya kebutuhan manusia pada suatu produk maka suatu perusahaan akan berusaha untuk menghasilkan sejumlah produk dalam waktu yang sesingkat mungkin. Besarnya peningkatan ini tentunya dipengaruhi oleh kecepatan dan ketepatan distribusi barang dalam suatu perusahaan. Peningkatan ini tidak akan tercapai apabila sistem pendistribusian pada suatu perusahaan masih mengandalkan tenaga manusia. Oleh karena itu, diperlukan suatu otomatisasi pada sarana-sarana pendistribusian. Salah satu penerapan otomatisasi pada sarana yang digunakan dalam sistem pendistribusian adalah AGV (Automated Guided Vehicle). Ada tiga sistem yang terdapat dalam suatu AGV yaitu sistem analisis medan, sistem penghitung jarak terpendek dan sistem pengendali kemudi atau disebut steering system. Yang dibahas dalam tugas akhir ini adalah sistem pengendali kemudi. Sistem pengendali kemudi dirancang untuk dapat membawa AGV menuju titik tujuan yang telah ditetapkan dan menghindarkan AGV dari objek penghalang. Kontrol sistem menggunakan metode logika fuzzy yang diimplementasikan dalam komputer dengan menggunakan Matlab Toolbox. Penggunaan metode logika fuzzy disebabkan karena sistem merupakan sistem non-linear. Dimana sistem non-linear tidak dapat dikendalikan oleh kendali konvensional yang mengandalkan persamaan matematika. Input yang digunakan adalah jarak AGV terhadap target dan posisi AGV terhadap
target sedangkan output-nya adalah sudut belok roda. Input didapat dari output yang dihasilkan sistem analisis medan dan penghitung jarak terpendek. Simulasi sistem pengendali otomatis dapat menampilkan dua pergerakan AGV yaitu pergerakan menuju objek tujuan yang didasarkan metode logika fuzzy dan pergerakan menghindari halangan dengan sudut belok maksimum.
Kata kunci : Steering System , AGV, metode logika fuzzy.
DESIGNING AUTOMATIC STEERING SYSTEM ON AUTOMATED GUIDED VEHICLE (AGV) WITH FUZZY LOGIC METHOD AND SIMULINK Name : MOSES SIBURIAN NRP : 2102 100 059 Department : Teknik Mesin FTI-ITS Counsellor Lecturer : Dr. M. Nur Yuniarto, ST. Abstraction Along the increasing of human need at one particular product hence a company will be out for yield a number of product during which as brief as possible. Level of this improvement is influenced by speed and accuracy of goods distribution in a company. This improvement will not be reach if distribution system at a company still rely on manpower. Therefore, needed an automatization at distribution tools. One of applying of automatization at tools which is used in distribution system is AGV ( Automated Guided Vehicle). There is three systems in an AGV that is field analysis system, shortest path system and automatic steering system. Discussed in the final project is automatic steering system. Controller of steering designed to bring AGV reaches the target which have been specified and obviate AGV of barrier object. Controller of the system uses Fuzzy Logic System which is implementated in computer by using Matlab Toolbox. Usage of fuzzy logic method caused by system represent system of nonlinear. Where system of non-linear uncontrolable by conducting conventional which rely on equation of mathematics.The first input of fuzzy system is distance between AGV and targets and position of AGV to the targets while output of fuzzy system is angle of wheel luff. Input got from output of field analysis system and shortest path system.
Automatic steering system simulation can present two movement of AGV that is movement to an object which is based on fuzzy logic method and avoid barrier with maximum angle of wheel luff.
Keyword : Steering System , AGV, fuzzy logic method
vii
DAFTAR ISI
BAB
HALAMAN
ABSTRAK DAFTAR ISI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
vi
DAFTAR GAMBAR. . . . . . . . . . . . . . . . . . . . . . . . . . . x DAFTAR TABEL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . xix BAB I PENDAHULUAN. . . . . . . . . . . . . . . . . . . . . . .
1
1.1 Latar Belakang Masalah. . . . . . . . . . . . . . . . . .
1
1.2 Perumusan Masalah. . . . . . . . . . . . . . . . . . . . . . 2 1.3 Tujuan Tugas Akhir. . . . . . . . . . . . . . . . . . . . . . 3 1.4 Batasan Masalah. . . . . . . . . . . . . . . . . . . . . . . . 1.5 Manfaat Tugas Akhir. . . . . . . . . . . . . . . . . .3. .
3
viii BAB II TINJAUAN PUSTAKA. . . . . . . . . . . . . . . .
5
2.1 Konsep Dasar AGV. . . . . . . . . . . . . . . . . . . . . 5 2.1.1 Steering Control for A Skid-Steered Autonomous Ground Vehicle at Varying Speed oleh Suresh Golconda.. . . . . . . . . . . 2.1.2 Steering and Control of a Passively Articulated Robot oleh Benjamin Shamah. . . . . . . . .. . . . . . .
6
8
2.1.3 Model Parameter Identification of Autonomous Vehicle oleh Tomonari Furukawa. . . . . . . . . . . . 10 2.2 Mekanisme Steering. . . . . . . . . . . . . . . . . . . . . 2.3 Metode yang Digunakan pada Perancangan AGV. . . . . . . . . . . . . . . . . . . . . . 2.3.1 Steering System. . . . . . . . . . . . . . . . . . . . .
15 15
2.3.2 Pemodelan Matematika untuk Pergerakan AGV. . . . . . . . . . . . . . . 2.3.3 Fuzzy System sebagai Pengendali Pergerakan AGV. . . . . . . . . . . 2.3.4 Perbedaan dengan perancangan AGV sebelumnya. . . . . . . . . . . . . . . . . . . .
12
16 21 23
ix 2.4 Dasar Fuzzy Logic. . . . . . . . . . . . . . . . . . . . . . .
23
2.4.1 Himpunan Fuzzy. . . . . . . . . . . . . . . . . . . . .
25
2.4.2 Proses pada Fuzzy Logic. . . . . . . . . . . . . . BAB III METODE PENELITIAN. . . . . . . . . . . . . . .
26
31
3.1 Studi Pustaka. . . . . . . . . . . . . . . . . . . . . . . . . . .
31
3.2 Formulasi Permasalahan. . . . . . . . . . . . . . . . . . . 31 3.3 Pengumpulan Data. . . . . . . . . . . . . . . . . . . . . . . 32 3.4 Pengolahan dan Analisis Data. . . . . . . . . . . . . .
33
3.5 Perencanaan Proses. . . . . . . . . . . . . . . . . . . . . . 3.6 Ketentuan yang berlaku dalam Pengoperasian AGV. . . . . . . . . . . . . . . . . . . . .
34
36
3.6.1 Pengaturan koordinat AGV dan objek dan sudut- sudut pada AGV. . . . . . . . . . . . 36 3.6.2 Pembagian wilayah operasi AGV dalam kuadran I sampai IV. . . . . . . . . . . . . . . . . .
39
3.6.3 Pemodelan Kinematik. . . . . . . . . . . . . . . . .
41
3.6.4 Pembuatan Fuzzy System. . . . . . . . . . . 43 ... 3.6.5 Pembuatan Simulasi Proses. . . . . . . . . . . . . 44 3.6.6 Perencanaan Sistem Navigasi. . . . . . . . . . .
46
x 3.6.10. Analisa dan Pembahasan. . . . . . . . . . . . .
48
3.7 Kesimpulan dan Saran. . . . . . . . . . . . . . . . . . .49 BAB IV RANCANG BANGUN SIMULASI SISTEM PENGENDALI OTOMATIS (AUTOMATIC STEERING) PADA AGV. . .
53
4.1 Parameter Konfigurasi simulasi. . . . . . . . . . 54 . 4.2 Data posisi, koordinat AGV, dan koordinat objek. . . . . . . . . . . . . . . . . . . . .
56
4.3 Mengolah data untuk menghasilkan sudut putar roda. . . . . . . . . . . . . . . . . . . . . . . .
60
4.3.1 Penentuan posisi awal pergerakan. . . . . . . . . . . . . . . . . . . . . . . . .
60
4.3.2 Model Kinematik. . . . . . . . . . . . . . . . . . . .
64
4.3.2.1 Pembagian daerah dan perubahan sudut. . . . . . . . . . . . . . . .
64
4.3.2.2 Proses perhitungan kinematik. . .74 .. 4.3.3 Fuzzy System. . . . . . . . . . . . . . . . . . . . . . . 4.3.4 Pergantian objek tujuan. . . . . . . . . . . . . . . 4.3.5 Sistem halangan. . . . . . . . . . . . . . . . . . 93 .. 4.3.5.1 Penentuan arah belok roda AGV berdasarkan kondisi. . . . . . . . . 94
78 91
xi 4.3.5.2 Bentuk halangan dan sistem pembacaan halangan. . . . . . .97 . 4.3.6 Sistem untuk menghentikan simulasi. .102 .. 4.3.7 Tampilan hasil simulasi. . . . . . . . . . . . . . . BAB V PENGUJIAN SIMULASI DAN ANALISA. . . . . . . . . . . . . . . . . . . . . . . .
105
107
5.1 Pengujian simulasi. . . . . . . . . . . . . . . . . . . . . .
107
5.2 Analisa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 BAB VI PENUTUP. . . . . . . . . . . . . . . . . . . . . . . . . . .
129
6.1 Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . . . . .
129
6.2 Saran. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
129
DAFTAR PUSTAKA LAMPIRAN
xii
{HALAMAN INI SENGAJA DIKOSONGKAN}
xiii
DAFTAR GAMBAR
GAMBAR
HALAMAN
Gambar 2.1 CajunBot dan Steering System-nya
6
Gambar 2.2 Diagram alir dari Steering Controller
7
Gambar 2.3 Hyperion Rover dan Steering System-nya 8 Gambar 2.4 Skema perangkat keras Locomotion System Design 9 Gambar 2.5 Skema perangkat lunak untuk control steering Hyperion Rover
10
Gambar 2.6 Holden-utility vehicle yang dilengkapi dengan sensor
11
Gambar 2.7 Posisi dan orientasi mobil
12
Gambar 2.8 Kinematika beberapa sistem steering14 Gambar 2.9 Pola gerakan AGV apabila (a) tidak terdapat halangan dan (b) ada halangan 16 Gambar 2.10 Kinematika sistem steering pada AGV17 Gambar 2.11 Diagram kecepatan AGV
18
xiv Gambar 2.12 Kondisi Ackerman AGV
20
Gambar 2.13 Fuzzy System pada AGV
21
Gambar 2.14 Rule yang dituangkan dalam bentuk grafik
22
Gambar 2.15 Perbedaan Boolean Logic dan Fuzzy Logic
24
Gambar 2.16 Beberapa istilah dalam Fuzzy Logic 24 Gambar 2.17 Diagram blok pengendali logika fuzzy 27 Gambar 2.18 Metode max-membership deffuzification 29 Gambar 2.19 Metode centroid deffuzification
30
Gambar 3.1 Skema seluruh sistem pada AGV
32
Gambar 3.2 Blok Diagram Sistem Steering AGV
34
Gambar 3.3 Perhitungan jarak AGV dan objek
37
Gambar 3.4 Sudut θ dan sudut φ pada bodi AGV38 Gambar 3.5 Pergerakan AGV yang tidak mencapai objek
39
Gambar 3.6 Pembagian daerah pada sumbu xy objek 40 Gambar 3.7 Input (a) dan Output (b) Fuzzy System pada Matlab 44 Gambar 3.8 Tempat masukan untuk Posisi
xv dan Sudut AGV
45
Gambar 3.9 Bentuk simulasi pada Simulink Matlab 46 Gambar 3.10 Pembacaan koordinat oleh sistem navigasi melalui media kamera 47 Gambar 3.11 Pembacaan sudut oleh sistem navigasi melalui media kamera 48 Gambar 3.12 Metodologi Penelitian Gambar 3.13 Proses Pergerakan AGV
50-51 52
Gambar 4.1 Konfigurasi yang terdapat pada Simulink 55 Gambar 4.2 Model dengan dua jenis akurasi waktu Gambar 4.3 Pembacaan koordinat (a) oleh kamera navigasi dan pembacaan koordinat 57 (b) oleh AGV Gambar 4.4 File notepad yang dikeluarkan oleh sistem penghitung jarak terpendek
58
Gambar 4.5 Wilayah pergerakan AGV (a) Bidang pergerakan sebenarnya, 62 (b) bidang pergerakan untuk perhitungan Gambar 4.6 Penentuan posisi awal pergerakan
63
Gambar 4.7 Pembagian daerah pada sumbu xy objek 65 Gambar 4.8 Pemodelan Kinematik AGV
66
54
xvi Gambar 4.9 Contoh Pergerakan AGV pada kondisi IB dibuat seolah-olah seperti 68 pergerakan pada kondisi IA Gambar 4.10 Perhitungan kinematik untuk kondisi 69I Gambar 4.11 Tidak ada perubahan sudut posisi AGV awal pada kondisi IA 70 Gambar 4.12 Terdapat perubahan sudut posisi AGV awal pada kondisi IB
70
Gambar 4.13 Perubahan sudut posisi AGV pada kondisi IA dan kondisi IB 71 Gambar 4.14 Perhitungan kinematik untuk kondisi 72II Gambar 4.15 Terdapat perubahan sudut posisi AGV awal pada kondisi IIA
73
Gambar 4.16 Terdapat perubahan sudut posisi AGV awal pada kondisi IIB
73
Gambar 4.17 Perubahan sudut posisi AGV pada kondisi IA dan kondisi IB
74
Gambar 4.18 Bagian yang menentukan sudut posisi AGV (gamma) secara garis besar
75
Gambar 4.19 Bagian yang menentukan koordinat dan posisi AGV 77 Gambar 4.20 Pemilihan masukan Fuzzy sistem berdasarkan kondisi daerah
79
xvii
Gambar 4.21 Properties masukan pertama fuzzy system
81
Gambar 4.22 Properties masukan kedua fuzzy system
83
Gambar 4.23 Properties keluaran fuzzy system
85
Gambar 4.24 Properties fuzzy system yang dirancang 86 Gambar 4.25 Sistem pergantian objek tujuan
92
Gambar 4.26 Diagram Blok Jaringan Syaraf Tiruan 93 Gambar 4.27 Pergerakan AGV dalam menghindari halangan
95
Gambar 4.28 (a) Pergerakan AGV ketika menghindari halangan, (b) Arah sudut belok roda depan AGV untuk masing-masing 96 kondisi daerah dan posisi AGV Gambar 4.29 Sistem penentu arah belokan ketika bertemu halangan 97 Gambar 4.30 Keluaran sistem penghindar tabrakan 98 Gambar 4.31 Sistem penghindar halangan
99
Gambar 4.32 Perhitungan penghindar halangan secara simulasi 100 Gambar 4.33 Bagian sistem perhitungan dan penentuan bentuk halangan
101
xviii
Gambar 4.34 Sistem penghenti simulasi
103
Gambar 4.35 Daerah virtual yang dipakai oleh sistem kinematik AGV
105
Gambar 4.36 Daerah operasi AGV yang sebenarnya 106 Gambar 5.1 Pola objek pertama yang harus dilalui AGV dan Pola halangan yang harus 108 dihindari oleh AGV Gambar 5.2 Pola objek kedua yang harus dilalui AGV dan Pola halangan yang harus dihindari oleh AGV
111
Gambar 5.3 Pola objek ketiga yang harus dilalui AGV dan Pola halangan yang harus dihindari oleh AGV
114
Gambar 5.4 Wilayah pergerakan AGV (a) Bidang pergerakan sebenarnya, (b) bidang pergerakan untuk perhitungan 118 Gambar 5.5 Rule viewer fuzzy system untuk posisi (-4,44,90°)
119
Gambar 5.6 Pergerakan AGV menuju objek (5,-45) pada waktu t= 0.5 s
122
Gambar 5.7 Garis yang dilintasi AGV dengan pola objek tujuan pertama
124
Gambar 5.8 Garis yang dilintasi AGV dengan pola objek tujuan kedua
125
xix
Gambar 5.9 Garis yang dilintasi AGV dengan pola objek tujuan ketiga
126
xx
{ HALAMAN INI SENGAJA DIKOSONGKAN }
xxi
DAFTAR TABEL
Tabel 2.1 Tingkat kemampuan dari masingmasing tipe steering
15
Tabel 5.1 Titik-titik lintasan AGV pola pertama selama simulasi
109
Tabel 5.2 Titik-titik lintasan AGV pola kedua selama simulasi
112
Tabel 5.3 Titik-titik lintasan AGV pola ketiga selama simulasi
115
xxii
{HALAMAN INI SENGAJA DIKOSONGKAN}
BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH
Dewasa ini kemajuan teknologi di dunia industri ditandai dengan kecenderungan pemanfaatan otomatisasi, termasuk di dalamnya adalah penggunaan teknologi robotika. Pengaplikasian teknologi robotika ini bertujuan untuk membantu melaksanakan tugas-tugas manusia. Manusia memiliki keterbatasan kemampuan dalam beberapa bidang pekerjaan, misalnya : cepat lelah, tidak dapat mempertahankan presisi dan konsentrasi, serta adanya resiko kerja yang membahayakan manusia. Oleh karena itu, robot dirancang untuk dapat menghindari kekurangan manusia tersebut. Beberapa kemampuan robot antara lain mampu melakukan suatu pekerjaan secara berulang-ulang dengan tingkat keseragaman yang baik dan mudah untuk diadaptasikan terhadap perubahanperubahan yang diinginkan. Hal yang terkait dengan penerapan teknologi robotika salah satunya adalah sistem distribusi barang dalam suatu pabrik. Misalnya pendistribusian produk dari pabrik menuju tempat penyimpanan. Biasanya yang melakukan hal tersebut adalah manusia dengan bantuan suatu kendaraan yang ternyata metode ini memiliki banyak kekurangan seperti yang disebutkan diatas. Oleh karena itu, diperlukan suatu otomatisasi yang akan diterapkan dalam sistem distribusi barang tersebut. Tujuan dari otomatisasi ini adalah untuk mereduksi kekurangan-kekurangan yang berasal dari faktor manusia. Salah satu penerapan otomatisasi ini adalah AGV (Automated Guided Vehicle), dimana AGV ini merupakan suatu kendaraan yang tidak lagi dikendalikan oleh manusia melainkan oleh suatu komputer yang telah diprogram untuk menggantikan tugas manusia dan tentunya tanpa ada kesalahan yang kerap dilakukan oleh manusia. Untuk dapat mencapai hal tersebut AGV harus memiliki program yang hampir menyamai otak manusia. Program yang ditanamkan dalam AGV antara lain kemampuan untuk
1
menganalisa lingkungan yang akan menjadi tempat beroperasinya AGV, kemampuan untuk memilih lintasan terbaik dan tercepat untuk sampai ke suatu tujuan dan kemampuan untuk mengendalikan arah dan kecepatan agar sampai tepat pada tujuan. Dengan kelebihan-kelebihan tersebut, maka pendistribusian barang pada industri dapat dilakukan dengan terencana dengan mempertimbangkan faktor jarak dan jenis barang yang akan didistribusikan. 1.2 PERUMUSAN MASALAH
Tujuan utama penerapan AGV adalah untuk mencapai efisiensi waktu yang lebih baik dibandingkan dengan apa yang dilakukan manusia. Oleh karena itu, AGV harus dapat bereaksi terhadap medan, dapat memutuskan lintasan yang akan dilalui dan berjalan ke tujuan dengan cepat dan akurat. Semua hal ini harus dilakukan dengan cepat dan aman seperti yang dilakukan manusia. Seperti halnya mata yang digunakan untuk melihat dan mengenali lingkungan sekitar maka AGV juga harus dilengkapi dengan “mata” buatan sehingga tugas yang biasanya dilakukan oleh mata manusia digantikan oleh “mata” buatan. Kemudian dalam perjalanan, AGV membutuhkan sistem kendali untuk mengatur pergerakan kendaraan selama beroperasi dan AGV juga dilengkapi dengan sistem optimasi jarak untuk meningkatkan kecepatan pergerakan AGV yang pada akhirnya dapat meningkatkan efisiensi AGV jika dibandingan dengan manusia. Dari dua contoh diatas didapat kesimpulan pekerjaan yang dilakukan secara manual atau mengandalkan tenaga manusia memiliki banyak kesulitan dan kelemahan. Masalah yang dibahas saat ini adalah untuk mempercepat distribusi barang tertentu dari satu titik ke titik yang lain. Dengan mempercepat distribusi barang dari satu titik ke titik yang lain maka efisiensi waktu meningkat sehingga produktivitas juga dapat ditingkatkan.
2
Berdasar dari kenyataan diatas, akan dirancang dan dibuat sebuah sistem optimasi jarak yang terintegrasi dengan sistem kemudi dan sistem “mata” buatan. 1.3 TUJUAN TUGAS AKHIR
Tujuan dari tugas akhir ini adalah merancang simulasi suatu sistem kendali (steering) dari AGV dimana sistem ini bekerja berdasarkan keluaran dari sistem lainnya
1.4 BATASAN MASALAH
Rancang bangun AGV dengan Simulink memiliki tiga poin yang mewakili AGV secara keseluruhan yaitu : sistem visualisasi yang bertugas untuk mempelajari medan tempat AGV beroperasi, sistem penentu jarak terpendek dari lintasan yang akan dilalui dan sistem kendali dan pengatur kecepatan AGV. Batasan yang digunakan pada tugas akhir ini adalah sistem kendali (steering) dan kecepatan AGV, dimana sistem ini dibuat dengan metode Fuzzy Logic.
1.5 MANFAAT TUGAS AKHIR
Manfaat tugas akhir ini adalah meningkatkan kemampuan mahasiswa dalam bidang pemrograman komputer serta kontrol dan robotika.
3
{ HALAMAN INI SENGAJA DIKOSONGKAN }
4
BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 KONSEP DASAR AGV
Suresh
Colgonda
(2005) mendeskripsikan AGV (Autonomous Guided Vehicle) sebagai suatu komponen mekanika berupa kendaraan yang bekerja secara otomatis tanpa adanya intervensi dari manusia. Artinya, AGV dapat bekerja sendiri dan mobile (aktif) tanpa masukan berupa mapping dan navigasi yang dirancang oleh manusia. Jadi, AGV membangun sendiri sistem map yang nantinya akan digunakan untuk menuntun pergerakan AGV. Levitt dan Lawton (1990) memaparkan tiga pertanyaa dasar untuk menjelaskan cara kerja AGV : 1. Where am I ? 2. How do I get to other places from here ? 3. Where are the other places relative from me ?
Melalui ketiga pertanyaan ini dapat diketahui bahwa terdapat tiga bagian utama dalam membangun AGV yaitu : 1. Vision System, berupa obstacle detection (pendeteksi rintangan) dan pendeteksi posisi AGV terhadap objek 2. Penghitung jarak terpendek, berupa path plannin (perencanaan lintasan) 3. Steering System, berupa mekanisme dan kontro pengendali. Obstacle Detection berguna untuk mendeteksi posisi rintangan pada lintasan. Path planning menunjukkan lintasan yang bebas dari rintangan dan menentukan lintasan yang memiliki jarak terpendek menuju objek. Ketiga sistem tersebut bertanggung jawab dalam mengemudikan AGV pada lintasan yang telah ditetapkan. Dari ketiga sistem tersebut, yang memiliki peranan sangat penting adalah Steering System karena AGV tetap bisa berjalan tanpa adanya Vision System dan Penghitung jarak terpendek, tetapi AGV tidak akan berjalan tanpa adanya Steering System.
5
2.1.1 Steering Control for A Skid-Steered Autonomous Ground Vehicle at Varying Speed oleh Suresh Golconda (2005) Suresh memberi nama AGV-nya “CajunBot” yang
ditujukan untuk lintasan tanah yang sempit yang tidak mementingkan faktor kecepatan. Dengan alasan tersebut maka Suresh mencoba untuk membuat AGV yang berkemampuan: 1. dapat dikendalikan mengikuti patokan yang telah ditetapkan tanpa penyimpangan yang berarti 2. dapat bermanuver dengan kecepatan yang bervariasi, d 3. dapat beroperasi secara maksimal tanpa menggangg faktor keamanan AGV itu sendiri.
Gambar 2.1 CajunBot dan Steering System-nya (Suresh Colgonda, 2005) CajunBot memiliki bobot 1,200 lbs dan digerakkan oleh mesin 25 hp dua silinder. Bagian utama CajunBot yaitu
pendeteksi halangan, perencanaan lintasan dan kontrol kend CajunBot beroperasi menggunakan 6 roda yang sesuai dengan lintasan tanah, dimana mekanisme kendalinya menggunakan t Skid System.
Ciri khas utama dari Skid System adalah roda sisi kanan maupun sisi kiri dapat bekerja secara independen, AGV dapat bermanuver dengan mempercepat atau memperlambat putaran roda pada salah satu sisi AGV. Kelebihan ini dapat membuat AGV bermanuver dengan radius putar nol.
6
Suresh menyebutkan beberapa kelebihan dan kekurang Skid System yang diaplikasikan pada CajunBot antara lain : 1. CajunBot dapat bermanuver lebih efektif dan lebih cerdas 2. CajunBot memiliki traksi yang lebih besar pada lintasan ketika bermanuver 3. Kemampuan manuver CajunBot sangat berpengaruh terhadap kondisi permukaan lintasan dan kecepatannya 4. Sangat sulit dalam pemodelan matematik Suresh menyebutkan sistem kontrol yang mengendalikan Sk System dinamakan Steering Controller. Masukan yang akan diterima Steering controller antara lain Position, Orientation, Previous Goal dan Next Goal. Ketika CajunBot tidak berada pada lintasan yang ditetapkan maka Steering Algorithm memerintahkan CajunBot untuk bergerak menuju lintasan yang seharusnya.
Gambar 2.2 Diagram alir dari Steering Controller (Suresh Colgonda, 2005)
Algorithm bertanggung jawab untuk mengendalikan CajunBot agar bergerak sesuai dengan jalur yang telah direncanakan. Steering Algorithm terdiri atas tiga komponen yaitu PID Controller, Safety Filter, dan Prediction Filter. Steering
7
2.1.2 Steering and Control of a Passively Articulated Robot oleh Benjamin Shamah Hyperion Rover adalah nama AGV yang dirancang oleh
Benjamin Shamah et.al dimana AGV ini ditujukan untuk eksplorasi medan yang tidak dikenal dan waktu pengoperasian bulanan atau bahkan tahunan. Untuk memenuhi tujuan tersebut maka Hyperion Rover dirancang seringan mungkin, dapat bertahan dalam kondisi tanpa atmosfir dan memiliki sumber tenaga dari matahari (Solar Cell). Seperti halnya CajunBot, Hyperion Rover tidak terlalu mementingkan faktor kecepatan.
Gambar 2.3 Hyperion Rover dan Steering System-nya (Benjamin Shamah, Carnegie Mellon University) Hyperion Rover memiliki 4 buah roda dengan mekanisme kendali axle articulated. Ciri utama mekanisme ini adalah hanya
memiliki satu sambungan yang menghubungkan as roda dengan rangka. AGV ini memiliki massa 157 kg, kecepatan 30cm/s, ukuran 2x2.4x3 m dan sumber tenaga sebesar 90W untuk komputing dan maksimal 150W untuk mekanisme. AGV ini terdiri dari dua bagian utama yaitu : 1. Locomotion System Design
Pada bagian ini diketahui bahwa mekanisme kendali dengan menggunakan tipe Axle articulated merupakan pilihan yang terbaik dari antara mekanisme kendali lainnya karena mekanism ini sangat ringkas, ringan, hanya membutuhkan sedikit bahan da
8
memiliki radius putar yang kecil. Tetapi mekanisme kendali ini tidak dapat memberikan manuver yang agresif seperti mekanism lainnya.
Gambar 2.4 Skema perangkat keras Locomotion System Design (Benjamin Shamah, Carnegie Mellon University) 2. Control System Design
Bagian ini terdiri atas kontrol kendali otomatis, mobilitas dan manuver. Sistem ini memiliki steering algorithm yang sama dengan CajunBot yaitu PID System. Untuk mendapatkan pengoperasian yang baik maka sistem kontrol harus : a. Akurat, AGV dapat bergerak dan sampai pada titik yan diharapkan b. Manuverability, memiliki kemampuan dalam mengendalikan manuver yang baik sesuai dengan karakter mekanisme kendali yang telah ditetapkan c. Reliable, rangka yang telah dirancang harus dapat bertahan dalam keadaan yang ekstrim karena keadaan lintasan yang dilalui tidak dapat diprediksi dengan jelas.
9
Gambar 2.5 Skema perangkat lunak untuk control steering Hyperion Rover (Benjamin Shamah, Carnegie Mellon University)
2.1.3 Model Parameter Identification of Autonomous Vehicle oleh Tomonari Furukawa (2006)
Tidak seperti penulis lainnya, Tomonari et. al tidak membangun AGV yang dapat beroperasi pada medan khusus. Tetapi dia mengaplikasikan sistem kontrol yang ada di AGV pada sebuah mobil Holden-utility vehicle. Agar mobil tersebut dapat berjalan sesuai dengan yang diharapkan maka dibutuhkan beberapa sistem navigasi dasar antara lain: 1. Dead-reckoning sensor
Merupakan sensor dengan perhitungan yang akurat yang digunakan bersamaan dengan model kinematik sehingga kedua bagian ini dapat memprediksikan pergerakan mobil. Bagian ini terdiri dari : a. Sebuah Encoder yang diletakkan diroda kiri belakang untuk membaca kecepatan b. Sebuah LVDT (Linear Variable Differential Transformer) yang diletakkan pada batang pengendali dan bertujuan untuk memberikan pengukuran sudut belo yang proporsional
10
c. Sebuah inertial measurement (pengukur inertia) yang terdiri dari tiga buah giroskop yang mengukur kecepatan angular mobil 2. Absolute sensor seperti Global Positioning System (GPS) yang secara langsung mengukur lokasi mobil berdasarkan medan yang dilaluinya. Dimana GPS ini menggunakan 6 buah satelit yang dapat menentukan lokasi mobil secara absolut.
Gambar 2.6 Holden-utility vehicle yang dilengkapi dengan sensor (Tomonari Furukawa, 2006) Karena menggunakan mobil maka mekanisme kendalinya menggunakan Ackerman Type. Mobil yang digunakan berpenggerak roda depan dan lintasan yang digunakan diasumsikan datar (horizontal). Lokasi mobil dapat dinyatakan dalam x, y, dan Ø dimana x dan y merupakan titik koordinat dari bagian belakang mobil dan Ø merupakan orientasi mobil. Sudut belok roda depan pada mobil dinyatakan dengan γ dan panjang mobil dinyatakan dengan l.
11
Gambar 2.7 Posisi dan orientasi mobil (Tomonari Furukawa, 2006)
x
v
y
v
Sehingga model kinematiknya dapat dinyatakan :
cos sin
(v / l )
tan
Melalui penentuan kecepatan mobil dan panjang mobi maka akan didapat besar sudut belok. 2.2 MEKANISME STEERING
Benjamin Shamah (2001) menyebutkan bahwa mekanisme steering yang digunakan untuk manuver AGV yang memiliki 4 roda terdiri atas lima jenis yaitu Independent Explicit, Coordinated (Ackermen Type), Frame Articulated, Skid dan Axle Articulated. Masing-masing tipe steering ini memiliki kelebihan dan kekurangan. Menurut Benjamin Shamah (2001) dan Ramesh Thyagarajan (2000), ada beberapa tipe sistem steering antara lai : a. Independent Explicit Keempat roda bekerja secara independent, dimana masingmasing roda memiliki sistem pengaturan putaran dan manuv
12
yang berbeda satu sama lain. Tipe ini memiliki kemampuan manuver yang baik dan dapat bekerja pada medan yang kasar. Tetapi tidak dianjurkan untuk pembebanan berlebihan karena banyaknya sambungan antara bodi utama dengan masing-masing roda. b. Coordinated (Ackerman Type)
Perancangan yang akan dilakukan menggunakan tipe in Pergerakan roda pada tipe ini salah satunya menggunakan and pinion system. Keuntungan penggunaan tipe ini adalah kemampuan manuver yang lebih agresif daripada tipe lain, dapat digunakan untuk pembebanan yang besar dan daya yang digunakan untuk mekanisme steering sangat rendah. Kelemahan dari tipe ini adalah radius putar yang besar sehingga kurang cocok digunakan di medan yang sempit. Oleh karena itu, sistem ini tetap digunakan pada sistem manuver mobil sampai sekarang. c. Frame Articulated
Ciri khas tipe ini adalah adanya dua rangka yang terpisah, dimana masing-masing rangka memiliki dua roda dan dihubungkan oleh suatu sambungan. Rangka pertama yang merupakan rangka terdepan berfungsi sebagai rangka utama yan bertugas untuk membawa rangka kedua untuk bermanuver. Keuntungan tipe ini adalah kemampuan manuver yang baik d.
Skid
Tipe ini sering digunakan pada robot- robot ber roda 4 atau lebih. Keuntungan dari tipe ini adalah kemampuan manuver dengan zero turning radius maksudnya rangka dapat bermanuver dengan tanpa radius belok. Hal ini disebabkan karena setiap roda memiliki sistem pengendali putaran masing- masing (independent) dan tidak ada sistem sambungan antara roda dan rangka. e. Axle Articulated
Tipe ini menggunakan satu sambungan antara bodi dan por roda. Sistem ini merupakan sistem sambungan yang palin
13
sederhana dari semua tipe steering. Keuntungan penggunaan sistem ini adalah radius belok yang tergolong kecil, lebih kecil daripada radius belok tipe Ackerman. Tipe ini membutuhkan ruang yang besar untuk perputaran rodanya sehingga perlu pengaturan khusus dalam merancang rangka. Berikut adalah gambar sederhana dari masing-masing tip steering:
Gambar 2.8 Kinematika beberapa sistem steering (Benjamin Shamah, 2001)
Keputusan untuk menggunakan salah satu tipe steering ini tidak hanya dipengaruhi oleh kelebihan dan kekurangannya, tetapi juga mengacu kepada pembebanan, efisiensi tenaga, rangk yang digunakan dan kondisi medan yang akan dilalui AGV. Tabel berikut berisi tentang tingkat kemampuan masingmasing tipe steering dalam hal maneuverability (kemampuan bermanuver), mechanical complexity (kerumitan sistem mekanika), control complexity (kerumitan dalam menggerakkan sistem), drive power during steering maneuvers (daya yang digunakan untuk manuver) dan number of actuated joints for steering (banyaknya sambungan pada sistem pengendali).
14
Tabel 2.1 Tingkat kemampuan dari masing-masing tipe steerin (Benjamin Shamah, 2001) 2.3
METODE YANG PERANCANGAN AGV
2.3.1 Steering System
DIGUNAKAN
PADA
AGV yang akan dirancang mengarah pada perancangan Autonomous Vehicle oleh Tomori Furukawa (2006). AGV menggunakan empat buah roda yang berpenggerak roda belakan dimana sistem steering yang digunakan menggunakan tipe Ackerman. Alasan digunakannya tipe ini dalam perancangan adala karena antara lain: 1. Rangka AGV yang digunakan relatif kompak dan hanya terdiri atas satu bagian saja, oleh karena itu ruang gerak roda ketika bermanuver harus sekecil mungkin. 2. Tipe ini menawarkan manuver yang cukup agresif sehingg AGV dapat digunakan pada medan yang tidak luas 3. Manuver tipe ini tidak menuntut sistem All Wheel Drive sehingga daya untuk menggerakkan AGV menjadi lebih efisien 4. Perancangan ini nantinya dapat diterapkan pada kendara berpenumpang.
15
Terdapat dua macam program utama untuk mengendalika sistem steering AGV, antara lain: a. program untuk mencapai objek tujuan b. program untuk menghindari halangan Peran kedua program ini dapat dilihat pada saat AGV menuju objek yang telah ditentukan dimana ternyata terdapat halangan yang memiliki jarak tertentu terhadap AGV. Pada kondisi ini AGV akan men-cut sementara proses program yang bertugas untuk mencapai objek tujuan dan digantikan dengan program untuk menghindari halangan. Ketika halangan sudah dapat dihindari maka secara otomatis menjalankan kembali program untuk mencapai objek tujuan.
objek
Batas wilayah operasi AGV dianggap sebagai halangan
Objek II
Pola gerakan AGV Pola gerakan AGV Jarak AGV dengan objek
AGV
AGV
(a)
Objek I
Objek I dianggap sebagai halangan
(b)
Gambar 2.9 Pola gerakan AGV apabila (a) tidak terdapat halangan dan (b) ada halangan 2.3.2 Pemodelan matematika untuk pergerakan AGV
Kedua program yang terdapat dalam AGV ini tentunya memiliki sistem pengontrol dan pemodelan kinematik. Sistem pengontrol bertugas untuk memutuskan keluaran yang tepat
16
dengan menganalisa beberapa masukan yang didapat dari kondis wilayah. Sedangkan pemodelan kinematik bertujuan untuk mendapatkan hubungan antara masukan dan keluaran dalam bentuk persamaan matematika. Oleh karena itu, data mengenai wilayah tempat AGV beroperasi juga harus dituangkan dalam bentuk matematika misalnya koordinat, kemiringan permukaan dan sebagainya. Dasar pemodelan kinematik dalam perancangan AGV ini sama dengan perancangan yang dilakukan oleh Tomori Furukawa. Dimana input yang digunakan adalah posisi AGV dan jarak AGV terhadap objek sedangkan outputnya adalah sudut belok roda AGV.
Objek1 (a,b)
Objek2
v l
θ
(c,d)
φ (e,f)
Gambar 2.10 Kinematika sistem steering pada AGV
Pemodelan kinematik dibutuhkan karena ketika AGV berjalan besar sudut belok dan sudut AGV terhadap objek selalu berubah. Perhitungan pada pemodelan tersebut berkaitan denga waktu tempuh dan menghasilkan jarak yang telah ditempuh AGV yang nantinya dihubungkan dengan jarak AGV terhadap objek. Pada Gambar 2.9 dapat dilihat bahwa : φ = sudut yang menyatakan posisi AGV terhadap sumbu koordinat x positif (bukan sudut AGV terhadap objek).
17
θ = sudut belok roda depan AGV, diukur dari sisi vertikal
AGV. v = kecepatan AGV l = panjang AGV .
= kecepatan sudut dalam arah φ
Untuk mencapai suatu objek maka harus diketahui besar sudut AGV terhadap sumbu xy daerah operasi AGV. Besar sudut yang diperlukan hanyalah besar sudut awal ketika AGV akan bergerak. Mendapatkan besar sudut posisi AGV terhadap objek dapat dilihat melalui diagram kecepatan AGV sebagai berikut :
v
.
θ
l
1 l 2
v tg
v
.
φ
φ
θ
φ
½l Gambar 2.11 Diagram kecepatan AGV
Titik berat AGV dianggap tepat berada ditengah. Sehingga titik pusat perputaran AGV berada pada titik berat tersebut. Jika dilihat pada gambar seolah-olah AGV berputar pada satu titik saja. Tetapi karena pada perhitungan melibatkan unsur kecepatan maka untuk setiap kenaikan waktu terjadi perputaran sudut AGV dan perpindahan titik koordinat AGV. Melalui gambar diatas maka diketahui bahwa .
1 l 2
v tg
…………………………………………(2.1)
18
Sehingga didapat . v tg ……………………………………..………..(2.2) 1 l
2
d Dalam kinematika disebutkan bahwa
d
dt
dan
dimana ω adalah kecepatan sudut dan θ adalah bes dt sudut dalam derajat. Melalui persamaan itu, maka untuk mendapatkan nilai φ yang merupakan besar sudut AGV terhadap koordinat x dan y, maka dilakukan peng-integral-an sebagai berikut :
φ
.
(t)dt
0
…………………………..…...…….(2.3)
adalah sudut awal kemiringan AGV ketika AGV akan berjalan. Ketika AGV berjalan maka tiap beberapa detik nilai φ akan berubah. Setelah mendapatkan nilai φ maka dapat dicari besar jarak tempuh AGV dalam bentuk x dan y. Melalui gambar dapat diketahui bahwa : .
x .
0
v cos
………………....………..…………………..(2.4)
v sin Jarak awal AGV terhadap objek atau jarak ketika t 0 = 0 s dibuat dalam bentuk x dan y. Nilai x dan y didapat dari wilayah operasi yang ditampilkan oleh sistem navigasi. Pada peta tersebut terdapat koordinat AGV dan koordinat objek yang dituju maka nilai x dan y untuk jarak awal AGV terhadap objek merupakan selisih antara koordinat AGV awal dan objek yang dituju. Dengan melihat gambar 2.9, jarak AGV dengan koordinat (e,f) dan objek dengan koordinat (a,b) adalah x = (e-a); y = (f-b). Untuk mendapatkan jarak AGV terhadap objek ketika AGV berjalan didapat melalui persamaan berikut y
19
x y
.
x(t)d (t) .
x0 …………………..…………………(2.5)
y(t)d (t)
y0
x0 dan y0 adalah jarak awal antara AGV dan objek atau ketika t = 0 s. Nilai x dan y akan terus berubah sampai AGV mencapai objek yang dituju. Baik sudut kemiringan AGV maupun jarak AGV dan objek nantinya akan menjadi masukan sistem fuzzy. Kemudian sistem fuzzy akan menghasilkan keluaran berupa sudut putar roda (θ ). Pergerakan AGV ketika belok dianggap memiliki kondisi ideal atau disebut juga kondisi Ackerman. Kondisi ini menunjukkan bahwa semua roda AGV tidak mengalami slip sehingga sudut belok roda depan sama dengan sudut putar AGV itu sendiri.
Gambar 2.12 Kondisi Ackerman AGV
Sudut belok roda yang digunakan merupakan sudut bel roda rata-rata. Karena pada kenyataannya sebuah kendar
20
harus memiliki sudut belok yang berbeda untuk masing masing roda depan. 2.3.3 Fuzzy System sebagai pengendali gerakan AGV Karena pergerakan AGV membutuhkan tingkat ketelitian keluaran yang tinggi maka sistem yang dipakai adalah Fuzzy System yang dapat menghasilkan keluaran yang kompleks melalui sistem yang sederhana. Fuzzy System yang dirancang memiliki 2 jenis masukan yaitu sudut kemiringan AGV ( φ ) dan jarak antara AGV dengan objek (x dan y) dan 1 jenis keluaran berupa sudut putar roda (θ ).
Gambar 2.13 Fuzzy System pada AGV Agar dapat merancang fuzzy system diperlukan suatu gambaran mengenai seperti apa pola gerakan AGV nantinya dalam mnecapai suatu objek. Misalnya pada suatu kondisi posisi AGV sangat jauh dari objek dan membelakangi objek maka yang perlu dicari adalah besar derajat sudut belok yang dibutuhkan
21
agar AGV dapat mencapai objek. Apabila jenis kondisi yang dibuat semakin banyak maka pola gerakan AGV semakin teliti. Beberapa kondisi itu kemudian diterjemahkan kedalam fuzzy system yang dinamakan membership function. Masing-masing membership function baik untuk masukan maupun keluaran memiliki nilai range yang berbeda dan membership function tersebut dikelompokkan menjadi beberapa rule. Rule-rule inilah yang mewakili tiap kondisi dan menunjukkan solusi apa yang cocok digunakan untuk kondisi itu.
Gambar 2.14 Rule yang dituangkan dalam bentuk grafik Maka dengan adanya fuzzy system dapat diketahui besarnya nilai sudut belok (θ) untuk setiap posisi dan sudut kemiringan AGV. Jadi putaran roda AGV tidak hanya berada pada keadaan belok penuh atau tidak belok.
22
2.3.4 Perbedaan dengan perancangan AGV sebelumnya
Apabila dibandingkan dengan Cajunbot, AGV dalam perancangan ini hanya menggunakan 4 roda yang digerakkan ole 2 buah motor sehingga biaya pembuatan dan penggunaan daya lebih efisien, disamping itu pemodelan matematiknya jauh lebih sederhana. Hyperion Rover memiliki bobot yang sangat ringan dan memiliki sistem axle articulated akibatnya tidak bisa bermanuver dengan lincah sehingga hyperion rover cocok untuk medan datar dan luas. Sedangkan AGV dalam perancangan ini dituntut untuk dapat bermanuver dengan cepat karena lintasannya relatif sempi dan dapat mengangkut beban yang relatif besar. Oleh karena itu, AGV harus memiliki rangka yang kuat dan sistem kemudinya bertipe Ackerman. Perbedaan lain adalah tidak adanya sistem GPS pada AGV yang akan dirancang karena AGV ini beroperasi pada wilayah yang lintasannya telah dirancang terlebih dahulu. Maka alat navigasi yang dibutuhkan adalah GPS-like yang tidak menggunakan satelit sebagai pemancar sinyalnya. 2.4 DASAR FUZZY LOGIC Pada tahun 1965, Prof. Lotfi A. Zadeh memperkenalkan
teori himpunan fuzzy, yang secara tidak langsung menyatakan bahwa tidak hanya teori probabilitas saja yang dapat digunakan untuk merepresentasikan masalah ketidakpastian. Teori himpuna fuzzy merupakan kerangka matematis yang digunakan untuk merepresentasikan ketidakpastian, ketidakjelasan, ketidaktepata kekurangan informasi, dan kebenaran parsial (Tettamanzi,2001). Teori ini diciptakan karena sistem Boolean Logic tidak dapat merepresentasikan ketidakpastian, hanya mempunyai logik 1 dan 0 saja. Beda antara Boolean Logic dan Fuzzy Logic dapat diilustrasikan dalam gambar berikut
23
Gambar 2.15 Perbedaan Boolean Logic dan Fuzzy Logic (Tim IE, UWM)
Pada gambar pertama, pada suhu 75° system akan bingung untuk menentukan apakah suhu termasuk panas atau dingin karena batas antara panas dan dingin adalah 75°. Tetapi dalam fuzzy suhu sebesar 75° dapat dinyatakan sebagai 0,5 panas dan 0,5 dingin. Oleh karena itu, dalam era teknologi sekarang ini dibutuhkan suatu sistem kontrol yang menginginkan output yang memiliki ketelitian tinggi. Sehingga sistem kontrol yang menggunakan Boolean Logic dituntut untuk menggunakan sistem yang kompleks. Melalui fuzzy maka tidak dibutuhkan lagi sistem yang kompleks. Gambar berikut menunjukkan beberapa istilah yang terdapat dalam fuzzy system
Gambar 2.16 Beberapa istilah dalam Fuzzy Logic (Tim IE, UWM)
24
Melalui jurnalnya, Igit Purwahyudi mendefinisikan beberap istilah penting dalam fuzzy logic, antara lain : 1. Degree of membership, berfungsi untuk memberikan bobot pada suatu input yang telah kita berikan, sehingga input tadi dapat dinyatakan dengan nilai. Misalnya suhu adalah dingin, dengan adanya degree of membership maka suhu dingin tersebut dapat mempunyai suatu nilai misal 0,5. Batas dari degree of membership adalah dari 0 – 1 2. Scope/Domain, merupakan suatu batas dari kumpulan input tertentu. Misalnya suhu dingin adalah dari 10 – 50 derajat, sangat cepat adalah dari 200 – 500 rpm 3. Label, adalah kata – kata untuk memberikan suatu keterangan pada Scope/Domain. Contohnya : panas, dingin, cepat, sangat cepat, dan lain-lain. 4. Membership Function, yaitu suatu bentuk bangun yan merepresentasikan suatu batas dari scope/domain 5. Crisp Input, yaitu nilai input analog yang kita berikan untu mencari degree of membership 6. Universe of discourse, yaitu batas input yang telah kita berikan dalam merancang suatu fuzzy system. Batas ini berbeda dengan batas scope/domain. Universe of discourse adalah batas semua input yang akan diberikan sedangkan scope/domain adalah suatu batas yang menentukan bahwa input tersebut dinyatakan panas, dingin, cepat, dan lain-lain 2.4.1 Himpunan Fuzzy
Suatu himpunan fuzzy (fuzzy set) A adalah semesta pembicaraan (universe of discourse) U dinyatakan dengan fungsi keanggotaan (membership function) A , yang harganya berada dalam interval {0,1}. Secara matematika hal ini dinyataka dengan: [0,1] ………………………...……………(2.6) A :U Himpunan fuzzy A dalam semesta pembicaraan U biasa dinyatakan sebagai sekumpulan pasangan elemen u (u anggota
25
dan besarnya derajat keanggotaan (grade of membership) elemen tersebut, A , sebagai berikut:
A { (u ,
u ( ) /u U)}
........………………………(2.7) Tanda ‘/’ digunakan untuk menghubungkan sebuah elemen A
dengan derajat keanggotaannya, Jika U adalah diskrit, maka A bisa dinyatakan : A .... A (un ) / un ……………………(2.8) A (u1 ) / u1
Dan jika U adalah kontinyu, maka himpunan fuzzy dinyataka dengan:
A
A
(u ) / u
U
………………………………………………………(2.9) Tanda ‘+’,’ ’ menyatakan operator union (gabungan).
(Taofik Arifinyanto, 2004) 2.4.2 Proses pada Fuzzy Logic
Fuzzy Logic memiliki tiga macam proses utama yang harus dikerjakan secara berurutan. Proses ini nantinya akan disebut sebagai pengendali logika fuzzy.
26
Gambar 2.17 Diagram blok pengendali logika fuzzy (Wahyudi, Undip)
1. Fuzzifikasi Proses ini berfungsi untuk merubah suatu besaran anal menjadi fuzzy input. Prosesnya adalah sebagai berikut: suatu besaran analog dimasukkan sebagai input (crisp input), lalu input tersebut dimasukkan pada batas scope / domain sehingga input tersebut dapat dinyatakan dengan label (dingin, panas, cepat, dan lainlain) dari membership function. Membership function ini biasanya dinamakan membership function input. Dari membership function kita bisa mengetahui berapa degree of membership function-nya. 2. Rule evaluation
Proses ini berfungsi untuk untuk mencari suatu nilai fuzzy output dari fuzzy input. Prosesnya adalah sebagai berikut: suatu nilai fuzzy input yang berasal dari proses fuzzification kemudian dimasukkan kedalam sebuah rule yang telah dibuat untuk dijadikan sebuah fuzzy output. Ini merupakan bagian utam dari fuzzy, karena disinilah sistem anda akan menjadi pintar
27
atau tidak. Jika anda tidak pintar dalam mengatur rule maka sistem yang akan dikontrol menjadi kacau. Format dari rule adalah sebagai berikut: If antecedent1 operator antecendent2 then consequent1 operator consequent2
Atau dalam bentuk umum: R: IF x1 is F11 AND …. AND …. Xn is Fn1, THEN y is G1 Dimana F11dan G1 adalah himpunan fuzzy masing-masing di Ui R dan V R, dan x = (x1,….,xn)T U1X …. X Un dan y V adalah variabel linguistik. 3.
Deffuzification
Proses ini berfungsi untuk menentukan suatu nilai crisp output. Prosesnya adalah sebagai berikut: suatu nilai fuzzy output yang berasal dari rule evaluation diambil kemudian dimasukkan ke dalam suatu membership function output. Besar nilai fuzzy output dinyatakan sebagai degree of membership function output. Crisp output adalah suatu nilai analog yang akan kita butuhkan untuk mengolah data pada sistem yang te dirancang. Ada banyak metode defuzzifikasi yang dapat digunakan, tetapi pada umumnya hanya 3 metode defuzzifikasi yang sering digunakan, yaitu: Metode maksimum defuzzification Metode ini memberi keluaran ( output crisp) dengan fungsi keanggotaan yang paling tinggi. Metode ini sangat cepat tetapi hanya akurat untuk keluaran maksimum (peak output). Dimana dinyatakan dengan μ A (x*) > μ A (x*) for all x Є X ...............................(2.10) dimana x* adalah nilai yang terdefuzzifikasi. Hal ini ditunjukkan pada gambar berikut:
28
Gambar 2.18 Metode max-membership deffuzification (www.mathworks.com) Metode centroid defuzzification Metode ini dikembangkan oleh sugeno di tahun 1985 dan dikenal juga sebagai metode center of gravity (COG) atau centre of area (COA). Metode ini adalah metode yang paling sering digunakan dan sangat akurat yang dapat dinyatakan dengan :
x*
i
( x) xdx i
( x)dx
.........................................................(2.11)
Dimana : x* adalah nilai keluaran dari defuzzifikasi ( defuzzified output). μ i (x) adalah nilai maksimum dari sekumpulan dari fungsi keanggotaan. x adalah variabel keluaran. Kerugian dari metode ini adalah untuk fungsi keanggotaan yang kompleks sangat sulit untuk dilakukan perhitungan. Prinsip dari metode ini terlihat pada gambar berikut:
29
Gambar 2.19 Metode centroid deffuzification (www.mathworks.com)
Metode weighted average defuzzification Di metode ini nilai keluaran yang diperoleh dari bobot rata-rata (weighted average) tiap nilai keluaran dari aturan ( rules) yang tersimpan pada knowledge base system. Dimana dapat dinyatakan sebagai persamaan berikut: n
x*
i 1 n
i
m wi
i 1
......................................................................(2.12)
i
m
Dimana x* adalah nilai keluaran dari defuzzifikasi ( defuzzified output) Mi adalah keanggotaan dari nilai keluaran tiap aturan Wi adalah bobot dari tiap – tiap aturan. Metode ini lebih mudah dan cepat dalam perhitungan da memiliki hasil yang cukup akurat. (www.mathworks.com)
30
BAB III METODE PENELITIAN
BAB III METODOLOGI PENELITIAN
Sebagai suatu proses yang terstruktur maka dalam pelaksanaannya perancangan ini memerlukan langkah-langkah yang sistematis. Dengan demikian pelaksanaan perancangan ini dapat dimengerti oleh pihak lain. Langkah- langkah tersebut dapat dijelaskan dibawah ini 3.1 STUDI PUSTAKA Studi pustaka dilakukan dengan mempelajari teori mengenai metode - metode yang mendukung penyelesaian permasalahan dalam penelitian ini. Studi pustaka yang digunakan dapat diperoleh dari buku, jurnal, atau internet. Sehubungan dengan itu maka dilakukan studi pustaka mengenai teori yang berhubungan dengan perancangan sebagai berikut: Fungsi utama dan kelebihan dari AGV. Cara kerja AGV secara keseluruhan. Jenis-jenis sistem steering yang telah ada. Penentuan data input dan output yang digunakan pada sistem steering AGV. Penggunaan sistem navigasi dengan metode image processing melalui media kamera untuk memantau pergerakan AGV. Penggunaan metode fuzzy logic pada Matlab Toolbox yang berhubungan dengan sistem steering. 3.2 FORMULASI PERMASALAHAN Fokus permasalahan pada sistem pengendali kemudi (steering) dan kecepatan. Setelah mempertimbangkan berbagai hal maka AGV yang dirancang memiliki empat buah roda dengan sistem rear wheel drive dari sini dihasilkan kecepatan AGV yang bervariasi. Jenis steering yang digunakan adalah Ackerman type yang digerakkan melalui mekanisme rack and pinion dengan menggunakan stepper motor. Semua mekanisme ini dikendalikan
31
melalui program yang dibuat melalui Matlab. Program yang dibuat berdasarkan metode fuzzy sehingga program dikerjakan pada Fuzzy Logic Toolbox. Hasil dari pemrograman ini nantinya akan disimulasikan menggunakan Simulink Toolbox. 3.3 PENGUMPULAN DATA Untuk mendukung perancangan sistem pengendali steering dan kecepatan maka diperlukan data-data sebagai berikut : Spesifikasi dari komponen perangkat keras yang akan digunakan, meliputi: 1. Chassis dari AGV yang dilengkapi dengan empat roda, mekanisme steering dan gearbox 2. Motor stepper untuk mekanisme steering dan motor DC untuk penggerak roda. 3. Driver yang meneruskan sinyal analog menuju masingmasing motor. 4. Interface yang menghubungkan komputer dengan driver berupa perangkat DAC dan ADC.
D E A
C
B
G
F
Gambar 3.1 Skema seluruh sistem pada AGV
32
Keterangan : A : Kamera B : Motor untuk system steering beserta mekanismenya C : Driver ADC dan DAC untuk Steering System, Path Planning dan Obstacle Detection System D : Roda AGV, memiliki 4 buah roda dimana 2 roda depan untuk bermanuver dan 2 roda belakang untuk menghasilkan kecepatan E : Rangka AGV yang nantinya akan menopang driver dan perangkat komputer F : Mekanisme untuk mengubah sudut belok roda depan G : Motor untuk memutar roda belakang beserta mekanismenya Task Program yang digunakan Bahasa pemrograman yang digunakan adalah Matlab. Alasan digunakannya Matlab adalah karena Matlab memiliki pemrograman khusus untuk metode fuzzy dan perancancangan dapat disimulasikan terlebih dahulu melalui Simulink sebelum diterapkan dalam perangkat keras sehingga kesalahan pemrograman dapat dihindari. 3.4 PENGOLAHAN DAN ANALISIS DATA Setelah data diketahui maka dilakukan pengolahan dan penganalisaan data melalui prosedur sebagai berikut : 1. Membuat simulasi sistem steering pada Simulink dengan input berupa jarak dan posisi AGV terhadap target dan output berupa sudut belok roda. 2. Membuat virtualisasi medan tempat beroperasinya AGV dan pergerakan AGV. 3. Mempelajari sistem kerja dan fungsi dari perangkat keras. 4. Mencari hubungan antarperangkat keras. 5. Menghubungkan sistem pengendali kemudi dan kecepatan dengan sistem analisis medan dan sistem penghitung jarak terpendek.
33
3.5 PERENCANAAN PROSES Setelah semua fungsi dan cara kerja dari perangkat keras diketahui, selanjutnya yang dilakukukan adalah merancang sistem kontrol secara keseluruhan. Sistem kontrol berupa driver ini nantinya akan meneruskan sinyal dari komputer menuju masingmasing motor. Sistem kontrol ini nantinya akan diprogram dengan menggunakan Matlab dan disimulasikan menggunakan Simulink Toolbox.
Kamera AGV
Obstacle Detector Programs
Interface
Mendeteksi halangan Kamera Navigasi
Interface
Sudut AGV, koordinat AGV dan koordinat objek
A B
Navigation
Programs
Shortest path Programs
A Jenis halangan
B d dan φ
Processor
Input
Steering program for obstacle Pemilihan program
θ
Interface Steering program path for shortest
θ
Processor
Motor penggerak roda belakang Penghasil
Kecepatan Motor penggerak roda depan Sudut putar
roda Output
θ = sudut putar roda depan
d = jarak AGV terhadap objek dalam sumbu x atau y φ = sudut kemiringan AGV terhadap sumbu x
Gambar 3.2 Blok Diagram Sistem pergerakan AGV
34
Sistem pergerakan AGV memiliki tiga proses utama antara lain : 1. Navigation and shorten path system Sistem ini bertugas untuk menunjukkan sudut kemiringan dan koordinat AGV serta koordinat masing –masing objek tujuan. Semua data tersebut berasal dari pembacaan kamera navigasi yang ditransfer menuju Navigation Programs pada komputer melalui media interface. Kamera navigasi ini berada diatas daerah tempat AGV beroperasi. Koordinat AGV dan koordinat objek yang berasal dari program navigasi tersebut menjadi dasar untuk menentukan lintasan yang akan dilalui AGV melalui Shorten path Programs 2. Obstacle detector Untuk mendeteksi adanya halangan pada lintasan AGV digunakan sebuah kamera yang menempel pada AGV. Hasil pembacaan kamera nantinya ditransfer menuju Obstacle Detector Programs melalui media interface. Jenis-jenis halangan dibedakan berdasarkan warna halangan tersebut. Sehingga melalui itu dapat diketahui kontur halangan yang akan dilewati dan dihindari. 3. Automatic steering Hasil keluaran dari kedua sistem diatas diproses oleh sistem pengendali otomatis. Dimana dalam sistem ini terdapat dua program yakni steering program for obstacle dan steering program for shorten path. Masukan kedua program ini adalah keluaran dari kedua sistem diatas. Masukan ini nantinya akan diproses untuk menghasilkan data berupa besar sudut putar roda depan dan kontrol kecepatan roda belakang untuk sistem penghitung jarak terpendek dan sistem penghindar tabrakan. Kontrol kecepatan roda belakang hanya memerintahkan AGV untuk jalan atau berhenti ketika AGV mulai bergerak dan ketika
35
mencapai objek. Data tersebut ditransfer menuju motor penggerak roda depan dan roda belakang melalui media interface. Sistem pengendali otomatis tidak dapat memproses keluaran dari sistem penghindar tabrakan dan sistem penghitung jarak terpendek sekaligus karena keluaran sistem pengendali otomatis hanya satu yaitu berupa sudut putar roda depan. Oleh karena itu dibutuhkan sebuah program lagi yang berguna untuk memilih program yang akan dikirim ke sistem pengendali otomatis. Progam pemilih ini bekerja berdasarkan ada atau tidaknya halangan. 3.6 KETENTUAN YANG PENGOPERASIAN AGV
BERLAKU
DALAM
3.6.1 Pengaturan koordinat AGV dan objek dan sudut-sudut pada AGV AGV bekerja pada daerah yang telah dipetakan dalam sumbu xy yang dinamakan sumbu xy global. Dimana sumbu xy tersebut dibagi menjadi kuadran I sampai kuadran IV. Jadi, koordinat AGV dan objek yang akan dituju didapat berdasarkan sumbu xy global tersebut. Agar AGV dapat mengetahui letak objek yang akan dituju maka objek dianggap memiliki koordinat (0,0) dan AGV berada disuatu titik koordinat tertentu yang dihitung dari titik (0,0) pada objek. Maka untuk mengetahui jarak AGV dengan objek dibutuhkan nilai selisih antara koordinat AGV dengan koordinat objek.
36
AGV
(a,b)
b-d
(c,d)
a-c
Sumbu xy global
x
Objek Dianggap titik (0,0)
y
Gambar 3.3 Perhitungan jarak AGV dan objek Melalui gambar diketahui bahwa letak AGV berada pada titik (a,b) dan objek berada pada titik (c,d). Maka letak AGV apabila objek dianggap titik (0,0) adalah berada pada titik [(ac),(b-d)]. Sebagai catatan, sumbu xy pada objek juga dibagi dalam 4 kuadran. Maka kesimpulannya fungsi sumbu xy global adalah untuk mengetahui koordinat AGV dan koordinat objek sedangkan sumbu xy pada objek berguna sebagai titik acuan agar AGV dapat bergerak menuju objek. Simulasi yang direncanakan di Matlab hanya membutuhkan jarak antara AGV dan objek dalam sumbu x atau dalam sumbu y. Jadi tidak menggunakan nilai resultan antara titik pada sumbu x maupun pada sumbu y. Karena posisi AGV dan masing-masing objek didefenisikan dalam bentuk koordinat x dan y, maka semua perhitungan harus didasarkan pada sumbu x dan y wilayah atau disebut sumbu xy global. Perhitungan ini tentunya membutuhkan nilai jarak dalam sumbu x atau y dan besar sudut AGV terhadap sumbu xy global. Pengoperasian pada AGV membutuhkan besar sudut belok roda depan (θ ) dan besar sudut bidang vertikal AGV terhadap sumbu xy global (φ ).
37
-270° Sudut belok roda depan
90°
θ
Sudut bidang vertikal AGV terhadap sumbu xy global
φ
0°
x
-90°
y
Gambar 3.4 Sudut θ dan sudut φ pada bodi AGV AGV dikatakan tidak melakukan manuver apabila sumbu vertikal roda depan sejajar dengan sumbu vertikal bodi AGV atau sudut belok roda depan bernilai 0°. Apabila roda depan diputar dari keadaan 0° secara CCW maka nilai sudutnya adalah positif sedangkan bila diputar dari keadaan 0° secara CW maka nilai sudutnya negatif. Sudut bidang vertikal AGV terhadap sumbu xy global bernilai -270° sampai 90°. Alasan digunakannya urutan sudut mulai dari -270° adalah untuk keperluan struktur penyusunan membership function pada fuzzy system. Dimana sudut AGV akan selalu menuju sudut -90° pada saat akan mencapai objek. Sudut ini didapat melalui sebuah sistem navigasi yang menggunakan kamera dan akan disesuaikan dengan fuzzy system. Nilai sudut ini dibutuhkan untuk perhitungan kecepatan AGV terhadap sumbu x dan sumbu y. Hal ini tertera dalam persamaan- persamaan untuk pemodelan kinematik.
38
3.6.2 Pembagian wilayah operasi AGV dalam kuadran I sampai IV Agar dapat mengatur pola pergerakan AGV maka diperlukan suatu pembagian daerah pada medan yang akan dilalui.Batas-batas daerah ini bersifat virtual maksudnya tidak tampak pada keadaan sebenarnya. Pembagian ini berfungsi untuk perhitungan kinematik dan fuzzy system yang akan mengatur pergerakan AGV. Pembagian daerah tersebut dinamakan daerah posisi I dan daerah posisi II. Apabila tidak ada pembagian daerah maka pada koordinat tertentu, AGV tidak dapat mencapai objek yang dituju. Hal ini disebabkan karena parameter yang menjadi masukan pada fuzzy system hanyalah nilai dari sumbu x atau dari sumbu y bukan nilai keduanya. Misalnya apabila parameter yang digunakan adalah nilai dari sumbu x maka pola pergerakan AGV akan selalu sama untuk semua nilai pada sumbu y.
Pergerakan AGV
Letak objek
Gambar 3.5 Pergerakan AGV yang tidak mencapai objek Misalnya AGV bergerak dari koordinat (26,15) dan sudut antara AGV dan sumbu xy global adalah 30 derajat. Dari gambar terlihat bahwa apabila AGV bergerak melalui titik tersebut maka AGV
39
tidak dapat berjalan menuju titik objek. Hal ini disebabkan karena pola gerakan yang dirancang melalui fuzzy system tidak melibatkan nilai pada sumbu y. y
AGV
Posisi I A
Sumbu xy objek
Objek
45° Posisi II B
Batas virtual antardaerah Posisi II A
x
x Posisi I B
y Sumbu xy global
Gambar 3.6 Pembagian daerah pada sumbu xy objek Daerah posisi I terdiri atas dua bagian yaitu daerah posisi IA yang terletak di sumbu y positif dan daerah posisi IB yang terletak disumbu y negatif. Begitu juga untuk daerah posisi II. Luas keempat daerah tersebut adalah sama sehingga kemiringan garis batas daerah tersebut sebesar 45 derajat. Pada sumbu xy ini, letak objek selalu berada dititik (0,0) atau dipusat sumbu xy. Daerah kondisi I dan daerah kondisi II masing-masing memiliki perhitungan dan fuzzy system yang berbeda. Agar mengetahui posisi AGV pada posisi –posisi diatas, perlu dilakukan pembagian antara nilai jarak dalam sumbu y dengan nilai jarak dalan sumbu x (y/x). Dimana berlaku hubungan seperti berikut : 2 Apabila nilai (y/x) ≥ 1 maka AGV terletak pa da kondisi IA dan IB
40
Apabila nilai (y/x) < 1 maka AGV terletak pada kondisi IIA dan IIB Hal ini didasarkan dari perhitungan arc tg(y/x) dimana nilai tg dengan sudut 45 derajat adalah 1. Sehingga apabila nilai (y/x) dibawah 1 maka AGV berada pada kondisi IIA dan sebaliknya. Penggunaan tanda kuadrat pada perhitungan adalah agar nilai yang didapat selalu positif dan berlaku untuk posisi IB dan IIB. Fuzzy system dan perhitungan kinematika untuk daerah posisi I menggunakan parameter nilai dari sumbu x sedangkan parameter untuk posisi II menggunakan sumbu y. 2
3.6.3 Pemodelan Kinematik Dasar pemodelan kinematik dalam perancangan AGV ini sama dengan perancangan yang dilakukan oleh Tomori Furukawa. Dimana input yang digunakan adalah posisi AGV dan jarak AGV terhadap objek sedangkan outputnya adalah sudut belok roda AGV. Pemodelan ini kemudian dituangkan dalam pemrograman MATLAB. Contoh perhitungan model matematik pergerakan AGV adalah sebagai berikut - kecepatan AGV = 2 m/s dan panjang AGV = 2 m - jarak AGV dengan objek dalam sumbu x = -45 m; y = 47m dan sudut AGV = -250° Nilai ini menjadi input fuzzy pertama ketika sistem dijalankan, sehingga fuzzy system mengeluarkan output berupa sudut putar roda sebesar 42°. Kemudian melalui persamaan (2.2) diatas diketahui .
.
v 1 l 2
tg
.
2 1
tg42
1.8rad / s
Untuk mendapatkan nilai sudut kemiringan AGV setelah berjalan selama waktu tertentu digunakan persamaan (2.3)
41
.
(t)dt
0
Dimana : .
- (t) = nilai kecepatan sudut perputaran AGV pada waktu t s - φ 0 = nilai sudut kemiringan AGV pada kondisi awal atau saat t=0s Melalui persamaan diatas maka dapat diketahui sudut AGV terhadap sumbu xy global setelah t = 1 s, melalui perhitungan sebagai berikut :
(1s)
.
(t)dt ( 250derajat) 0
(1s)
[(1.8m / s * 1s) * 180/ pi] ( 250 )
(1s)
103
(1s)
0
0
250 0
147
Sudut kemiringan AGV pada setelah t = 1 s adalah 147°. Nilai ini kemudian dipakai untuk mendapatkan besar kecepatan dalan sumbu x dan dalam sumbu y. Nilai tersebut didapat melalui persamaan (2.4) berikut : .
v cos
x .
v sin
y
Dimana : .
- x = besar kecepatan AGV dalam sumbu x .
- y = besar kecepatan AGV dalam sumbu y - v = kecepatan AGV dengan sudut φ Maka untuk mengetahui kecepatan AGV terhadap sumbu x dan sumbu y setelah t = 1 s adalah sebagai berikut :
42
.
x(1s)
2m/ s * cos( 147)
.
x(1s)
1.677m / s
Setelah mendapatkan nilai kecepatan AGV terhadap sumbu x dan sumbu y maka melalui peng- integral-an nilai tersebut didapatkan posisi AGV terhadap objek setelah t = 1 s. Persamaan yang digunakan adalah persamaan (2.5)
x y
.
x(t)d (t) .
y(t)d (t)
x0 y0 2
Posisi AGV berada pada kondisi IA karena harga (y/x) < 1 sehingga parameter jarak yang digunakan sebagai masukan untuk fuzzy system adalah nilai pada sumbu x. Jadi yang perlu dihitung hanya jarak pada sumbu x saja .
x(1s)
x(t)dt
x(1s)
( 1.677m / s * 1s)
x(1s)
1.677m 45m
x(1s)
46.677m
( 45m) ( 45m)
Maka jarak x setelah t =1s adalah -46.677m. Untuk detik berikutnya perhitungan yang digunakan sama dengan perhitungan diatas 3.6.4 Pembuatan Fuzzy System Dalam Fuzzy System dilakukan perencanaan banyaknya membership fuction dan besarnya scope yang akan digunakan. Hal ini berlaku untuk semua input maupun output. Hasil keluaran model kinematik berupa jarak dan sudut posisi AGV kemudian diterima oleh Fuzzy System. Pada Fuzzy System ini jarak dan
43
sudut posisi AGV dirubah menjadi sudut belok roda AGV. Kemampuan fuzzy system untuk menghasilkan keluaran yang tepat bergantung kepada orang yang merancang fuzzy system itu. Karena untuk menentukan batas- batas masukan fuzzy sampai penentuan rule –rule semua dilakukan oleh orang yang merancang tersebut. Metode fuzzy ada dua yaitu Sugeno dan Mamdani. Pada perancangan ini metode fuzzy yang digunakan adalah Mamdani. Dasar pemilihan metode ini adalah karena metode Mamdani tidak terlalu membebani kinerja komputer daripada metode Sugeno. Sehingga pengoperasian AGV tidak terganggu.
(a) Input
(b) Output Gambar 3.7 Input (a) dan Output (b) Fuzzy System pada Matlab 3.6.5 Pembuatan Simulasi Proses Simulasi dibuat dalam Simulink yang terdapat pada MATLAB, performa dari simulasi ini nantinya ditentukan oleh pemodelan kinematik dan fuzzy systemnya. Pemodelan yang dibuat memiliki kekurangan antara lain AGV tidak dapat
44
mencapai objek tujuan dengan tepat maksudnya AGV tidak berhenti pada titik (0,0). Hal ini terjadi karena pengaruh perancangan fuzzy system dimana terdapat kekurangan pada jumlah membership functionnya. Hal lain yang juga berpengaruh adalan dimensi dari AGV yang akan dibuat. Semakin besar panjang AGV maka semakin sulit untuk melakukan manuver di ruang yang sempit. Untuk memulai simulasi proses yang pertama sekali harus diketahui adalah posisi AGV dan sudut AGV yang didapat dari sistem navigasi dan sistem penghitung jarak terpendek. Koordinat objek yang akan dilalui oleh AGV nantinya akan dimasukkan dalam format *.txt atau *.dat. Tetapi untuk sementara posisi AGV dan sudut AGV dimasukkan secara manual kedalam Matlab dalam format *.m.
Gambar 3.8 Tempat masukan untuk Posisi dan Sudut AGV Data awal ini nantinya akan dijalankan dan simulasi pada Simulink diatur untuk membaca hasil operasi dari data awal tadi. Setelah itu, Simulasi dapat dijalankan yang nantinya akan menunjukkan garis pergerakan AGV dalam koordinat xy.
45
Gambar 3.9 Bentuk simulasi pada Simulink Matlab 3.6.6 Perencanaan Sistem Navigasi Sistem navigasi yang digunakan menggunakan sistem image processing. Sistem ini dapat mengolah gambar wilayah tempat AGV beroperasi. Gambar tersebut diperoleh melalui kamera yang berada diatas wilayah tersebut. Hasil pengolahan gambar tersebut dapat mengidentifikasi suatu benda sebagai objek atau sebagai AGV melalui pendeskripsian warna.
46
(0,0)
y+
x+
x
AGV
Objek y Gambar 3.10 Pembacaan koordinat oleh sistem navigasi melalui media kamera Sistem navigasi ini memetakan wilayah operasi AGV kedalam bentuk koordinat. Pembacaan koordinat oleh kamera selalu dimulai melalui sisi sebelah kiri atas seperti tampak pada gambar 3.10. Melalui metode pengenalan warna dapat diketahui koordinat AGV dan koordinat objek yang ada pada wilayah tersebut. Agar sistem ini dapat bekerja dengan baik maka harus ada perbedaan warna yang kontras antara AGV, objek dan permukaan lintasan. Untuk mendukung proses pergerakan AGV dibutuhkan sudut kemiringan AGV terhadap sumbu x positif. Sudut ini juga didapatkan melalui sistem navigasi dimana bentuk penampang atas AGV sebagai indikasi perubahan sudut AGV.
47
Bagian depan AGV
90°
0°
-90°
-180°
-270°
Gambar 3.11 Pembacaan sudut oleh sistem navigasi melalui media kamera Untuk mengetahui sudut dibutuhkan suatu pengenalan kondisi AGV pada beberapa patokan sudut yaitu mulai dari sudut 90° sampai sudut -270°. Masing-masing kondisi AGV ini dibaca oleh media kamera. Bagian depan AGV diberi suatu bentuk yang membedakannya dengan bagian AGV yang lain. Hal ini bertujuan agar kamera dapat mengenali bagian depan AGV yang menjadi indikator setiap patokan sudut. Berbagai kondisi AGV ini kemudian dibuat kedalam matriks yang dapat menampung ukuran AGV. Sehingga setiap patokan sudut mempunyai nilai yang berbeda-beda. Untuk mendapatkan nilai sudut diluar sudut patokan maka sudut-sudut patokan tersebut dituangkan kedalam fuzzy system dimana yang menjadi masukan fuzzy adalah nilai matriks hasil pembacaan kamera dan yang menjadi keluaran fuzzy adalah nilai sudut sebenarnya. 3.6.7. Analisa dan Pembahasan Setelah semua permasalahan dapat diatasi, maka tahap selanjutnya adalah analisa dan data dari proses pengenalan obyek pada sistem collision avoidance dengan menggunakan jaringan syaraf tiruan.
48
3.7 KESIMPULAN DAN SARAN Pada tahap ini semua hasil pembahasan akan disimpulkan untuk menjawab permasalahan. Dan juga diberikan saran – saran terhadap masalah sistem kontrol steering AGV.
49
FLOWCHART METODOLOGI PENELITIAN
START Studi Pustaka
Formulasi Permasalahan
Pengumpulan Data
Pengolahan dan Analisa Data
Pemodelan Kinematik
Pembuatan Fuzzy System
Pembuatan Simulasi Proses
A
50
B A
A
B A
Simulasi bekerja dengan baik?
Tidak
Ya Perencanaan Sistem Navigasi
Analisa dan Pembahasan Kesimpulan dan Saran END Gambar 3.12 Metodologi Penelitian
51
FLOWCHART PROSES SIMULASI PERGERAKAN AGV START
Penentuan data awal berupa x, y, sudut, panjang dan kecepatan AGV
Perhitungan kinematika AGV
Fuzzy System
AGV sudah sampai ke target?
Tidak
Ya END
Gambar 3.13 Proses Pergerakan AGV
52
BAB IV RANCANG BANGUN SIMULASI SISTEM PENGENDALI OTOMATIS (AUTOMATIC STEERING) PADA AGV
BAB IV SIMULASI SISTEM PENGENDALI OTOMATIS (AUTOMATIC STEERING) PADA AGV
Perangkat yang berada dalam sistem pengendali otomatis pada AGV berfungsi untuk mengendalikan sistem mekanis pada AGV melalui motor penggerak roda depan dan motor penggerak roda belakang. Dimana masing-masing motor ini berfungsi untuk mengatur sudut belokan roda depan dan menggerakkan AGV. Hal yang akan dicapai dalam pengoperasian AGV ini adalah untuk menjalankan AGV menuju objek yang telah ditetapkan dan menghindari halangan selama AGV bergerak. Agar sistem pengendali otomatis dapat bekerja dengan normal maka diperlukan beberapa langkah pengerjaan antara lain : a. Menerima data dari sistem penghitung jarak terpendek berupa posisi dan koordinat AGV dan koordinat objek yang harus dilalui b. Menerima data dari sistem pendeteksi halangan berupa suatu nilai yang menunjukkan kondisi halangan c. Mengolah data-data dari kedua sistem dalam sistem pengendali otomatis d. Mengkonversikan keluaran dari sistem pengendali otomatis agar menjadi perintah yang nantinya akan menggerakkan sistem mekanis pada AGV Untuk mengetahui benar atau tidaknya AGV dapat mencapai objek melalui beberapa perhitungan maka perlu dilakukan simulasi pada MATLAB. Hasil simulasi dapat berupa grafik dua dimensi yang menunjukkan pola pergerakan AGV dari titik awal sampai menuju objek.
53
4.1 Parameter Konfigurasi simulasi Proses pergerakan AGV ini ditampilkan dalam bentuk simulasi yang dikerjakan pada Simulink MATLAB. Sebelum merancang sistem simulasi maka perlu melakukan konfigurasi untuk sistem yang telah tersedia pada Simulink. Beberapa konfigurasi yang tersedia pada Simulink dapat dilihat sebagai berikut :
Gambar 4.1 Konfigurasi yang terdapat pada Simulink Bagian yang penting agar simulasi berjalan antara lain adalah Solver Pane. Bagian ini memungkinkan perancang untuk melakukan waktu simulasi dan beberapa setting time seperti menentukan waktu mulai (start) dan waktu berhenti (stop) untuk sebuah simulasi. Pada bagian ini juga dapat diatur kenaikan waktu (step time) maksudnya pengolahan data untuk simulasi dapat dilakukan setiap satuan waktu. Kenaikan waktu ini akan semakin bertambah ketika simulasi dijalankan dan akan berhenti ketika mencapai waktu simulasi yang telah ditentukan. Terdapat dua buah tipe step time yang menentukan besar kenaikan waktu simulasi selanjutnya. Tipe step time tersebut antara lain :
54
a. variable step Kenaikan waktu simulasi ini selalu berubah-ubah sesuai dengan dinamika model. Maksudnya variabel step digunakan apabila model yang dirancang memiliki dua atau lebih jenis akurasi waktu. Misalnya seperti ilustrasi model dibawah ini
Gambar 4.2 Model dengan dua jenis akurasi waktu (www.mathworks.com) Pada model berikut harus digunakan step time berupa variable step karena terdapat dua buah source signal yang memiliki akurasi waktu yang berbeda. Hal ini mengakibatkan diskontinu ketika simulasi dijalankan. Dengan variabel step kenaikan waktu simulasi dapat berubah-ubah sesuai dengan akurasi waktu masing-masing source signal sehingga simulasi dapat berjalan. Misalnya apabila source signal pertama memiliki akurasi waktu sebesar 0.25 s dan source signal kedua memiliki akurasi waktu sebesar 0.5 s maka apabila step time yang dipilih adalah variable step maka kenaikan waktu simulasi adalah sebagai berikut : [0.0 0.5 0.75 1.0 1.5 2.0 2.25 ...] Dengan variable step ini maka waktu kenaikan yang tidak diperlukan tidak akan masuk dalam perhitungan waktu simulasi seperti 0.25 s, 1.25 s dan seterusnya. b. fixed step Tipe step time yang digunakan pada perancangan ini adalah fixed step. Simulasi yang dirancang memiliki akurasi waktu yang homogen sehingga dapat ditetapkan akurasi waktu
55
sebesar 0.1 s. Semakin akurat suatu step size maka waktu simulasi akan semakin lama. Terdapat dua jenis simulasi yang dapat digunakan pada fixed step yaitu discrete dan continuous. Discrete maksudnya adalah dimana simulasi tersebut memiliki step time yang terdapat pada blok-blok pada tampilan simulasi. Jadi simulasi berjalan diatur berdasarkan kenaikan waktu pada setiap blok (state time). Kenaikan waktu simulasi didapat dari penambahan nilai akurasi waktu yang ditetapkan .Misalnya akurasi waktu sebesar 0.1 s maka waktu akan bertambah setiap 0.1 s selama proses simulasi. Sedangkan continuous adalah dimana kenaikan waktu pada simulasi sama dan tidak berasal dari blok-blok simulasi. Simulasi seperti ini adalah simulasi yang mengandung integrasi atau derivatif. Tidak seperti simulasi discrete, perubahan nilai pada simulasi continuous berasal dari akurasi waktu dan turunan nilai sebelumnya. 4.2 Data posisi, koordinat AGV, dan koordinat objek Sistem pengendali otomatis membutuhkan posisi sudut AGV, koordinat AGV dan koordinat objek seperti yang dibahas pada bab sebelumnya. Semua masukan itu didapatkan dari sistem navigasi dan sistem penghitung jarak terpendek. Dalam proses perhitungan pada sistem pengendali otomatis yang dibutuhkan adalah jarak antara AGV dan objek dalam bentuk koordinat dan posisi sudut AGV. Sebelum menentukan jarak antara AGV dengan objek yang dituju maka perlu dilakukan penetapan dalam penghitungan koordinat objek dalam wilayah operasi AGV. Untuk membaca letak koordinat semua objek yang ada pada wilayah AGV digunakan sebuah kamera dimana pembacaan kamera nantinya akan ditampilkan pada layar monitor seperti gambar berikut :
56
(0,0)
x
Objek
AGV
AGV
Objek
(10,5)
(8,2)
(0,0)
(2,7)
y (a) (b) Gambar 4.3 Pembacaan koordinat (a) oleh kamera navigasi dan pembacaan koordinat (b) oleh AGV Pembacaan koordinat oleh kamera dimulai dari titik (0,0) yang berada disebelah kiri atas layer monitor. Karena pembacaan koordinat sistem pengendali otomatis pada AGV dengan kamera navigasi berbeda maka perlu dibuat suatu penyesuaian agar hasil pembacaan koordinat kamera navigasi dapat dibaca oleh sistem pada AGV. Untuk mendapatkannya dibuat dengan persamaan berikut Δ x = xA – xO Δ y = yO – yA Dimana : Δ x merupakan jarak AGV terhadap objek dalam sumbu x Δ y merupakan jarak AGV terhadap objek dalam sumbu y xA dan yA merupakan koordinat AGV dalam sumbu x dan y dari kamera navigasi xO dan yO merupakan koordinat objek dalam sumbu x dan y dari kamera navigasi Misalkan melalui pembacaan kamera navigasi AGV terletak pada titik (10,5) dan objek berada pada titik (2,7) maka melalui persamaan diatas didapatkan jarak AGV terhadap objek yang dituju berada pada titik (8,2).
57
Sistem navigasi dan penghitung jarak terpendek menampilkan koordinat AGV dan koordinat objek – objek yang akan dilalui dalam bentuk file notepad. Contoh file notepad adalah sebagai berikut :
Ada 3 objek yang harus dilalui
Sudut posisi AGV(Gamma)
x x
y
y
Gambar 4.4 File notepad yang dikeluarkan oleh sistem penghitung jarak terpendek File pertama dinamakan objek yang berisi koordinat masing-masing objek yang akan dituju dimana koordinat tersebut disajikan dalam bentuk matriks. Baris pertama menyatakan koordinat objek pertama yang mejadi tujuan awal AGV demikian seterusnya. Kolom pertama dan kedua masing –masing menyatakan koordinat sumbu x dan koordinat sumbu y. File kedua bernama AGV yang berisi koordinat dan posisi AGV. File ini juga berupa matriks yang memiliki 1 baris dan 3 kolom. Kolom pertama dan kedua berisi koordinat x dan y AGV dan kolom ketiga berisi sudut posisi AGV. Sistem pengendali otomatis menerima file diatas setiap AGV mulai beroperasi dan saat AGV sampai pada objek tertentu. Selain data-data mengenai koordinat dan posisi sudut, data lain yang cukup penting adalah mengenai spesifikasi AGV yang akan dioperasikan berupa panjang AGV dan kecepatan AGV. Nilai
58
panjang dan kecepatan AGV ini berpengaruh pada karakteristik pergerakan AGV nantinya. Dalam sistem pengendali otomatis, proses perhitungan diawali dengan pembacaan masukan sampai menjadi keluaran berupa sudut putar roda. Pembacaan ini perlu dilakukan agar datadata tersebut dapat dikenali selama proses pergerakan AGV dalam simulasi. Proses pembacaan masukan tersebut dapat dilihat pada program perintah m-file berikut ini : %% data untuk kondisi awal pada AGV clc koordinat_objek = dlmread('objek.txt'); %Memanggil file dari shorten path system jumlah_objek = size(koordinat_objek,1); %Menentukan jumlah objek yg dilalui halang = dlmread('halangan.txt'); %Memanggil file yang berisi data halangan jumlah_halangan = size(halang,1); for m = 1:jumlah_objek; posisi_AGV = dlmread('AGV.txt'); %Memanggil file dari shorten path system koordinat_AGV = posisi_AGV(1:1,1:2); jarak_x = koordinat_AGV(1:1) koordinat_objek(m,1); jarak_y = koordinat_AGV(2:2) koordinat_objek(m,2); = posisi_AGV(:,3); sudut_AGV_awal kecepatan_awal = 2; panjang_AGV = 1;
Proses pertama yang harus dilakukan adalah memanggil file notepad yang dikeluarkan oleh sistem navigasi dan sistem penghitung jarak terpendek. Untuk mengetahui banyaknya objek yang harus dilalui maka perlu dicari banyaknya baris pada matriks koordinat objek. Sehingga perjalanan AGV tidak hanya satu kali saja tetapi dapat dilakukan sebanyak jumlah objek yang harus dilalui (jumlah objek yang harus dilalui diberi nama m) .
59
Karena beberapa perhitungan membutuhkan anggota matriks tertentu maka keanggotaan matriks AGV maupun matriks objek harus dipilah-pilah terlebih dahulu. Dari proses itu maka dapat diketahui besar sudut posisi AGV yang dinyatakan dalam sudut_AGV dan jarak AGV terhadap objek pertama yang dinyatakan dalam jarak_x dan jarak_y. Selain itu perlu diketahui juga spesifikasi AGV berupa panjang dan kecepatan AGV. Hasil eksekusi dari program diatas akan terdaftar pada workspace MATLAB yang nantinya dipergunakan sebagai data untuk Simulink. 4.3 Mengolah data untuk menghasilkan sudut putar roda Setelah membaca dan mengklasifikasikan semua data yang diperlukan maka simulasi dapat dilakukan. Proses simulasi ini dapat dibagi menjadi enam bagian utama. Bagian-bagian tersebut antara lain Penentuan posisi awal pergerakan, Model Kinematik, Fuzzy Input, Perantian objek tujuan, Sistem Halangan dan Pemberhentian simulasi. Terdapat dua jenis program pergerakan AGV yang dirancang yaitu dalam bentuk m-file dan model Simulink. Simulink dapat menampilkan proses pergerakan AGV secara real time sedangkan program yang dibuat di m-file hanya menampilkan grafik yang menggambarkan lintasan yang dilalui AGV sesaat setelah program m-file dieksekusi. 4.3.1 Penentuan posisi awal pergerakan Untuk memulai pergerakannya AGV perlu mengetahui posisinya dan letak objek-objek yang harus dituju. Pada bagian ini terdapat dua sistem utama yaitu sistem untuk mendapatkan koordinat dan sudut posisi AGV sebelum dan sesudah mencapai objek dan sistem untuk mendapatkan banyaknya objek tujuan dan koordinat masing-masing objek yang harus dilalui.
60
%% data untuk kondisi awal pada AGV clc koordinat_objek = dlmread('objek2.txt'); %Memanggil file dari shorten path system jumlah_objek = size(koordinat_objek,1); %Menentukan jumlah objek yg dilalui halang = dlmread('halangan.txt'); %Memanggil file yang berisi data halangan jumlah_halangan = size(halang,1); for hh=1:jumlah_halangan v(hh)=halang(hh,1); w(hh)=halang(hh,2); end; for m = 1:jumlah_objek; posisi_AGV = dlmread('AGV.txt'); %Memanggil file dari shorten path system koordinat_AGV = posisi_AGV(1:1,1:2); = koordinat_AGV(1:1) jarak_x koordinat_objek(m,1); jarak_y = koordinat_AGV(2:2) koordinat_objek(m,2); sudut_AGV_awal = posisi_AGV(:,3); kecepatan_awal = 2; panjang_AGV = 1;
Proses perhitungan simulasi yang dirancang pada dasarnya hanya dapat menjalankan AGV dari suatu koordinat menuju objek yang dianggap berada pada koordinat (0,0). Jadi masukan untuk pemodelan kinematik AGV ini tidak dapat digunakan apabila letak objek tidak berada pada titik (0,0). Sehingga sebelum memulai simulasi harus diketahui terlebih dahulu jarak antara AGV dan salah satu objek yang harus dituju.
61
x(+)
(0,0)
AGV
AGV (1,-1)
(-39,-29) (40,-30)
Objek
Objek
(0,0)
y(-) (a)
(b)
Gambar 4.5 Wilayah pergerakan AGV (a) Bidang pergerakan sebenarnya, (b) bidang pergerakan untuk perhitungan Seperti terlihat pada gambar diatas, gambar (a) menunjukkan wilayah pergerakan AGV sebenarnya dimana penentuan sumbu x dan sumbu y sesuai dengan penentuan sumbu pada kamera navigasi. Gambar (b) adalah wilayah virtual yang berguna untuk kepentingan perhitungan kinematik AGV dimana wilayah pergerakan AGV dibagi atas 4 kuadran seperti yang telah dibahas sebelumnya.
62
Gambar 4.6 Penentuan posisi awal pergerakan a. Koordinat dan sudut posisi AGV Pada bagian ini terdapat dua buah input yaitu posisi AGV yang memberikan data berupa koordinat dan posisi AGV setelah mencapai suatu objek. Hal ini perlu diketahui karena koordinat dan posisi AGV tadi digunakan lagi untuk proses pergerakan AGV menuju objek lain. Sistem ini juga dapat mengolah koordinat dan posisi AGV sebelum melakukan pergerakan yang didapat dari pembacaan awal yang telah disebutkan diatas. Sedangkan Indikator adalah masukan yang memerintahkan sistem untuk menerima koordinat dan posisi AGV. Indikator ini memberikan perintah setelah AGV mencapai objek tujuan tertentu. Keluaran sistem ini adalah koordinat AGV dalam sumbu x dan y dan sudut posisi AGV
63
b. Letak objek Bagian ini hanya memiliki satu buah masukan yaitu berupa Indikator. Sama seperti diatas, indikator berfungsi untuk memerintahkan sistem untuk mengganti koordinat objek tujuan setelah objek tujuan yang lain tercapai. Objek-objek tujuan yang akan dilalui telah didapat ketika pembacaan awal. Keluaran sistem ini adalah koordinat objek dalam sumbu x dan y dan urutan jumlah objek yang telah dilalui yang berguna sebagai masukan sistem Pemberhentian Simulasi. Setelah mendapatkan koordinat AGV dan koordinat objek tujuan dari kedua bagian tadi maka dicari jarak antara AGV dan objek seperti terlihat pada gambar diatas. 4.3.2 Model Kinematik 4.3.2.1 Pembagian daerah dan perubahan sudut AGV berjalan berdasarkan masukan jarak antara objek tujuan dengan AGV itu sendiri. Model Kinematik bertugas untuk mengolah data berupa sudut putar roda (theta) menjadi koordinat dan posisi AGV dengan variabel berupa peningkatan waktu, hal ini telah dibahas pada bab sebelumnya. Keluaran model matematik tersebut kemudian menjadi masukan fuzzy system. Fuzzy system tersebut menghasilkan keluaran berupa sudut putar roda (theta) yang kemudian menjadi masukan model kinematik kembali. Dengan kata lain terjadi proses looping pada sistem model kinematik ini.
64
x
y
y
AGV
Kondisi I A Sumbu xy objek
Objek
Batas virtual antardaerah
45°
Kondisi II B
Kondisi II A
x
Kondisi I B
Gambar 4.7 Pembagian daerah pada sumbu xy objek Dalam mencapai suatu objek AGV harus bergerak dalam koordinat dengan 4 kuadran. Koordinat tersebut dibagi dalam 2 kondisi yaitu kondisi I yang terdiri dari kondisi IA dan kondisi IB dan kondisi II yang terdiri dari kondisi IIA dan kondisi IIA. Sehingga pada sistem pemodelan kinematik ini terdapat dua bagian perhitungan berdasarkan pembagian daerah tersebut yang dinamakan AGV kinematics kondisi I dan AGV kinematics kondisi II.
65
Gambar 4.8 Pemodelan Kinematik AGV Oleh karena itu, agar AGV dapat bergerak di semua kuadran maka perlu dibuat perubahan nilai masukan pada sudut posisi awal AGV menyangkut keempat jenis kondisi ini. Tujuan dilakukannya perubahan ini adalah agar terdapat kesamaan dalam memasukkan sudut posisi awal. %% Penentuan masukan awal berupa jarak awal dan sudut posisi awal n = (jarak_y/jarak_x)^2; if n>=1 if jarak_y>=0 gamma0=sudut_AGV_awal; % sudut AGV untuk daerah y>=0 else if sudut_AGV_awal>=-90 gamma0=-sudut_AGV_awal; % sudut AGV untuk daerah y<0 dan sudut AGV >=-90*pi/180 else gamma0=-sudut_AGV_awal+(-360); % sudut AGV untuk daerah y<0 dan sudut AGV <-90*pi/180 end
66
else
end; input1=jarak_x; input2=jarak_y; awal_i(m)=koordinat_objek(m,1); awal_j(m)=koordinat_objek(m,2);
if jarak_x>=0 if sudut_AGV_awal>=0 gamma0=90-sudut_AGV_awal; % sudut AGV untuk daerah x>=0 dan sudut AGV >=0 else gamma0=-270-sudut_AGV_awal; % sudut AGV untuk daerah x<0 dan sudut AGV<0 end; else if sudut_AGV_awal>=-180 gamma0=sudut_AGV_awal-90; % sudut AGV untuk daerah x<0 dan sudut AGV >=-180*pi/180 else gamma0=sudut_AGV_awal+270; % sudut AGV untuk daerah x<0 dan sudut AGV <-180*pi/180 end; end; input1=jarak_y; input2=jarak_x; awal_i(m)=koordinat_objek(m,2); awal_j(m)=koordinat_objek(m,1); end; input3=gamma0;
Semua pergerakan AGV pada masing-masing kondisi didasarkan pada pergerakan AGV pada kondisi IA. Alasan penggunaan kondisi tersebut sebagai referensi adalah karena sistem fuzzy system yang ada hanya dapat bekerja efektif pada kondisi ini. Oleh karena itu, perlu dilakukan modifikasi sudut posisi awal AGV pada kondisi selain kondisi IA agar pergerakan AGV nantinya persis seperti pergerakan pada kondisi IA. Akibatnya,
67
posisi AGV terlihat sama untuk semua kondisi tetapi sebenarnya memiliki nilai yang berbeda-beda. Hal ini dapat dilihat pada gambar berikut :
-90° Kondisi IA
Objek
Kondisi IB
Sudut posisi AGV pada kondisi IB dirubah menjadi 90° agar pergerakannya seolaholah seperti pergerakan pada kondisi IA
-90°
90°
Gambar 4.9 Contoh Pergerakan AGV pada kondisi IB dibuat seolah-olah seperti pergerakan pada kondisi IA Seperti terlihat pada gambar diatas, posisi AGV pada dua kondisi adalah sama tetapi apabila sudut posisi pada kondisi IB langsung dipergunakan pada sistem perhitungan kinematik AGV maka pergerakannya akan tidak sesuai dengan yang diharapkan (tidak akan mendekati objek yang dituju). Karena apabila dilihat berdasarkan posisi AGV terhadap objek, AGV pada kondisi IA berhadapan dengan objek sedangkan pada kondisi IB membelakangi objek.
68
Sehingga perlu dilakukan perubahan sudut posisi AGV yang dibuat berdasarkan kondisi IA. Masing-masing perubahan tersebut adalah sebagai berikut: 2 1. Kondisi I, berada pada daerah dengan nilai (jarak_y/jarak_x) >=1 yang artinya jarak absolut antara AGV terhadap objek untuk sumbu y lebih besar daripada sumbu x. Parameter jarak yang digunakan untuk masukan fuzzy system adalah jarak AGV terhadap objek dalam sumbu x (jarak_x).
.
v l
tg
.
(t)dt
0
.
.
x v cos y v sin y bernilai (-) untuk kondisi IB Gambar 4.10 Perhitungan kinematik untuk kondisi I Pada kondisi I terdapat perubahan nilai sudut posisi AGV. Seperti yang telah disebutkan sebelumnya, perhitungan kinematik AGV membutuhkan perubahan sudut agar AGV berjalan dengan normal. Kondisi I ini terbagi dua yaitu:
69
a.
Kondisi IA, berada pada sumbu y positif.
-270°
90°
Gambar 4.11 Tidak ada perubahan sudut posisi AGV awal pada kondisi IA Pada daerah ini tidak ada perubahan pada sudut posisi AGV awal (gamma0) karena pergerakan AGV memang dirancang pada daerah ini. b. Kondisi IB, berada pada sumbu y negatif. Sudut posisi AGVawal <-90°
-270°
90°
-180°
Sudut posisi AGV awal >=-90°
0°
-90° Gambar 4.12 Terdapat perubahan sudut posisi AGV awal pada kondisi IB
70
-
Apabila sudut posisi AGV awal >= -90° maka gamma0 = -(sudut posisi AGV awal) Apabila sudut posisi AGV awal <-90° maka gamma0 = (sudut posisi AGV awal)+ 360°
Gambar 4.13 Perubahan sudut posisi AGV pada kondisi IA dan kondisi IB 2.
Kondisi II, berada pada daerah dengan nilai 2 (jarak_y/jarak_x) <1 yang artinya jarak absolut antara AGV terhadap objek untuk sumbu y lebih kecil daripada sumbu x. Parameter jarak yang digunakan untuk masukan fuzzy system adalah jarak AGV terhadap objek dalam sumbu y (jarak_y).
71
.
v l
tg
.
(t)dt
.
0
x
v cos
.
y
v sin
x bernilai (-) untuk kondisi IIB Gambar 4.14 Perhitungan kinematik untuk kondisi II Pada kondisi II terdapat perubahan nilai sudut posisi AGV. Seperti yang telah disebutkan sebelumnya, perhitungan kinematik AGV membutuhkan perubahan sudut agar AGV berjalan dengan normal. Kondisi II ini terbagi dua yaitu: a. Kondisi IIA, berada pada sumbu x positif.
72
-270°
90°
Sudut posisi AGV awal>=0°
-180°
0°
Sudut posisi AGV awal < 0°
-90°
Gambar 4.15 Terdapat perubahan sudut posisi AGV awal pada kondisi IIA -
Apabila sudut posisi AGV awal>= 0° maka gamma0 =90° -(sudut posisi AGV awal) Apabila sudut posisi AGV awal< 0° maka gamma0 = 270° -(sudut posisi AGV awal) b. Kondisi IIB, berada pada sumbu x negatif.
Sudut posisi AGV awal <-180°
-270°
90°
-180°
0°
Sudut posisi AGV awal >=-180°
-90°
Gambar 4.16 Terdapat perubahan sudut posisi AGV awal pada kondisi IIB
73
-
Apabila sudut posisi AGV awal >= -180° maka gamma0 = (sudut posisi AGV awal)-90° Apabila sudut posisi AGV awal<-180° maka gamma0 = (sudut posisi AGV awal)+ 270°
Gambar 4.17 Perubahan sudut posisi AGV pada kondisi IA dan kondisi IB 4.3.2.2 Proses perhitungan kinematik Perhitungan yang terdapat dalam sistem pengendali otomatis dilakukan secara looping atau berulang sampai AGV
74
mencapai tujuannya. Sebelum memasuki proses perhitungan harus diketahui keluaran dari Fuzzy system yaitu sudut putar roda depan (theta). %% Perhitungan Kinematik % Penentuan sudut posisi AGV gamma=((kecepatan_awal)/(panjang_AGV))*tan(theta *pi/180); input3(k+1)=(gamma*0.1*180/pi)+input3(k); % masukan fuzzy kedua berupa sudut posisi AGV
Indikator
Gamma (Sudut posisi AGV)
Keluaran Fuzzy system (theta)
Sudut posisi AGV awal berdasarkan kondisi daerah
Gambar 4.18 Bagian yang menentukan sudut posisi AGV (gamma) secara garis besar Seperti yang telah dibahas pada bab sebelumnya, persamaan matematika untuk mencari sudut posisi AGV setelah t sekon adalah .
v l
tg .
(t)dt
0
………………………........................……(4.1)
75
.
Dimana : - (t) = nilai kecepatan sudut perputaran AGV pada waktu t sekon - φ 0 = nilai sudut posisi AGV pada kondisi awal atau saat t = 0 s Setelah mendapatkan nilai φ maka dapat dicari besar jarak tempuh AGV dalam bentuk x dan y. Melalui gambar dapat diketahui bahwa : .
x .
y
v cos
………………..………..…………………....(4.2)
v sin
Untuk mendapatkan jarak AGV terhadap objek ketika AGV berjalan didapat melalui persamaan berikut
x y
.
x(t)d (t) .
y(t)d (t)
x0 …...…………………..…………………(4.3)
y0
76
Indikator
Koordinat dan Sud Posisi AGV (Gam
Sudut Posisi AGV (Gamma)
Gambar 4.19 Bagian yang menentukan koordinat dan posisi AGV x0 dan y0 adalah jarak awal antara AGV dan objek atau ketika t = 0 s. Nilai x dan y akan terus berubah sampai AGV mencapai objek yang dituju. Baik sudut kemiringan AGV maupun jarak AGV dan objek nantinya akan menjadi masukan sistem fuzzy. Kemudian sistem fuzzy akan menghasilkan keluaran berupa sudut putar roda (θ ). % Kondisi I n = (jarak_y/jarak_x)^2; if n>=1
jarak_a=(kecepatan_awal)*cos(input3(k)*pi/180); input1(k+1)=(jarak_a*0.1)+input1(k); % mendapatkan nilai jarak tempuh dalam sumbu x
77
jarak_b=(kecepatan_awal)*sin(input3(k)*pi/180); if jarak_y>=0 input2(k+1)=(jarak_b*0.1)+input2(k); else input2(k+1)=-(jarak_b*0.1)+input2(k); % mendapatkan nilai jarak tempuh dalam sumbu y end x(m,k)=input1(k)+awal_i(m); p(m)=input1(k)+awal_i(m); y(m,k)=input2(k)+awal_j(m); q(m)=input2(k)+awal_j(m); % Kondisi II else jarak_c=(kecepatan_awal)*sin(input3(k)*pi/180); % mendapatkan nilai jarak tempuh dalam sumbu x if jarak_x>=0 input2(k+1)=(jarak_c*0.1)+input2(k); else input2(k+1)=-(jarak_c*0.1)+input2(k); end jarak_d=(kecepatan_awal)*cos(input3(k)*pi/180); % mendapatkan nilai jarak tempuh dalam sumbu y input1(k+1)=(jarak_d*0.1)+input1(k); y(m,k)=input1(k)+awal_i(m); q(m)=input1(k)+awal_i(m); x(m,k)=input2(k)+awal_j(m); p(m)=input2(k)+awal_j(m); end h(m,k)=input2(k);
4.3.3 Fuzzy System Bagian utama yang mengatur pergerakan AGV adalah sistem fuzzy ini. Dengan menggunakan jarak antara AGV dengan objek tujuan (distance) dan sudut posisi AGV(AGV angle) , sistem ini dapat mengeluarkan sebuah nilai berupa sudut putar roda AGV. Performa pergerakan dari AGV ditentukan oleh
78
bagaimana merancang sistem ini. Untuk bagian simulasi, pengerjaan sistem ini dilakukan di MATLAB dengan menggunakan Fuzzy Toolbox. Jenis fuzzy yang digunakan adalah tipe Mamdani. Tipe ini dipilih karena lebih sederhana dalam perhitungan daripada tipe Sugeno. Fuzzy system yang dirancang hanya efektif pada daerah dengan kondisi IA saja. Jadi agar dapat dipergunakan pada semua kondisi harus dilakukan perubahan nilai sudut posisi AGV seperti yang telah disebutkan diatas.
Gambar 4.20 Pemilihan masukan Fuzzy sistem berdasarkan kondisi daerah Masukan fuzzy system pertama untuk daerah kondisi I adalah jarak_x dan untuk daerah kondisi II adalah jarak_y sedangkan masukan fuzzy system kedua adalah sudut posisi yang sudah dimodifikasi sebelumnya. 1. Masukan fuzzy system pertama dinamakan distance. Dengan range sebesar -50 sampai 50. Masukan distance memiliki 5 buah membership function antara lain :
79
a.
NSjauh, membership function ini bertipe segitiga (trimf) dengan range (-50 -50 -15) mewakili koordinat AGV yang berada pada sumbu negatif dan sangat jauh dari objek tujuan b. Njauh, membership function ini bertipe segitiga (trimf) dengan range (-20 -10 0) mewakili koordinat AGV yang berada pada sumbu negatif dan jauh dari objek tujuan c. Dekat, membership function ini bertipe segitiga (trimf) dengan range (-2 0 2) mewakili koordinat AGV yang berada dintara sumbu negatif dan sumbu positif dan juga dekat dengan objek tujuan d. Pjauh, membership function ini bertipe segitiga (trimf) dengan range (0 10 20) mewakili koordinat AGV yang berada pada sumbu positif dan jauh dari objek tujuan e. PSjauh, membership function ini bertipe segitiga (trimf) dengan range (15 50 50) mewakili koordinat AGV yang berada pada sumbu positif dan sangat jauh dari objek tujuan.
80
Gambar 4.21 Properties masukan pertama fuzzy system 2. Masukan fuzzy system kedua dinamakan AGV angle. Dengan range sebesar -270 sampai 90. Masukan AGV angle memiliki 7 buah membership function antara lain : a. NSM, membership function ini bertipe segitiga (trimf) dengan range (-270 -270 -150) mewakili posisi AGV yang berada pada sudut negatif dan posisi sangat miring b. NM, membership function ini bertipe segitiga (trimf) dengan range (-180 -150 -120) mewakili posisi AGV yang berada pada sudut negatif dan posisi miring c. NAM, membership function ini bertipe segitiga (trimf) dengan range
81
(-150 -120 -90) mewakili posisi AGV yang berada pada sudut negatif dan posisi agak miring d. Center, membership function ini bertipe segitiga (trimf) dengan range (-100 -90 -80) mewakili posisi AGV yang berada pada sudut negatif dan sudut positif dan juga posisi tidak miring e. PAM, membership function ini bertipe segitiga (trimf) dengan range (-90 -60 -30) mewakili posisi AGV yang berada pada sudut positif dan posisi agak miring f. PM, membership function ini bertipe segitiga (trimf) dengan range (-60 -30 0) mewakili posisi AGV yang berada pada sudut positif dan posisi miring g. PSM, membership function ini bertipe segitiga (trimf) dengan range (-3 90 90) mewakili posisi AGV yang berada pada sudut positif dan posisi sangat miring
82
Gambar 4.22 Properties masukan kedua fuzzy system 3. Keluaran fuzzy system dinamakan wheel angle. Dengan range sebesar -45 sampai 45. Masukan AGV angle memiliki 7 buah membership function antara lain : a. NRSM, membership function ini bertipe segitiga (trimf) dengan range (-45 -45 -35) mewakili sudut roda AGV yang berada pada sudut negatif dan posisi roda sangat miring b. NRM, membership function ini bertipe segitiga (trimf) dengan range (-45 -35 -25) mewakili sudut roda AGV yang berada pada sudut negatif dan posisi roda miring c. NRAM, membership function ini bertipe segitiga (trimf) dengan range
83
(-35 -25 -15) mewakili sudut roda AGV yang berada pada sudut negatif dan posisi roda agak miring d. L, membership function ini bertipe segitiga (trimf) dengan range (-20 0 20) mewakili sudut roda AGV yang berada pada sudut negatif dan sudut positif dan juga posisi tidak miring e. PRAM, membership function ini bertipe segitiga (trimf) dengan range (15 25 35) mewakili sudut roda AGV yang berada pada sudut positif dan posisi roda agak miring f. PRM, membership function ini bertipe segitiga (trimf) dengan range (25 35 45) mewakili sudut roda AGV yang berada pada sudut positif dan posisi roda miring g. PRSM, membership function ini bertipe segitiga (trimf) dengan range (35 45 45) mewakili sudur roda AGV yang berada pada sudut positif dan posisi roda sangat miring
84
Gambar 4.23 Properties keluaran fuzzy system Fuzzy system yang dirancang menggunakan tipe and untuk rulerulenya yang berjumlah 35 rule. Sehingga keputusan atau keluaran ditentukan dari membership function pada masukan yang memiliki degree of membership yang paling besar. Hal ini berlaku untuk masing-masing rule.Untuk mendapatkan keluarannya fuzzy system ini menggunakan deffuzzification model center of gravity (COG).
85
Gambar 4.24 Properties fuzzy system yang dirancang a=newfis('AGV'); a.input(1).name='distance'; a.input(1).range=[-50 50]; a.input(1).mf(1).name='NSjauh'; a.input(1).mf(1).type='trimf'; a.input(1).mf(1).params=[-50 -50 -15]; a.input(1).mf(2).name='Dekat'; a.input(1).mf(2).type='trimf'; a.input(1).mf(2).params=[-2 0 2]; a.input(1).mf(3).name='PSjauh'; a.input(1).mf(3).type='trimf'; a.input(1).mf(3).params=[15 50 50]; a.input(1).mf(4).name='Njauh'; a.input(1).mf(4).type='trimf'; a.input(1).mf(4).params=[-20 -10 0];
86
a.input(1).mf(5).name='Pjauh'; a.input(1).mf(5).type='trimf'; a.input(1).mf(5).params=[0 10 20]; a.input(2).name='AGV_angle'; a.input(2).range=[-270 90]; a.input(2).mf(1).name='NSM'; a.input(2).mf(1).type='trimf'; a.input(2).mf(1).params=[-270 -270 -150]; a.input(2).mf(2).name='NAM'; a.input(2).mf(2).type='trimf'; a.input(2).mf(2).params=[-150 -120 -90]; a.input(2).mf(3).name='PAM'; a.input(2).mf(3).type='trimf'; a.input(2).mf(3).params=[-90 -60 -30]; a.input(2).mf(4).name='PSM'; a.input(2).mf(4).type='trimf'; a.input(2).mf(4).params=[-30 90 90 ]; a.input(2).mf(5).name='Center'; a.input(2).mf(5).type='trimf'; a.input(2).mf(5).params=[-100 -90 -80]; a.input(2).mf(6).name='PM'; a.input(2).mf(6).type='trimf'; a.input(2).mf(6).params=[-60 -30 0]; a.input(2).mf(7).name='NM'; a.input(2).mf(7).type='trimf'; a.input(2).mf(7).params=[-180 -150 -120]; a.output(1).name='wheel_angle'; a.output(1).range=[-45 45]; a.output(1).mf(1).name='NRAM' a.output(1).mf(1).type='trimf'; a.output(1).mf(1).params=[-35 -25 -15]; a.output(1).mf(2).name='L'; a.output(1).mf(2).type='trimf'; a.output(1).mf(2).params=[-20 0 20]; a.output(1).mf(3).name='PRSM'; a.output(1).mf(3).type='trimf'; a.output(1).mf(3).params=[35 45 45]; a.output(1).mf(4).name='NRM' a.output(1).mf(4).type='trimf'; a.output(1).mf(4).params=[-45 -35 -25];
87
a.output(1).mf(5).name='PRAM'; a.output(1).mf(5).type='trimf'; a.output(1).mf(5).params=[15 25 35]; a.output(1).mf(6).name='PRM'; a.output(1).mf(6).type='trimf'; a.output(1).mf(6).params=[25 35 45]; a.output(1).mf(7).name='NRSM'; a.output(1).mf(7).type='trimf'; a.output(1).mf(7).params=[-45 -45 -35]; a.rule(1).antecedent=[1 1]; a.rule(1).consequent=[3]; a.rule(1).weight=1; a.rule(1).connection=1; a.rule(2).antecedent=[1 7]; a.rule(2).consequent=[3]; a.rule(2).weight=1; a.rule(2).connection=1; a.rule(3).antecedent=[1 2]; a.rule(3).consequent=[3]; a.rule(3).weight=1; a.rule(3).connection=1; a.rule(4).antecedent=[1 5]; a.rule(4).consequent=[6]; a.rule(4).weight=1; a.rule(4).connection=1; a.rule(5).antecedent=[1 3]; a.rule(5).consequent=[6]; a.rule(5).weight=1; a.rule(5).connection=1; a.rule(6).antecedent=[1 6]; a.rule(6).consequent=[5]; a.rule(6).weight=1; a.rule(6).connection=1; a.rule(7).antecedent=[1 4]; a.rule(7).consequent=[1]; a.rule(7).weight=1; a.rule(7).connection=1; a.rule(8).antecedent=[4 1]; a.rule(8).consequent=[3]; a.rule(8).weight=1;
88
a.rule(8).connection=1; a.rule(9).antecedent=[4 7]; a.rule(9).consequent=[3]; a.rule(9).weight=1; a.rule(9).connection=1; a.rule(10).antecedent=[4 2]; a.rule(10).consequent=[6]; a.rule(10).weight=1; a.rule(10).connection=1; a.rule(11).antecedent=[4 5]; a.rule(11).consequent=[6]; a.rule(11).weight=1; a.rule(11).connection=1; a.rule(12).antecedent=[4 3]; a.rule(12).consequent=[5]; a.rule(12).weight=1; a.rule(12).connection=1; a.rule(13).antecedent=[4 6]; a.rule(13).consequent=[1]; a.rule(13).weight=1; a.rule(13).connection=1; a.rule(14).antecedent=[4 4]; a.rule(14).consequent=[4]; a.rule(14).weight=1; a.rule(14).connection=1; a.rule(15).antecedent=[2 1]; a.rule(15).consequent=[6]; a.rule(15).weight=1; a.rule(15).connection=1; a.rule(16).antecedent=[2 7]; a.rule(16).consequent=[6]; a.rule(16).weight=1; a.rule(16).connection=1; a.rule(17).antecedent=[2 2]; a.rule(17).consequent=[5]; a.rule(17).weight=1; a.rule(17).connection=1; a.rule(18).antecedent=[2 5]; a.rule(18).consequent=[2]; a.rule(18).weight=1;
89
a.rule(18).connection=1; a.rule(19).antecedent=[2 3]; a.rule(19).consequent=[1]; a.rule(19).weight=1; a.rule(19).connection=1; a.rule(20).antecedent=[2 6]; a.rule(20).consequent=[4]; a.rule(20).weight=1; a.rule(20).connection=1; a.rule(21).antecedent=[2 4]; a.rule(21).consequent=[4]; a.rule(21).weight=1; a.rule(21).connection=1; a.rule(22).antecedent=[5 1]; a.rule(22).consequent=[6]; a.rule(22).weight=1; a.rule(22).connection=1; a.rule(23).antecedent=[5 7]; a.rule(23).consequent=[5]; a.rule(23).weight=1; a.rule(23).connection=1; a.rule(24).antecedent=[5 2]; a.rule(24).consequent=[1]; a.rule(24).weight=1; a.rule(24).connection=1; a.rule(25).antecedent=[5 5]; a.rule(25).consequent=[4]; a.rule(25).weight=1; a.rule(25).connection=1; a.rule(26).antecedent=[5 3]; a.rule(26).consequent=[4]; a.rule(26).weight=1; a.rule(26).connection=1; a.rule(27).antecedent=[5 6]; a.rule(27).consequent=[7]; a.rule(27).weight=1; a.rule(27).connection=1; a.rule(28).antecedent=[5 4]; a.rule(28).consequent=[7]; a.rule(28).weight=1;
90
a.rule(28).connection=1; a.rule(29).antecedent=[3 1]; a.rule(29).consequent=[5]; a.rule(29).weight=1; a.rule(29).connection=1; a.rule(30).antecedent=[3 7]; a.rule(30).consequent=[1]; a.rule(30).weight=1; a.rule(30).connection=1; a.rule(31).antecedent=[3 2]; a.rule(31).consequent=[4]; a.rule(31).weight=1; a.rule(31).connection=1; a.rule(32).antecedent=[3 5]; a.rule(32).consequent=[4]; a.rule(32).weight=1; a.rule(32).connection=1; a.rule(33).antecedent=[3 3]; a.rule(33).consequent=[7]; a.rule(33).weight=1; a.rule(33).connection=1; a.rule(34).antecedent=[3 6]; a.rule(34).consequent=[7]; a.rule(34).weight=1; a.rule(34).connection=1; a.rule(35).antecedent=[3 4]; a.rule(35).consequent=[7]; a.rule(35).weight=1; a.rule(35).connection=1;
4.3.4 Pergantian objek tujuan Pergerakan AGV salah satunya ditentukan oleh banyaknya jumlah objek yang harus dilalui. Koordinat objekobjek tersebut didapat dari sistem penghitung jarak terpendek. Setelah AGV mencapai salah satu objek, AGV harus melanjutkan pergerakannya menuju objek yang telah ditentukan. Untuk itu sistem harus memiliki suatu indikator yang nantinya dapat
91
memerintahkan sistem untuk membaca kembali koordinat dan posisi AGV beserta koordinat objek tujuan yang selanjutnya.
Gambar 4.25 Sistem pergantian objek tujuan Indikator dihasilkan berdasarkan kondisi daerah yang dilalui AGV. Dimana koordinat objek tujuan dianggap berada pada titik (0,0). Keempat kondisi daerah yang dilalui AGV memiliki proses masing-masing yang dapat dijelaskan sebagai berikut : 1. Kondisi IA dengan jarak_y bernilai positif, sehingga apabila selama pergerakan AGV nilai jarak_y <=0 indikator akan berubah menjadi bernilai 1 2 . Kondisi IB dengan jarak_y bernilai negatif, sehingga apabila selama pergerakan AGV nilai jarak_y >=0 indikator akan berubah menjadi bernilai 1 3. Kondisi IIA dengan jarak_x bernilai positif, sehingga apabila selama pergerakan AGV nilai jarak_x <=0 indikator akan berubah menjadi bernilai 1
92
4. Kondisi IIB dengan jarak_x bernilai negatif, sehingga apabila selama pergerakan AGV nilai jarak_x >=0 indikator akan berubah menjadi bernilai 1 Apabila indikator bernilai 1 maka ada dua sistem yang mengguinakan indikator tersebut yaitu pertama sistem pergantian objek akan memerintahkan Sistem penentuan posisi awal pergerakan untuk merubah koordinat objek tujuan dan mmbaca kembali koordinat dan posisi AGV. Kedua sistem pemodelan kinematik dimana indikator ini digunakan untuk melakukan perhitungan yang baru lagi 4.3.5 Sistem halangan Dalam menghindari halangan, sistem pengendali otomatis terlebih dahulu menerima informasi dari sistem pendeteksi avoidance) berupa nilai yang halangan (collision mengindikasikan ada atau tidaknya halangan. Jenis, geometri dan dimensi halangan yang dapat dideteksi oleh AGV tergantung proses pembelajaran yang dilakukan oleh sistem pendeteksi halangan melalui jaringan saraf tiruan. Hal ini berguna karena AGV yang dirancang tidak menggunakan sensor yang dapat membaca ukuran dan bentuk halangan. Jaringan Syaraf Tiruan
Preprocessing Input
Output
Citra Asli
Gambar 4.26 Diagram Blok Jaringan Syaraf Tiruan
93
Proses pertama yang dilakukan untuk pengenalan obyek adalah pengambilan citra (image capture) dari area kerja AGV. Pengambilan citra ini menggunakan sebuah kamera ( webcam) yang terpasang pada AGV. Data citra yang telah diambil selanjutnya ditransfer melalui port yang ada komputer yang selanjutnya diakses ke jaringan untuk diproses (diklasifikasi). Proses ini akan terus berlanjut sampai AGV berhenti. Gambar 3.4 adalah gambar diagram blok pengenalan obyek dengan menggunakan jaringan syaraf tiruan. Input merupakan citra digital yang didapat dari area kerja AGV. Citra digital ini kemudian diproses agar didapatkan suatu nilai yang selanjutnya digunakan sebagi input dari jaringan syaraf tiruan. Output jaringan syaraf tiruan berupa klasifikasi halangan atau bukan halangan yang selanjutnya menjadi input dari sistem automatic steering. Output adakalanya lebih dari satu, disesuaikan dengan seberapa banyak klasifikasi yang diinginkan. 4.3.5.1 Penentuan arah belok roda AGV berdasarkan kondisi Keluaran dari sistem pendeteksi halangan nantinya akan diterima oleh sistem pengendali otomatis. Akhir pengolahan keluaran ini nantinya berupa nilai sudut belok roda depan AGV yang akan mengendalikan AGV untuk menghindari halangan. Dalam perancangan ini, halangan yang terdeteksi diolah menjadi sudut belok roda maksimum oleh sistem pengendali otomatis. Digunakannya sudut belok maksimum agar AGV secepat mungkin dapat menghindari halangan. Hal ini dapat dicapai apabila pendeteksi halangan pada AGV dapat mengenali halangan pada jarak yang aman untuk belokan AGV maksimum. Ada beberapa acuan yang digunakan agar AGV dapat menghindari halangan dengan baik. Acuan itu antara lain posisi dan koordinat AGV terhadap objek tujuan, dan posisi dan koordinat AGV terhadap objek halangan.
94
x
AGV
y
y (a,b) I Objek
Halangan
(c,d)
II x
Gambar 4.27 Pergerakan AGV dalam menghindari halangan Untuk kepentingan simulasi, bentuk dan ukuran halangan telah ditentukan sebelumnya sehingga dapat menjadi acuan dalam perhitungan untuk menentukan titik koordinat aman untuk AGV. Pergerakan menghindari halangan ini terjadi selama AGV mendeteksi adanya halangan dimana sudut belok roda depan AGV diatur pada posisi maksimum. Seperti terlihat pada gambar 4.25, pergerakan AGV sebatas menghindari halangan yang terdeteksi oleh sistem penghindar tabrakan yaitu dari koordinat (a,b) ke koordinat (c,d). Titik (c,d) dianggap sebagai titik ketika collision avoidance AGV tidak mendeteksi adanya halangan.
95
y
alangan
(a,b)
-45°
45°
AGV -45°
45°
(c,d) -45°
45° 45°
-45°
(b)
(a)
Gambar 4.28 (a) Pergerakan AGV ketika menghindari halangan, (b) Arah sudut belok roda depan AGV untuk masing-masing kondisi daerah dan posisi AGV Pada pergerakan ini, arah sudut putar roda maksimum diatur berdasarkan koordinat dan posisi sudut AGV terhadap objek. Penentuan arah belok roda AGV ini didasarkan pola pergerakan AGV yang selalu cenderung berimpit dengan salah satu sumbu daerah virtual. Setelah mengetahui kecenderungan pergerakan ini maka dapat ditentukan arah belok roda AGV. Untuk setiap kondisi daerah, pergerakan AGV dibuat cenderung menuju objek tujuan. Pada beberapa kasus, penentuan arah belok ini cukup bagus karena AGV akan selalu menghindar batas wilayah operasi AGV, misalnya seperti pergerakan AGV pada gambar 4.26(b). Tetapi apabila AGV dan objek tujuan
96
terletak di dekat batas wilayah operasi, maka AGV tidak lagi cenderung menghindari batas wilayah tersebut. Apabila AGV keluar dari batas wilayah yang telah ditentukan maka pergerakan akan kacau karena Fuzzy tidak memiliki range nilai yang melebihi batas wilayah operasi.
Gambar 4.29 Sistem penentu arah belokan ketika bertemu halangan
4.3.5.2 Bentuk halangan dan sistem pembacaan halangan Pada simulasi, koordinat halangan telah diberikan terlebih dahulu. Jadi pembacaan halangan bukan berasal dari collission avoidance system melainkan dari perhitungan matematika yang dibuat sedemikian rupa agar bekerja seperti sistem penghindar tabrakan.
97
Gambar 4.30 Keluaran sistem penghindar tabrakan Sistem penghindar tabrakan mengeluarkan file notepad yang berupa matrik 1x1 yaitu [0 1] yang berarti tidak ada halangan dan [1 0] yang berarti ada halangan. Pendeteksian halangan ini sekaligus dapat digunakan sebagai indikator untuk mengganti keluaran fuzzy system menjadi sudut belok roda maksimum.
98
Gambar 4.31 Sistem penghindar halangan
Dalam menghindari halangan terdapat beberapa ketentuan yang nantinya dapat menunjang perhitungan pada simulasi sistem penghindar tabrakan ini. Ketentuan-ketentuan itu antar lain : a. Jarak pendeteksian objek (panjang deteksi) oleh kamera AGV dianggap 1.5m b. Mengetahui koordinat dan posisi AGV ketika mendeteksi halangan (x_halang, y_halang dan sudut_halang) c. Mengetahui koordinat titik pendeteksian halangan pada objek halangan (x_deteksi dan y_deteksi) d. Halangan dianggap berbentuk lingkaran dengan radius 2.5m dan titik pusat di (v,w)
99
Gambar 4.32 Perhitungan penghindar halangan secara simulasi Setelah koordinat dan posisi AGV (a,b) diketahui maka yang pertama sekali dicari adalah titik koordinat halangan yang terdeteksi (k,l). Dengan melihat gambar 4.30 diatas maka dapat dibuat persamaan berikut :
( panjang_ deteksi* cos(sudut_ halang))
k
a
l
b ( panjang_ deteksi* sin(sudut_ halang))
..........(4.4)
Karena titik pusat halangan telah diketahui sebelumnya (v,w) maka melalui persamaan lingkaran dapat diketahui apakah halangan terdeteksi atau tidak. ( Radius_ lingk.)^2 (k v)^2 (l w)^2 .......................(4.5) Apabila dari perhitungan didapat nilai yang lebih kecil dari kuadrat Radius lingkaran maka halangan terdeteksi dan apabila sebaliknya halangan belum terdeteksi.
100
Gambar 4.33 Bagian sistem perhitungan dan penentuan bentuk halangan %% Simulasi jangkauan penglihatan kamera panjang_deteksi = 1,5; % jarak AGV dengan permukaan halangan x_halang=x(m,k); % Koordinat x AGV ketika bertemu halangan y_halang=y(m,k); % Koordinat y AGV ketika bertemu halangan sudut_halang=sudut_AGV(m,k); % sudut posisi AGV ketika bertemu halangan x_deteksi(k)=x_halang+(panjang_deteksi*cos(sudut _halang*pi/180)); % koordinat x dari permukaan halangan yang pertama sekali terdeteksi y_deteksi(k)=y_halang+(panjang_deteksi*sin(sudut _halang*pi/180)); % koordinat y dari permukaan halangan yang pertama sekali terdeteksi D(m,k)=(x_deteksi(k)-v(hh))^2+(y_deteksi(k)w(hh))^2; %% persamaan lingkaran if D(m,k)<=6.25 obs1=1;
101
else
obs2=0; obs1=0; obs2=1;
end; ob=[obs1,obs2]; % keputusan berupa sebuah matriks dlmwrite('keputusan.txt',ob); % hasil keputusan yang dibuat oleh sistem % pendeteksi halangan (simulasi)
4.3.6 Sistem untuk menghentikan simulasi Tujuan dari AGV adalah mencapai objek yang telah ditetapkan setelah melewati beberapa objek sebelumnya. Apabila mengacu pada koordinat daerah yang dibaca pada layar monitor maka AGV akan berhenti pada koordinat objek yang dituju tetapi apabila mengacu pada koordinat objek maka AGV akan berhenti pada saat AGV menyentuh titik (0,0) karena objek dianggap memiliki koordinat (0,0). Program untuk menghentikan simulasi ini juga didasarkan oleh keempat jenis kondisi daerah seperti diatas. Jadi setiap kondisi daerah memiliki perintah masingmasing untuk menghentikan simulasi.
102
Gambar 4.34 Sistem penghenti simulasi Simulasi pergerakan AGV akn berhenti apabila objek tujuan terakhir telah dicapai. Maka sistem penghenti simulasi ini akan aktif bila indikator dari sistem penentu posisi awal pergerakan mengirim data yang memerintahkan agar simulasi dihentikan. Indikator ini mengirimkan data ketika objek tujuan terakhir sudah dicapai. %% list program untuk menghentikan simulasi n = (jarak_y/jarak_x)^2; if n>=1 if jarak_y>=0 if h(m,k)<0 break end else if h(m,k)>0 break end end;
103
else
end; end;
if jarak_x>=0 if h(m,k)<0 break end else if h(m,k)>0 break end end;
Tujuan dilakukannya simulasi adalah agar dapat melihat proses pergerakan AGV menuju objek yang akan dituju. Media untuk menyampaikannya adalah dengan menggunakan grafik dimana batas nilai grafik tersebut mewakili batas daerah operasi AGV sebenarnya. Grafik diharapkan dapat memperlihatkan garis lintasan AGV selama berjalan menuju objek-objek yang harus dilalui. Oleh karena itu, jarak antara AGV dan objek yang digunakan dalam perhitungan harus dikembalikan dalam keadaan semula. Pergerakan AGV bukan lagi dari suatu titik menuju ke titik (0,0) melainkan dari titik koordinat AGV menuju titik koordinat objek.
104
Gambar 4.35 Daerah virtual yang dipakai oleh sistem kinematik AGV Dari grafik terlihat bahwa AGV bergerak dari daerah kondisi IA sehingga nilai koordinat yang dipakai sebagai masukan fuzzy system adalah koordinat x(jarak_x). Maka koordinat yang digunakan untuk menghentikan simulasi adalah koordinat y (jarak_y) karena AGV akan langsung berhenti ketika koordinat y bernilai 0 sesuai dengan program perintah diatas. Prinsip ini juga digunakan pada sistem pergantian objek tujuan 4.3.7
Tampilan hasil simulasi Hasil perhitungan pada pergerakan AGV hanya dapat ditampilkan seperti pada gambar 4.33. Hal ini tentunya tidak sesuai dengan wilayah kerja sebenarnya dari AGV yang memiliki sumbu x positif dan sumbu y negatif. Oleh karena itu koordinat
105
dan sudut posisi AGV dirubah lagi menjadi seperti keadaan nyata sehingga akan menghasilkan grafik seperti dibawah ini :
Gambar 4.36 Daerah operasi AGV yang sebenarnya
106
BAB V PENGUJIAN SIMULASI DAN ANALISA
BAB V PENGUJIAN SIMULASI DAN ANALISA
Setelah perancangan simulasi pergerakan AGV selesai dibuat, maka dilakukan pengujian dengan menjalankan simulasi dengan beberapa variasi pola objek tujuan dan variasi objek halangan. Walaupun simulasi dapat dijalankan tanpa ada kendala tetapi beberapa hal yang sudah direncanakan terlebih dahulu tidak dapat diwujudkan. Hal-hal tersebut antara lain : 1. Belum dapat menggabungkan ketiga sistem yang menjadi dasar pergerakan AGV dengan kata lain sistem penghindar tabrakan, sistem navigasi belum dapat digabungkan dengan sistem kemudi otomatis yang dibicarakan pada tugas akhir ini. Terdapat kesulitan dalam pembacaan keluaran dari kedua sistem terutama sistem penghindar tabrakan. Karena sistem kemudi otomatis tidak dapat membaca keluaran sistem penghindar tabrakan secara real time. 2. Belum menemukan sistem yang dapat memberikan keputusan arah belok yang sesuai ketika menghindari halangan. Maksudnya ketika AGV bergerak menghindari halangan, gerakannya kadangkala tidak cenderung menuju objek dan melewati atas daerah operasi AGV. 3. Selama simulasi, AGV hanya dapat menghindari satu saja objek halangan dari beberapa kooordinat halangan. 4. Belum dapat mewujudkannya dalam bentuk hardware karena keterbatasan pengetahuan mengenai robotika. 5.1 Pengujian simulasi Pada pengujian ini dibuah tiga buah pola objek tujuan yang harus dilalui. Objek halangan dibuat disetiap pola objek tujuan tersebut.
107
1. Pola pertama
Gambar 5.1 Pola objek pertama yang harus dilalui AGV dan Pola halangan yang harus dihindari oleh AGV Melalui pengujian simulasi maka dapat dikatakan bahwa AGV dapat mencapai semua objek dan dapat menghindari halangan yang telah diberikan. Melalui simulink dapat ditampilkan titiktitik lintasan AGV sebagai berikut :
108
Tabel 5.1 Titik-titik lintasan AGV pola pertama selama simulasi Time(s) 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12 12.5 13 13.5 14 14.5
x(m) 1.00 1.00 1.64 2.35 3.06 3.77 4.47 5.18 5.89 6.60 7.30 8.01 8.72 9.42 10.13 10.84 11.54 12.25 12.96 13.67 14.37 14.82 14.93 14.96 14.97 14.98 14.99 14.99 14.99 14.99
y(m) Gamma(°)Theta(°) -1.00 -90.00 34.99 -2.00 -49.89 4.99 -2.76 -44.89 -0.12 -3.47 -45.01 0.01 -4.18 -45.00 0.00 -4.88 -45.00 0.00 -5.59 -45.00 0.00 -6.30 -45.00 0.00 -7.01 -45.00 0.00 -7.71 -45.00 0.00 -8.42 -45.00 0.00 -9.13 -45.00 0.00 -9.83 -45.00 0.00 -10.54 -45.00 0.00 -11.25 -45.00 0.00 -11.96 -45.00 0.00 -12.66 -45.00 0.00 -13.37 -45.00 0.00 -14.08 -45.00 0.00 -14.78 -45.00 -17.96 -15.49 -63.57 -19.07 -16.39 -83.38 -5.03 -17.38 -88.43 -0.80 -18.38 -89.22 -0.37 -19.38 -89.59 -0.17 -20.38 -89.76 -0.09 -21.38 -89.85 -0.05 -22.38 -89.89 -0.03 -23.38 -89.92 -0.02 -24.38 -89.94 -0.01
109
Time(s) x(m) 28 27.98 28.5 28.86 29 29.84 29.5 30.54 30 31.54 30.5 32.35 31 33.08 31.5 33.82 32 34.56 32.5 35.29 33 36.21 33.5 37.20 34 38.20 34.5 39.20 35 40.20 35.5 41.20 36 42.20 36.5 43.20 37 44.20 37.5 45.20 38 45.20 38.5 46.20 39 46.86 39.5 46.85 40 46.20 40.5 45.49 41 44.78 41.5 44.07 42 43.37 42.5 42.66
T heta(°) y(m) Gamma(°) -26.92 -27.94 34.98 -27.39 12.15 -45.00 -27.18 -45.15 36.00 -27.89 -3.52 34.98 -27.95 36.57 5.96 -27.35 42.55 0.00 -26.68 42.55 0.00 -26.00 42.55 0.00 -25.32 42.55 -18.13 -24.65 23.79 -18.85 -24.25 4.23 -2.01 -24.17 2.21 -0.83 -24.13 1.39 -0.41 -24.11 0.98 -0.23 -24.09 0.75 -0.14 -24.08 0.61 -0.10 -24.07 0.51 -0.07 -24.06 0.44 -0.06 -24.05 0.38 -0.05 -24.04 0.33 -0.04 -24.04 0.33 -40.83 -24.04 -49.19 -35.78 -24.80 -90.48 -34.73 -25.80 -130.20 -5.53 -26.56 -135.74 0.83 -27.26 -134.91 -0.10 -27.97 -135.01 0.00 -28.67 -135.01 0.00 -29.38 -135.01 0.00 -30.09 -135.01 0.00
15 15.5 16 16.5 17 17.5 18 18.5 19 19.5 20 20.5 21 21.5 22 22.5 23 23.5 24 24.5 25 25.5 26 26.5 27 27.5
14.99 14.99 14.99 15.00 15.00 15.00 15.00 15.00 15.76 16.76 17.52 18.22 18.93 19.63 20.34 21.05 21.76 22.46 23.17 23.88 24.67 25.63 26.62 27.62 28.15 27.72
-25.38 -26.38 -27.38 -28.38 -29.38 -30.38 -30.38 -31.38 -32.03 -32.02 -31.37 -30.65 -29.95 -29.24 -28.53 -27.83 -27.12 -26.41 -25.70 -25.00 -24.39 -24.10 -24.19 -24.20 -25.05 -25.95
-89.95 -89.96 -89.96 -89.97 -89.97 -89.98 -89.98 -40.47 0.74 40.29 45.72 44.92 45.01 45.00 45.00 45.00 45.00 45.00 45.00 37.48 16.73 -4.89 -0.88 -58.17 -475.47 -75.14
-0.01 -0.01 -0.01 0.00 0.00 0.00 40.83 35.73 34.61 5.41 -0.80 0.09 -0.01 0.00 0.00 0.00 0.00 0.00 -7.48 -19.90 -20.68 4.01 -45.00 -45.00 35.14 39.49
110
43 43.5 44 44.5 45 45.5 46 46.5 47 47.5 48 48.5 49 49.5 50 50.5 51 51.5 52 52.5 53 53.5 54 54.5 55 55.5 56
42.66 41.95 40.96 40.37 40.45 41.11 41.82 42.52 43.22 43.93 44.63 45.33 45.79 45.92 45.93 45.95 45.95 45.96 45.97 45.97 45.97 45.98 45.98 45.98 45.99 45.99 45.99
-30.09 -30.79 -30.71 -29.90 -28.90 -28.15 -27.44 -26.73 -26.02 -25.31 -24.60 -23.89 -22.99 -22.00 -21.00 -20.00 -19.00 -18.00 -17.00 -16.00 -15.00 -14.00 -13.00 -12.00 -11.00 -10.00 -9.00
-135.01 -184.84 -234.18 -274.80 -311.37 -314.68 -314.68 -314.68 -314.68 -314.68 -314.68 -296.89 -277.53 -271.00 -270.66 -270.48 -270.37 -270.31 -270.26 -270.22 -270.19 -270.17 -270.14 -270.13 -270.11 -270.10 -270.08
41.01 40.73 35.34 32.55 3.31 0.00 0.00 0.00 0.00 0.00 -17.25 -18.67 -6.50 -0.34 -0.18 -0.10 -0.07 -0.05 -0.04 -0.03 -0.03 -0.02 -0.02 -0.02 -0.01 -0.01 -0.01
2. Pola kedua
Gambar 5.2 Pola objek kedua yang harus dilalui AGV dan Pola halangan yang harus dihindari oleh AGV Melalui pengujian simulasi maka dapat dikatakan bahwa AGV dapat mencapai semua objek dan dapat menghindari halangan yang telah diberikan. Melalui simulink dapat ditampilkan titiktitik lintasan AGV sebagai berikut :
111
Tabel 5.2 Titik-titik lintasan AGV pola kedua selama simulasi
Time(s) 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12 12.5 13 13.5 14 14.5 15 15.5 16 16.5 17 17.5 18 18.5 19 19.5 20 20.5 21 21.5 22
x(m) 1.00 1.64 1.64 2.31 2.98 3.64 4.31 4.71 4.79 4.83 4.86 4.88 4.90 4.91 4.92 4.93 4.94 4.95 4.96 4.96 4.97 4.97 4.97 4.98 4.98 4.98 4.99 4.99 4.99 4.99 4.99 4.99 4.99 4.99 5.00 5.00 5.00 5.00 5.00 5.00 5.00 5.00 5.00 5.00 5.00
y(m) Gamma(°)Theta(°) -1.00 -90.00 34.99 -1.77 -49.90 1.67 -2.76 -48.24 0.00 -3.51 -48.24 0.00 -4.26 -48.24 0.00 -5.00 -48.24 -17.49 -5.75 -66.29 -18.41 -6.66 -85.36 -2.17 -7.66 -87.54 -0.85 -8.66 -88.39 -0.43 -9.66 -88.82 -0.25 -10.66 -89.07 -0.17 -11.66 -89.23 -0.12 -12.66 -89.35 -0.09 -13.66 -89.44 -0.07 -14.66 -89.52 -0.06 -15.66 -89.58 -0.05 -16.66 -89.63 -0.05 -17.66 -89.68 -0.04 -18.66 -89.72 -0.04 -19.66 -89.75 -0.03 -20.66 -89.78 -0.03 -21.66 -89.81 -0.02 -22.66 -89.84 -0.02 -23.66 -89.86 -0.02 -24.66 -89.88 -0.02 -25.66 -89.89 -0.01 -26.66 -89.91 -0.01 -27.66 -89.92 -0.01 -28.66 -89.93 -0.01 -29.66 -89.94 -0.01 -30.66 -89.95 -0.01 -31.66 -89.95 -0.01 -32.66 -89.96 -0.01 -33.66 -89.96 0.00 -34.66 -89.97 0.00 -35.66 -89.97 0.00 -36.66 -89.98 0.00 -37.66 -89.98 0.00 -38.66 -89.98 0.00 -39.66 -89.98 0.00 -40.66 -89.99 0.00 -41.66 -89.99 0.00 -42.66 -89.99 0.00 -43.66 -89.99 0.00
112
Time(s) 47.5 48 48.5 49 49.5 50 50.5 51 51.5 52 52.5 53 53.5 54 54.5 55 55.5 56 56.5 57 57.5 58 58.5 59 59.5 60 60.5 61 61.5 62 62.5 63 63.5 64 64.5 65 65.5 66 66.5 67 67.5 68 68.5 69 69.5
x(m) 47.57 47.56 46.91 46.20 45.49 44.78 44.08 43.37 42.66 41.95 41.25 40.54 39.83 39.13 38.42 37.71 37.00 36.30 35.59 35.16 35.06 35.03 35.02 35.01 35.01 35.00 35.00 35.00 35.65 36.36 37.07 37.78 38.48 39.19 39.90 40.60 41.31 42.02 42.77 43.71 44.71 45.71 45.71 46.71 47.46
y(m) Gamma(°) Theta(°) -39.24 -269.25 -34.59 -38.24 -229.73 -5.44 -37.48 -224.28 0.80 -36.78 -225.08 -0.09 -36.07 -224.99 0.01 -35.37 -225.00 0.00 -34.66 -225.00 0.00 -33.95 -225.00 0.00 -33.25 -225.00 0.00 -32.54 -225.00 0.00 -31.83 -225.00 0.00 -31.12 -225.00 0.00 -30.42 -225.00 0.00 -29.71 -225.00 0.00 -29.00 -225.00 0.00 -28.30 -225.00 0.00 -27.59 -225.00 0.00 -26.88 -225.00 18.63 -26.17 -244.32 19.44 -25.27 -264.54 3.64 -24.28 -268.19 0.98 -23.28 -269.17 0.44 -22.28 -269.61 0.20 -21.28 -269.81 0.09 -20.28 -269.90 0.05 -19.28 -269.95 0.02 -19.28 90.05 -34.99 -18.28 49.95 -5.71 -17.51 44.22 0.87 -16.82 45.09 -0.10 -16.11 44.99 0.01 -15.40 45.00 0.00 -14.69 45.00 0.00 -13.99 45.00 0.00 -13.28 45.00 0.00 -12.57 45.00 0.00 -11.87 45.00 -3.56 -11.16 41.44 -20.31 -10.50 20.23 -20.13 -10.15 -0.77 0.80 -10.16 0.03 0.54 -10.16 0.57 0.26 -10.16 0.57 -34.99 -10.15 40.68 -34.99 -9.50 80.78 -34.99
22.5 23 23.5 24 24.5 25 25.5 26 26.5 27 27.5 28 28.5 29 29.5 30 30.5 31 31.5 32 32.5 33 33.5 34 34.5 35 35.5 36 36.5 37 37.5 38 38.5 39 39.5 40 40.5 41 41.5 42 42.5 43 43.5 44 44.5 45 45.5 46 46.5 47
5.00 5.00 5.00 5.00 5.76 6.76 7.52 8.22 8.93 9.64 10.34 11.05 11.76 12.46 13.17 13.97 14.93 15.92 16.92 17.92 18.92 19.92 20.92 21.92 22.92 23.92 24.92 25.92 26.92 27.92 28.92 29.92 30.92 31.92 32.92 33.92 34.92 35.92 36.92 37.92 38.92 39.92 40.92 41.92 42.92 43.92 44.92 45.92 45.92 46.92
-44.66 -45.66 -45.66 -46.66 -47.31 -47.30 -46.65 -45.93 -45.23 -44.52 -43.81 -43.11 -42.40 -41.69 -40.98 -40.38 -40.10 -40.19 -40.20 -40.20 -40.19 -40.17 -40.15 -40.13 -40.12 -40.10 -40.09 -40.08 -40.07 -40.06 -40.05 -40.05 -40.04 -40.03 -40.03 -40.03 -40.02 -40.02 -40.02 -40.02 -40.01 -40.01 -40.01 -40.01 -40.01 -40.01 -40.01 -40.00 -40.00 -40.00
-89.99 0.00 -89.99 0.00 -89.99 40.83 -40.49 35.73 0.73 34.61 40.26 5.45 45.72 -0.81 44.92 0.09 45.01 -0.01 45.00 0.00 45.00 0.00 45.00 0.00 45.00 0.00 45.00 -7.78 37.17 -19.87 16.46 -20.73 -5.22 4.37 -0.84 0.92 0.08 0.65 0.73 0.30 1.03 0.05 1.08 -0.05 1.02 -0.09 0.93 -0.10 0.83 -0.10 0.74 -0.09 0.65 -0.08 0.57 -0.07 0.50 -0.06 0.44 -0.05 0.38 -0.05 0.34 -0.04 0.30 -0.04 0.26 -0.03 0.23 -0.03 0.20 -0.03 0.17 -0.02 0.15 -0.02 0.13 -0.02 0.11 -0.01 0.10 -0.01 0.09 -0.01 0.07 -0.01 0.06 -0.01 0.06 -0.01 0.05 -0.01 0.04 -0.01 0.04 0.00 -359.96 -40.83 -310.46 -35.72
70 70.5 71 71.5 72 72.5 73 73.5 74 74.5 75 75.5 76 76.5 77 77.5 78 78.5 79 79.5 80 80.5 81 81.5 82 82.5 83 83.5 84 84.5 85 85.5 86 86.5 87 87.5 88 88.5 89 89.5 90 90.5 91 91.5 92 92.5 93 93.5 94 94.5 95 95.5
113
47.62 47.11 46.30 45.62 44.91 44.20 43.49 42.79 42.08 41.37 40.61 39.66 38.66 37.66 36.66 35.66 34.66 33.66 32.66 31.66 30.66 29.66 28.66 27.66 26.66 26.13 25.19 24.20 23.21 22.21 21.22 20.22 19.22 18.22 17.22 16.23 15.23 14.23 13.23 12.23 11.23 10.23 9.23 8.23 7.23 6.23 5.23 4.23 3.23 2.23 1.23 0.23
-8.51 -7.66 -7.07 -6.34 -5.64 -4.93 -4.22 -3.51 -2.81 -2.10 -1.46 -1.13 -1.17 -1.18 -1.18 -1.17 -1.15 -1.13 -1.12 -1.10 -1.09 -1.08 -1.07 -1.06 -1.05 -0.21 0.13 -0.01 -0.13 -0.23 -0.33 -0.41 -0.48 -0.54 -0.60 -0.65 -0.69 -0.73 -0.77 -0.79 -0.82 -0.84 -0.86 -0.88 -0.90 -0.91 -0.92 -0.93 -0.94 -0.95 -0.95 -0.96
-239.12 -215.87 -226.78 -224.80 -225.02 -225.02 -225.02 -225.02 -225.02 -219.97 -198.92 -177.69 -179.53 -180.20 -180.72 -180.93 -180.96 -180.90 -180.82 -180.73 -180.64 -180.57 -180.50 -180.44 -237.73 -199.96 -171.72 -173.22 -173.99 -174.67 -175.29 -175.84 -176.32 -176.76 -177.15 -177.50 -177.82 -178.09 -178.32 -178.53 -178.71 -178.87 -179.01 -179.14 -179.24 -179.34 -179.42 -179.49 -179.56 -179.61 -179.66 -179.70
-22.08 10.78 -1.98 0.22 0.00 0.00 0.00 0.00 -5.04 -20.17 -20.32 1.84 0.67 0.52 0.22 0.02 -0.06 -0.08 -0.09 -0.09 -0.08 -0.07 -0.06 45.00 -33.39 -26.24 1.50 0.77 0.68 0.62 0.55 0.48 0.44 0.39 0.35 0.32 0.27 0.23 0.20 0.18 0.16 0.14 0.12 0.11 0.10 0.08 0.07 0.06 0.05 0.05 0.04 0.04
3. Pola ketiga
Gambar 5.3 Pola objek ketiga yang harus dilalui AGV dan Pola halangan yang harus dihindari oleh AGV Melalui pengujian sebanyak tiga kali maka dapat dikatakan bahwa AGV dapat mencapai semua objek dan dapat menghindari halangan yang telah diberikan. Melalui simulink dapat ditampilkan titik-titik lintasan AGV sebagai berikut :
114
Tabel 5.3 Titik-titik lintasan AGV pola ketiga selama simulasi
Time(s) 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12
x(m) 1.00 1.00 1.64 2.61 3.55 4.25 5.04 5.99 6.99 7.99 8.99 9.99 10.99 11.99 12.99 13.99 14.99 15.99 16.99 17.99 18.99 19.99 20.99 21.99 22.99
y(m) Gamma(°) Theta(°) -1.00 -90.00 34.99 -2.00 -49.90 30.99 -2.76 -15.49 31.12 -3.03 19.10 24.97 -2.70 45.78 -7.48 -1.99 38.26 -20.37 -1.37 16.99 -20.91 -1.08 -4.91 3.97 -1.16 -0.92 0.92 -1.18 0.00 0.61 -1.18 0.61 0.29 -1.17 0.90 0.06 -1.15 0.95 -0.04 -1.14 0.91 -0.08 -1.12 0.83 -0.09 -1.11 0.74 -0.09 -1.09 0.66 -0.08 -1.08 0.58 -0.07 -1.07 0.51 -0.06 -1.06 0.45 -0.05 -1.05 0.39 -0.05 -1.05 0.34 -0.04 -1.04 0.30 -0.04 -1.04 0.27 -0.03 -1.03 0.23 -0.03
115
Time(s) 45 45.5 46 46.5 47 47.5 48 48.5 49 49.5 50 50.5 51 51.5 52 52.5 53 53.5 54 54.5 55 55.5 56 56.5 57
x(m) 23.52 22.60 21.95 21.31 20.52 19.56 18.57 17.57 16.57 15.57 14.57 13.57 12.57 11.57 10.57 9.57 8.57 7.57 6.57 5.57 4.57 4.57 3.57 2.95 3.16
y(m) Gamma(°) Theta(°) -22.75 -203.07 24.99 -22.35 -229.78 0.00 -21.59 -229.78 -11.38 -20.83 -218.25 -21.67 -20.21 -195.48 -22.46 -19.94 -171.79 9.68 -20.08 -181.57 -0.72 -20.06 -180.84 -0.34 -20.04 -180.50 -0.17 -20.03 -180.33 -0.09 -20.03 -180.24 -0.05 -20.02 -180.19 -0.03 -20.02 -180.15 -0.02 -20.02 -180.13 -0.02 -20.01 -180.11 -0.02 -20.01 -180.09 -0.01 -20.01 -180.08 -0.01 -20.01 -180.07 -0.01 -20.01 -180.06 -0.01 -20.01 -180.05 -0.01 -20.01 -180.05 -0.01 -20.01 179.95 -41.96 -20.01 128.43 -41.47 -19.22 77.79 -41.16 -18.24 27.70 -34.99
12.5 13 13.5 14 14.5 15 15.5 16 16.5 17 17.5 18 18.5 19 19.5 20 20.5 21 21.5 22 22.5 23 23.5 24 24.5 25 25.5 26 26.5 27 27.5 28 28.5 29 29.5 30 30.5 31 31.5 32 32.5 33 33.5 34 34.5 35 35.5 36 36.5
23.99 24.99 25.99 26.99 27.99 28.99 29.99 30.99 31.99 32.99 33.99 34.99 35.99 36.99 37.99 38.99 39.99 40.99 41.99 42.99 43.99 44.99 45.99 45.99 46.99 47.75 47.90 47.38 46.62 45.86 45.23 44.95 45.07 45.07 45.07 45.07 45.07 45.06 44.42 43.70 43.00 42.29 41.58 40.88 40.17 39.46 38.75 38.05 37.34
-1.03 0.20 -0.03 -1.02 0.18 -0.02 -1.02 0.15 -0.02 -1.02 0.13 -0.02 -1.02 0.12 -0.02 -1.01 0.10 -0.01 -1.01 0.09 -0.01 -1.01 0.08 -0.01 -1.01 0.07 -0.01 -1.01 0.06 -0.01 -1.01 0.05 -0.01 -1.01 0.04 -0.01 -1.01 0.04 0.00 -1.00 0.03 0.00 -1.00 0.03 0.00 -1.00 0.02 0.00 -1.00 0.02 0.00 -1.00 0.02 0.00 -1.00 0.02 0.00 -1.00 0.01 0.00 -1.00 0.01 0.00 -1.00 0.01 0.00 -1.00 0.01 0.00 -1.00 0.01 -35.20 -1.00 -40.41 -35.44 -1.65 -81.19 -34.99 -2.64 -121.30 -17.74 -3.49 -139.62 0.00 -4.14 -139.62 10.28 -4.79 -129.23 21.81 -5.56 -106.30 22.33 -6.52 -82.76 -7.01 -7.51 -89.81 -0.28 -8.51 -90.08 -0.21 -9.51 -90.30 -0.09 -10.51 -90.39 -0.01 -10.51 -90.39 34.55 -11.51 -129.84 5.97 -12.28 -135.83 -0.93 -12.98 -134.90 0.11 -13.69 -135.01 -0.01 -14.39 -135.00 0.00 -15.10 -135.00 0.00 -15.81 -135.00 0.00 -16.52 -135.00 0.00 -17.22 -135.00 0.00 -17.93 -135.00 0.00 -18.64 -135.00 17.38 -19.34 -152.93 18.78
116
57.5 58 58.5 59 59.5 60 60.5 61 61.5 62 62.5 63 63.5 64 64.5 65 65.5 66 66.5 67 67.5 68 68.5 69 69.5 70 70.5 71 71.5 72 72.5 73 73.5 74 74.5 75 75.5 76 76.5 77 77.5 78 78.5 79 79.5 80 80.5 81 81.5
4.04 5.02 5.80 6.49 7.20 7.91 8.61 9.32 10.03 10.74 11.44 12.15 12.86 13.56 14.27 14.98 15.69 16.39 17.26 18.24 19.23 20.19 21.18 22.18 23.18 24.18 25.18 26.18 27.18 28.18 29.18 30.18 31.18 32.18 33.18 34.18 35.18 36.18 37.18 38.18 39.18 40.18 41.18 42.18 43.18 44.18 45.18 45.18 46.18
-17.78 -17.99 -18.63 -19.35 -20.05 -20.76 -21.47 -22.17 -22.88 -23.59 -24.29 -25.00 -25.71 -26.42 -27.12 -27.83 -28.54 -29.24 -29.74 -29.93 -29.74 -30.02 -29.89 -29.89 -29.90 -29.90 -29.91 -29.92 -29.93 -29.94 -29.95 -29.96 -29.96 -29.97 -29.97 -29.97 -29.98 -29.98 -29.98 -29.99 -29.99 -29.99 -29.99 -29.99 -29.99 -29.99 -29.99 -29.99 -30.00
-12.41 -39.11 -46.04 -44.88 -45.01 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -45.00 -29.49 -11.17 10.87 -16.05 7.03 0.16 -0.22 -0.48 -0.57 -0.56 -0.52 -0.47 -0.42 -0.37 -0.33 -0.29 -0.25 -0.22 -0.19 -0.17 -0.15 -0.13 -0.11 -0.10 -0.08 -0.07 -0.06 -0.05 -0.05 -0.04 -0.04 -40.20
-24.99 -6.90 1.17 -0.14 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 15.15 17.73 21.04 -25.17 21.94 -6.83 -0.38 -0.26 -0.09 0.00 0.04 0.05 0.05 0.05 0.04 0.04 0.04 0.03 0.03 0.02 0.02 0.02 0.02 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 -35.03 -30.62
37 37.5 38 38.5 39 39.5 40 40.5 41 41.5 42 42.5 43 43.5 44 44.5
36.45 35.46 34.46 33.46 32.46 31.46 30.46 29.46 28.46 27.46 26.92 27.34 27.07 26.23 25.24 24.48
-19.80 -19.93 -19.95 -19.95 -19.96 -19.97 -19.97 -19.98 -19.98 -19.98 -20.82 -21.73 -22.70 -23.23 -23.10 -22.45
-172.41 6.73 -179.17 0.28 -179.45 0.15 -179.60 0.09 -179.69 0.05 -179.74 0.04 -179.78 0.03 -179.81 0.03 -179.84 -45.00 -122.54 -45.00 -65.25 35.10 -105.51 36.20 -147.44 35.16 -187.80 29.54 -220.26 -45.00 -162.97 34.99
82 82.5 83 83.5 84 84.5 85 85.5 86 86.5 87 87.5 88 88.5 89 89.5 90
46.94 47.22 46.83 46.08 45.37 45.00 45.01 45.01 45.01 45.01 45.01 45.01 45.01 45.01 45.01 45.01 45.01
-30.64 -31.60 -32.53 -33.18 -33.89 -34.82 -35.82 -36.82 -37.82 -38.82 -39.82 -40.82 -41.82 -42.82 -43.82 -44.82 -45.82
-74.11 -33.83 -112.50 -24.98 -139.19 4.36 -134.83 21.85 -111.86 21.35 -89.46 -0.36 -89.82 -0.14 -89.96 -0.05 -90.01 -0.04 -90.05 -0.02 -90.07 0.00 -90.07 0.00 -90.07 0.01 -90.06 0.01 -90.06 0.01 -90.05 0.01 -90.04 0.01
5.2 Analisa a. Contoh proses simulasi pergerakan AGV Pergerakan AGV ditetapkan berawal dari titik (1,-1,-90°). Misalnya untuk pergerakan pada pola II, proses yang pertama sekali dilakukan adalah menentukan sudut belok roda depan pada waktu t = 0 detik. Penentuan sudut belok ini dilakukan oleh fuzzy system. Dimana seperti yang telah diketahui masukan fuzzy system berupa jarak antara AGV dan objek tujuan dan sudut posisi AGV.
117
(0,0) AGV
AGV (1,-1,-90°)
(-4,44,-90°)
Objek
(0,0)
(5,-45)
Objek
y(-) (a)
(b)
Gambar 5.4 Wilayah pergerakan AGV (a) Bidang pergerakan sebenarnya, (b) bidang pergerakan untuk perhitungan Jarak antara AGV dan objek tujuan pertama untuk pola II adalah sebesar (-4,44). Jika melihat dari wilayah virtual, melalui 2 koordinat ini diketahui bahwa (y/x) >0 dan koordinat berada pada kuadran II. Maka posisi AGV berada pada kondisi I dengan koordinat x negatif. Sehingga untuk masukan fuzzy system pertama adalah jarak AGV terhadap objek pada sumbu x yaitu -4 dan sudut posisi AGV sebesar -90°.
118
Gambar 5.5 Rule viewer fuzzy system untuk posisi (-4,44,90°)
Keputusan fuzzy system untuk masukan diatas adalah berupa sudut belok roda depan sebesar 35° (arah ccw). Arah belok ini sesuai dengan arah pergerakan AGV yang cenderung menuju objek tujuan. Sudut belok ini kemudian digunakan sebagai masukan untuk model kinematik. Data-data sebelumnya yang digunakan untuk pemodelan kinematik antara lain : - kecepatan AGV = 2 m/s dan panjang AGV = 1 m - jarak AGV dengan objek dalam sumbu x = -4 m; y = 44m dan sudut AGV = -90° Nilai ini menjadi input fuzzy pertama ketika sistem dijalankan, sehingga fuzzy system mengeluarkan output berupa sudut putar
119
roda sebesar 35°. Kemudian melalui persamaan (2.2) diatas diketahui
v
.
tg
l .
.
2
tg35
1
1.4 / s
Untuk mendapatkan nilai sudut kemiringan AGV setelah berjalan selama waktu tertentu digunakan persamaan (2.3)
.
(t)dt
0
Dimana : .
(t) = nilai kecepatan sudut perputaran AGV pada waktu t s - φ0 = nilai sudut kemiringan AGV pada kondisi awal atau saat -
t=0s Melalui persamaan diatas maka dapat diketahui sudut AGV terhadap sumbu xy global setelah t = 0.5 s, melalui perhitungan sebagai berikut :
(0.5s)
.
(t)dt ( 90 ) 0
(0.5s)
[(1.4 / s * 0.5s) * 180/ pi] ( 90 )
(0.5s)
40.13
(0.5s)
0
0
90 0
49.86
Sudut kemiringan AGV pada setelah t = 0.5 s adalah 49.86°. Nilai ini kemudian dipakai untuk mendapatkan besar kecepatan dalan sumbu x dan dalam sumbu y. Nilai tersebut didapat melalui persamaan (2.4) berikut :
120
.
v cos
x .
v sin
y
Dimana : .
- x = besar kecepatan AGV dalam sumbu x .
- y = besar kecepatan AGV dalam sumbu y - v = kecepatan AGV dengan sudut φ Maka untuk mengetahui kecepatan AGV terhadap sumbu x dan sumbu y setelah t = 0.5 s adalah sebagai berikut : .
x(0.5s) .
x(0.5s) .
y(0.5s) .
y(0.5s)
2m / s * cos( 49.86 ) 1.29m / s 2m / s * sin( 49.86 ) 1.53m / s
Setelah mendapatkan nilai kecepatan AGV terhadap sumbu x dan sumbu y maka melalui peng- integral-an nilai tersebut didapatkan posisi AGV terhadap objek setelah t = 0.5 s. Persamaan yang digunakan adalah persamaan (2.5)
x y
.
x(t)d (t) .
y(t)d (t)
x0 y0 2
Posisi AGV berada pada kondisi IA karena harga (y/x) < 1 sehingga parameter jarak yang digunakan sebagai masukan untuk fuzzy system adalah nilai pada sumbu x. Jadi yang perlu dihitung hanya jarak pada sumbu x saja
121
.
x(0.5s)
x(t)dt
x(0.5s)
(1.29m/ s * 0.5s)
x(0.5s)
( 4m) ( 4m)
3.35m .
y(0.5s)
y(t)dt
y(0.5s)
( 1.53m/ s * 0.5s)
y(0.5s)
43.23m
(44m) (44m)
Maka posisi AGV setelah 0.5 s berada pada titik (-3.35,43.23,49.86°) apabila objek berada pada titik (0,0) atau (1.65,-1.77,49.86°) apabila objek berada pada titik (5,-45), hal ini sama dengan hasil yang dikeluarkan dari simulasi pada tabel diatas.
Gambar 5.6 Pergerakan AGV menuju objek (5,-45) pada waktu t= 0.5 s
122
b. Pergerakan AGV untuk beberapa pola objek tujuan Melalui tabel ini dapat diketahui posisi awal AGV pada waktu 0 s yaitu (1,-1,-90°), selama simulasi AGV harus melewati beberapa objek tujuan dan menghindari halangan didaerah antara objek tujuan kedua dan ketiga. 1. Pola Pertama a. AGV mencapai objek tujuan pertama pada waktu 17.5 detik berada pada posisi (15,-30.38,-89.98) b. AGV mencapai objek tujuan kedua pada waktu 37.5 detik berada pada posisi (45.20,-24.04,0.33) c. AGV mencapai objek tujuan ketiga pada waktu 44.5 detik berada pada posisi (40.37,-29.90,-274.80) d. AGV mencapai objek tujuan keempat pada waktu 56 detik berada pada posisi (45.99,-9.00,-270.08) e. AGV menghindari objek halangan pada waktu 26 -26.5 detik berada pada posisi (26.62,-24.19,-0.88) sampai (27.62,-24.20,-58.17). Hal ini terlihat dari sudut belok roda yang berbelok maksimum
123
Gambar 5.7 Garis yang dilintasi AGV dengan pola objek tujuan pertama 2. Pola kedua a. AGV mencapai objek tujuan pertama pada waktu 23 detik berada pada posisi (5,-45.66,-89.98) b. AGV mencapai objek tujuan kedua pada waktu 30 detik berada pada posisi (45.07,-10.51,-90.39) c. AGV mencapai objek tujuan ketiga pada waktu 60 detik berada pada posisi (35.00,-19.28,-269.95) d. AGV mencapai objek tujuan keempat pada waktu 68 detik berada pada posisi (45.71,-10.16,-0.57) e. AGV mencapai objek tujuan kelima pada waktu 95 detik berada pada posisi (1.23,-0.95,-179.66)
124
f.
AGV menghindari objek halangan pada waktu 81.5 detik berada pada posisi (27.66,-1.06,-180.44). Hal ini terlihat dari sudut belok roda yang berbelok maksimum
Gambar 5.8 Garis yang dilintasi AGV dengan pola objek tujuan kedua 3. Pola ketiga a. AGV mencapai objek tujuan pertama pada waktu 23.5 detik berada pada posisi (45.99,-1.00,0.01) b. AGV mencapai objek tujuan kedua pada waktu 46 detik berada pada posisi (45.92,-40.00,0.04) c. AGV mencapai objek tujuan ketiga pada waktu 55 detik berada pada posisi (4.57,-20.01,-180.05)
125
d. AGV mencapai objek tujuan keempat pada waktu 80.5 detik berada pada posisi (45.18,-29.99,-0.04) e. AGV mencapai objek tujuan kelima pada waktu 90 detik berada pada posisi (45.05,-45.82,-90.04) f. AGV menghindari objek halangan pada waktu 41 detik berada pada posisi (28.46,-19.98,-179.84). Hal ini terlihat dari sudut belok roda yang berbelok maksimum
Gambar 5.9 Garis yang dilintasi AGV dengan pola objek tujuan ketiga
126
Dari tabel diatas diketahui bahwa masih terdapat sedikit ketidaktepatan koordinat objek yang dituju hal ini terjadi karena pemakaian logika fuzzy yang mengatur pergerakan roda AGV Tetapi ketidaktepatan tersebut masih dapat diabaikan.
127
{ HALAMAN INI SENGAJA DIKOSONGKAN }
128
BAB VI PENUTUP
BAB VI PENUTUP 6.1 Kesimpulan a. AGV dapat disimulasikan dengan menampilkan beberapa data terlebih dahulu seperti koordinat dan posisi AGV, koordinat objek tujuan yang harus dilalui dan koordinat objek halangan. b. Fuzzy System dengan 2 buah input dan 1 buah output dapat mengendalikan arah belok roda AGV dengan tingkat pencapaian objek yang baik. Misalnya untuk masukan berupa posisi awal AGV pada (1,-1,-90°), keluaran fuzzy system sebesar 35° dengan kata lain fuzzy system cenderung bergerak menuju objek tujuan. Hal ini menunjukkan untuk kondisi awal AGV seperti itu, fuzzy system mampu memutuskan sudut belok roda depan yang terbaik. Semakin presisi fuzzy system yang digunakan maka pergerakan AGV semakin efektif. c. Pembagian daerah operasi AGV dapat menyederhanakan sistem simulasi. Fungsi pembagian daerah ini adalah dapat menyederhanakan fuzzy system dan pemodelan kinematik. 6.2 Saran a. Pengembangan simulasi pergerakan AGV ini dapat diarahkan pada pembuatan hardware b. Pergerakan AGV dapat lebih baik apabila terdapat variasi kecepatan dan fuzzy system yang lebih presisi c. Selama proses pergerakan, AGV hendaknya dapat membaca masukan secara terus-menerus agar dapat menghindari halangan yang tidak ada sebelumnya.
129
{ HALAMAN INI SENGAJA DIKOSONGKAN }
129
DAFTAR PUSTAKA
Furukawa, Tomonari and Dissanayake, Gamini. 2006. “Model Parameter Identification of Autonomous Vehicle”. Australian Centre for Fields Robotics. University of Sidney, Australia. Golconda, Suresh. 2005. “Steering Control for a Skid-Steered Autonomous Ground Vehicle at Varying speed”. Februari 23, 2005. Koivo, Heikki. "Simulink for Beginners" Purwahyudi, Igit dan IE, Tim. “AN16 - How 2 Use DT-51 PetraFuz”. DT-51 Application Note. Universitas Widya Mandala. Shamah, Benjamin, Wagner, Michael D., Moorehead, Stewart, Teza, James, Wettergreen, David, Whittaker, William. “Steering and Control of a Passively Articulated Robot”. Field Robotics Center. The Robotics Institute, Carnegie Mellon University. Washington, Gregory and Rajagopalan, Arun. 2002. “Simulink Tutorial”. The Intelligent Structures and Systems Laboratory Department of Mechanical Engineering. The Ohio-State University Columbus OH 43210. Petriu, Emil M., “Fuzzy Systems for Control Application”. School of Information Technology and Engineering. University of Ottawa Ottawa, ON., Canada. Zhao, Yanan and Collins Jr., Emannuel G. “Robust Automatic Parallel Parking in Tight Spaces via Fuzzy Logic”. Department of Mechanical Engineering. Florida A&M University - Florida State University Tallahassee, FL. Hanselman, Duane and Littlefield Bruce. MATLAB Bahasa Komputasi Teknis. Penerbit ANDI, Yogyakarta, 1997. Hartanto, Thomas W.D. dan Prasetyo, Y. Wahyu Agung. Analisis dan Desain Sistem Kontrol dengan MATLAB. Penerbit ANDI, Yogyakarta, 2003. www.wikipedia.org
131
{HALAMAN INI SENGAJA DIKOSONGKAN}
131
LAMPIRAN
133
LAMPIRAN
Program pergerakan AGV :
% List programnya %% data untuk kondisi awal pada AGV clc koordinat_objek = dlmread('objek3.txt'); file dari shorten path system jumlah_objek = size(koordinat_objek,1); jumlah objek yg dilalui halang = dlmread('halangan3.txt'); file yang berisi data halangan jumlah_halangan = size(halang,1);
%Memanggil %Menentukan %Memanggil
for hh=1:jumlah_halangan v(hh)=halang(hh,1); w(hh)=halang(hh,2); end; for m = 1:jumlah_objek; posisi_AGV = dlmread('AGV.txt'); %Memanggil file dari shorten path system koordinat_AGV = posisi_AGV(1:1,1:2); jarak_x = koordinat_AGV(1:1) koordinat_objek(m,1); jarak_y = koordinat_AGV(2:2) koordinat_objek(m,2); sudut_AGV_awal = posisi_AGV(:,3); kecepatan_awal = 2; panjang_AGV = 1; %% Penentuan masukan awal berupa jarak awal dan sudut posisi awal n = (jarak_y/jarak_x)^2; if n>=1 if jarak_y>=0 gamma0=sudut_AGV_awal; % sudut AGV untuk daerah y>=0 else if sudut_AGV_awal>=-90 gamma0=-sudut_AGV_awal; % sudut AGV untuk daerah y<0 dan sudut AGV >=-90*pi/180 else gamma0=-sudut_AGV_awal+(-360); % sudut AGV untuk daerah y<0 dan sudut AGV <-90*pi/180 end end; input1=jarak_x;
134
else
daerah
daerah
daerah daerah
end;
input2=jarak_y; awal_i(m)=koordinat_objek(m,1); awal_j(m)=koordinat_objek(m,2); if jarak_x>=0 if sudut_AGV_awal>=0 gamma0=90-sudut_AGV_awal; % sudut AGV untuk x>=0 dan sudut AGV >=0 else gamma0=-270-sudut_AGV_awal; % sudut AGV untuk x<0 dan sudut AGV<0 end; else if sudut_AGV_awal>=-180 gamma0=sudut_AGV_awal-90; % sudut AGV untuk x<0 dan sudut AGV >=-180*pi/180 else gamma0=sudut_AGV_awal+270; % sudut AGV untuk x<0 dan sudut AGV <-180*pi/180 end; end; input1=jarak_y; input2=jarak_x; awal_i(m)=koordinat_objek(m,2); awal_j(m)=koordinat_objek(m,1);
input3=gamma0; for k=1:500; obs=dlmread('keputusan.txt'); dikeluarkan oleh
%% membaca keputusan yang %% sistem pendeteksi
halangan terdeteksi=obs(:,1); %% Metode fuzzy untuk pergerakan menuju objek clc a=newfis('AGV'); a.input(1).name='distance'; a.input(1).range=[-50 50]; a.input(1).mf(1).name='NSjauh'; a.input(1).mf(1).type='trimf'; a.input(1).mf(1).params=[-50 -50 -15]; a.input(1).mf(2).name='Dekat'; a.input(1).mf(2).type='trimf'; a.input(1).mf(2).params=[-2 0 2]; a.input(1).mf(3).name='PSjauh'; a.input(1).mf(3).type='trimf'; a.input(1).mf(3).params=[15 50 50]; a.input(1).mf(4).name='Njauh'; a.input(1).mf(4).type='trimf'; a.input(1).mf(4).params=[-20 -10 0];
135 a.input(1).mf(5).name='Pjauh'; a.input(1).mf(5).type='trimf'; a.input(1).mf(5).params=[0 10 20]; a.input(2).name='AGV_angle'; a.input(2).range=[-270 90]; a.input(2).mf(1).name='NSM'; a.input(2).mf(1).type='trimf'; a.input(2).mf(1).params=[-270 -270 -150]; a.input(2).mf(2).name='NAM'; a.input(2).mf(2).type='trimf'; a.input(2).mf(2).params=[-150 -120 -90]; a.input(2).mf(3).name='PAM'; a.input(2).mf(3).type='trimf'; a.input(2).mf(3).params=[-90 -60 -30]; a.input(2).mf(4).name='PSM'; a.input(2).mf(4).type='trimf'; a.input(2).mf(4).params=[-30 90 90 ]; a.input(2).mf(5).name='Center'; a.input(2).mf(5).type='trimf'; a.input(2).mf(5).params=[-100 -90 -80]; a.input(2).mf(6).name='PM'; a.input(2).mf(6).type='trimf'; a.input(2).mf(6).params=[-60 -30 0]; a.input(2).mf(7).name='NM'; a.input(2).mf(7).type='trimf'; a.input(2).mf(7).params=[-180 -150 -120]; a.output(1).name='wheel_angle'; a.output(1).range=[-45 45]; a.output(1).mf(1).name='NRAM' a.output(1).mf(1).type='trimf'; a.output(1).mf(1).params=[-35 -25 -15]; a.output(1).mf(2).name='L'; a.output(1).mf(2).type='trimf'; a.output(1).mf(2).params=[-20 0 20]; a.output(1).mf(3).name='PRSM'; a.output(1).mf(3).type='trimf'; a.output(1).mf(3).params=[35 45 45]; a.output(1).mf(4).name='NRM' a.output(1).mf(4).type='trimf'; a.output(1).mf(4).params=[-45 -35 -25]; a.output(1).mf(5).name='PRAM'; a.output(1).mf(5).type='trimf'; a.output(1).mf(5).params=[15 25 35]; a.output(1).mf(6).name='PRM'; a.output(1).mf(6).type='trimf'; a.output(1).mf(6).params=[25 35 45]; a.output(1).mf(7).name='NRSM'; a.output(1).mf(7).type='trimf'; a.output(1).mf(7).params=[-45 -45 -35]; a.rule(1).antecedent=[1 1];
136 a.rule(1).consequent=[3]; a.rule(1).weight=1; a.rule(1).connection=1; a.rule(2).antecedent=[1 7]; a.rule(2).consequent=[3]; a.rule(2).weight=1; a.rule(2).connection=1; a.rule(3).antecedent=[1 2]; a.rule(3).consequent=[3]; a.rule(3).weight=1; a.rule(3).connection=1; a.rule(4).antecedent=[1 5]; a.rule(4).consequent=[6]; a.rule(4).weight=1; a.rule(4).connection=1; a.rule(5).antecedent=[1 3]; a.rule(5).consequent=[6]; a.rule(5).weight=1; a.rule(5).connection=1; a.rule(6).antecedent=[1 6]; a.rule(6).consequent=[5]; a.rule(6).weight=1; a.rule(6).connection=1; a.rule(7).antecedent=[1 4]; a.rule(7).consequent=[1]; a.rule(7).weight=1; a.rule(7).connection=1; a.rule(8).antecedent=[4 1]; a.rule(8).consequent=[3]; a.rule(8).weight=1; a.rule(8).connection=1; a.rule(9).antecedent=[4 7]; a.rule(9).consequent=[3]; a.rule(9).weight=1; a.rule(9).connection=1; a.rule(10).antecedent=[4 2]; a.rule(10).consequent=[6]; a.rule(10).weight=1; a.rule(10).connection=1; a.rule(11).antecedent=[4 5]; a.rule(11).consequent=[6]; a.rule(11).weight=1; a.rule(11).connection=1; a.rule(12).antecedent=[4 3]; a.rule(12).consequent=[5]; a.rule(12).weight=1; a.rule(12).connection=1; a.rule(13).antecedent=[4 6]; a.rule(13).consequent=[1]; a.rule(13).weight=1;
137 a.rule(13).connection=1; a.rule(14).antecedent=[4 4]; a.rule(14).consequent=[4]; a.rule(14).weight=1; a.rule(14).connection=1; a.rule(15).antecedent=[2 1]; a.rule(15).consequent=[6]; a.rule(15).weight=1; a.rule(15).connection=1; a.rule(16).antecedent=[2 7]; a.rule(16).consequent=[6]; a.rule(16).weight=1; a.rule(16).connection=1; a.rule(17).antecedent=[2 2]; a.rule(17).consequent=[5]; a.rule(17).weight=1; a.rule(17).connection=1; a.rule(18).antecedent=[2 5]; a.rule(18).consequent=[2]; a.rule(18).weight=1; a.rule(18).connection=1; a.rule(19).antecedent=[2 3]; a.rule(19).consequent=[1]; a.rule(19).weight=1; a.rule(19).connection=1; a.rule(20).antecedent=[2 6]; a.rule(20).consequent=[4]; a.rule(20).weight=1; a.rule(20).connection=1; a.rule(21).antecedent=[2 4]; a.rule(21).consequent=[4]; a.rule(21).weight=1; a.rule(21).connection=1; a.rule(22).antecedent=[5 1]; a.rule(22).consequent=[6]; a.rule(22).weight=1; a.rule(22).connection=1; a.rule(23).antecedent=[5 7]; a.rule(23).consequent=[5]; a.rule(23).weight=1; a.rule(23).connection=1; a.rule(24).antecedent=[5 2]; a.rule(24).consequent=[1]; a.rule(24).weight=1; a.rule(24).connection=1; a.rule(25).antecedent=[5 5]; a.rule(25).consequent=[4]; a.rule(25).weight=1; a.rule(25).connection=1; a.rule(26).antecedent=[5 3];
138 a.rule(26).consequent=[4]; a.rule(26).weight=1; a.rule(26).connection=1; a.rule(27).antecedent=[5 6]; a.rule(27).consequent=[7]; a.rule(27).weight=1; a.rule(27).connection=1; a.rule(28).antecedent=[5 4]; a.rule(28).consequent=[7]; a.rule(28).weight=1; a.rule(28).connection=1; a.rule(29).antecedent=[3 1]; a.rule(29).consequent=[5]; a.rule(29).weight=1; a.rule(29).connection=1; a.rule(30).antecedent=[3 7]; a.rule(30).consequent=[1]; a.rule(30).weight=1; a.rule(30).connection=1; a.rule(31).antecedent=[3 2]; a.rule(31).consequent=[4]; a.rule(31).weight=1; a.rule(31).connection=1; a.rule(32).antecedent=[3 5]; a.rule(32).consequent=[4]; a.rule(32).weight=1; a.rule(32).connection=1; a.rule(33).antecedent=[3 3]; a.rule(33).consequent=[7]; a.rule(33).weight=1; a.rule(33).connection=1; a.rule(34).antecedent=[3 6]; a.rule(34).consequent=[7]; a.rule(34).weight=1; a.rule(34).connection=1; a.rule(35).antecedent=[3 4]; a.rule(35).consequent=[7]; a.rule(35).weight=1; a.rule(35).connection=1; %% Ada halangan if terdeteksi==1 if n<=1 if jarak_x>=0 if jarak_y>=0 theta=45; else theta=-45; end; else if jarak_y>=0
139
else
else
end
end;
theta=-45; theta=45;
if jarak_y>=0 if jarak_x>0 theta=-45; else theta=45; end; else if jarak_x>=0 theta=-45; else theta=45; end; end end; else %% Tidak ada halangan theta=evalfis([input1(k) input3(k)], a); % keluaran fuzzy berupa sudut putar roda end; %% Perhitungan Kinematik % Penentuan sudut posisi AGV gamma=((kecepatan_awal)/(panjang_AGV))*tan(theta*pi/180); input3(k+1)=(gamma*0.1*180/pi)+input3(k); % masukan fuzzy kedua berupa sudut posisi AGV % Penentuan jarak AGV % Kondisi I n = (jarak_y/jarak_x)^2; if n>=1 jarak_a=(kecepatan_awal)*cos(input3(k)*pi/180); input1(k+1)=(jarak_a*0.1)+input1(k); % mendapatkan nilai jarak tempuh dalam sumbu x jarak_b=(kecepatan_awal)*sin(input3(k)*pi/180); if jarak_y>=0 input2(k+1)=(jarak_b*0.1)+input2(k); sudut_roda(m,k)=theta; else input2(k+1)=-(jarak_b*0.1)+input2(k); % mendapatkan nilai jarak tempuh dalam sumbu y sudut_roda(m,k)=-theta; end x(m,k)=input1(k)+awal_i(m); p(m)=input1(k)+awal_i(m); y(m,k)=input2(k)+awal_j(m); q(m)=input2(k)+awal_j(m);
140 % Kondisi II else jarak_c=(kecepatan_awal)*sin(input3(k)*pi/180); % mendapatkan nilai jarak tempuh dalam sumbu x if jarak_x>=0 input2(k+1)=(jarak_c*0.1)+input2(k); sudut_roda(m,k)=-theta; else input2(k+1)=-(jarak_c*0.1)+input2(k); sudut_roda(m,k)=theta; end jarak_d=(kecepatan_awal)*cos(input3(k)*pi/180); % mendapatkan nilai jarak tempuh dalam sumbu y input1(k+1)=(jarak_d*0.1)+input1(k); y(m,k)=input1(k)+awal_i(m); q(m)=input1(k)+awal_i(m); x(m,k)=input2(k)+awal_j(m); p(m)=input2(k)+awal_j(m); end h(m,k)=input2(k); %% Sudut posisi AGV selama bergerak n = (jarak_y/jarak_x)^2; if n>=1 if jarak_y>=0 sudut_AGV(m,k)=input3(k); r(m)=input3(k); else if sudut_AGV_awal>=-90 sudut_AGV(m,k)=-input3(k); r(m)=-input3(k); else sudut_AGV(m,k)=-input3(k)+(-360); r(m)=-input3(k)+(-360); end end; else if jarak_x>=0 if sudut_AGV_awal>=0 sudut_AGV(m,k)=90-input3(k); r(m)=90-input3(k); else sudut_AGV(m,k)=-270-input3(k); r(m)=-270-input3(k); end; else if sudut_AGV_awal>=-180 sudut_AGV(m,k)=input3(k)+90; r(m)=input3(k)+90; else sudut_AGV(m,k)=input3(k)-270;
141 r(m)=input3(k)-270; end; end;
end; if sudut_AGV>=-270 sudut_AGV(m,k)=sudut_AGV(m,k); r(m)=r(m); else sudut_AGV(m,k)=sudut_AGV(m,k)+360; r(m)=r(m)+360; end; %% Simulasi jangkauan penglihatan kamera panjang_deteksi = 1,5; % jarak AGV dengan permukaan halangan x_halang=x(m,k); % Koordinat x AGV ketika bertemu halangan y_halang=y(m,k); % Koordinat y AGV ketika bertemu halangan sudut_halang=sudut_AGV(m,k); % sudut posisi AGV ketika bertemu halangan x_deteksi(k)=x_halang+(panjang_deteksi*cos(sudut_halang*pi/1 80)); % koordinat x dari permukaan halangan yang pertama sekali terdeteksi y_deteksi(k)=y_halang+(panjang_deteksi*sin(sudut_halang*pi/1 80)); % koordinat y dari permukaan halangan yang pertama sekali terdeteksi D(m,k)=(x_deteksi(k)-v(hh))^2+(y_deteksi(k)-w(hh))^2; %% persamaan lingkaran if D(m,k)<=6.25 obs1=1; obs2=0; else obs1=0; obs2=1; end; ob=[obs1,obs2]; % keputusan berupa sebuah matriks dlmwrite('keputusan.txt',ob); % hasil keputusan yang dibuat oleh sistem % pendeteksi halangan (simulasi) %% list program untuk menghentikan simulasi n = (jarak_y/jarak_x)^2; if n>=1 if jarak_y>=0 if h(m,k)<0 break end
142
else
else if h(m,k)>0 break end end;
if jarak_x>=0 if h(m,k)<0 break end else if h(m,k)>0 break end end; end; end; b=[p;q;r]; e=[p(1,m),q(1,m),r(1,m)]; dlmwrite('AGV.txt',e); dlmwrite('AGV_track.txt',b'); f=x'; g=y'; end sudut_roda t=f(:); u=g(:); sumbu_x=(t(t~=0))'; sumbu_y=(u(u~=0))'; sudut_AGV; plot(sumbu_x,sumbu_y,p,q,'*',v,w,'s') axis([0,50,-50,0]) grid
143 Program masukan data awal untuk Simulasi : clc koordinat_objek = dlmread('objek3.txt'); %Memanggil file dari shorten path system indikasi_halangan = dlmread('indikasi_halangan.txt'); jumlah_objek = size(koordinat_objek,1); %Menentukan jumlah objek yg dilalui for m = 1:jumlah_objek posisi_AGV = dlmread('AGV.txt'); koordinat_AGV = posisi_AGV(1:2); sudut_AGV_gg = (posisi_AGV(:,3))*pi/180; xx=koordinat_objek(m,1); yy=koordinat_objek(m,2); koordinat_objek_x = koordinat_objek(:,1); koordinat_objek_y = koordinat_objek(:,2); end titik_halang = dlmread('halangan3.txt'); %Memanggil file yang berisi data halangan jumlah_halangan = size(titik_halang,1); panjang_deteksi = 1.5; % jarak AGV dengan permukaan halangan kecepatan_awal = 2; panjang_AGV = 1; AGVmamdani = readfis('AGVmamdani'); disp('FIS sudah dibaca');
144
{HALAMAN INI SENGAJA DIKOSONGKAN}
