<![CDATA[Quadrotor merupakan wahana udara nir-awak jenis lepas landas atau pendaratan vertikal berbentuk silang dan memiliki sebuah rotor pada setiap ujung lengannya dengan kemampuan manuver yang tinggi. Swarm quadrotor yang terdiri dari sekumpulan quadrotor akan menjadi suatu swarm yang baik, sesuai dengan kriteria swarm oleh Reynold yaitu dapat menghindari tumbukan, menyamakan kecepatan, dan pemusatan swarm. Pengontrolan swarm quadrotor memiliki tingkat kerumitan yang tinggi karena melibatkan banyak agen. Riset pengembangan swarm quadrotor masih belum banyak dilakukan dan masih membuka peluang untuk meneliti dengan metoda lain yang lebih baik dalam menghasilkan swarm. Makalah ini mengusulkan pengontrolan swarm quadrotor yang terdiri dari dua tingkat lup kontrol. Lup pertama adalah pengontrol sistem model swarm untuk membangkitkan lintasan swarm dan lup kedua merupakan pengontrol pada quadrotor untuk melakukan penjejakan lintasan swarm. Pengontrol pertama menggunakan pengontrol proporsional derivatif (PD), sedangkan pengontrol kedua menggunakan regulator linier kuadratik (RLK). Pengontrol yang dirancang memiliki parameter yang banyak, sehingga pemilihan parameter yang optimal sangat sulit. Pencarian parameter optimal pada pengontrol model swarm quadrotor membutuhkan teknik optimasi seperti algoritma genetik (AG) untuk mengarahkan pencarian menuju solusi yang menghasilkan kinerja terbaik. Pada makalah ini, penalaan dengan optimasi AG hanya dilakukan pada pengontrol PD untuk menghasilkan lintasan swarm terbaik, sedangkan matrik bobot RLK dilakukan secara uji coba. Hasil simulasi swarm pada model quadrotor menunjukkan parameter , . , dan yang diperoleh menggunakan AG menghasilkan pergerakan swarm yang baik dengan kesalahan RMS pelacakan 0,0094 m terhadap fungsi obyektif. Sedangkan ketika parameter , dan dicari menggunakan AG, tidak berpengaruh banyak dalam memperbaiki hasil simulasi swarm quadrotor. AbstractThe quadrotor is a type of take-off or vertical landing unmanned aerial vehicles with a cross shape and has one rotor at each end of its arm with high maneuverability. A quadrotor swarm consisting of a group of quadrotors leads to a good swarm, according to Reynold's swarm criteria, which accomplishes collision avoidance, velocity matching, and flock centering. Quadrotor swarm control has a high level of complexity because it involves many agents. Research on the development of quadrotor swarm has received insignificant attention and it still opens opportunities to research other methods that are better at producing swarm. The paper proposes the control of a quadrotor swarm consisted of two levels of control loops. The first loop controls the swarm model system to generate the swarm trajectory and the second loop is the controller on the quadrotor to track the swarm path. The first controller uses a proportional derivative controller (PD), while the second controller uses the linear quadratic regulator (LQR). The controller that is designed has many parameters, so the optimal parameter selection is very difficult. The search for optimal parameters in the swarm model controller requires optimization techniques such as the genetic algorithm (GA) to direct the search for solutions that produce the best performance. In this paper, tuning with the optimization of GA is only done for the PD controller in order to produce the best swarm trajectory, while the weight matrices of the LQR are done on a trial error basis. Swarm simulation results of a quadrotor model system show the parameters , . , and obtained using GA produce a good swarm movement with RMS error 0.0094 m of the objective function. Whereas when parameters , and are searched using GA, it does not have much effect in improving the quadrotor swarm simulation results.]]>
