Claim Missing Document
Check
Articles

Found 1 Documents
Search

DESAIN KENDALI TWIN ROTOR PADA SELF BALANCING MENGGUNAKAN METODE OPTIMASI GENETIC ALGORITHM Nugroho Surya Dwi Putra; Muhamad Syariffuddien Zuhrie; Bambang Suprianto
JURNAL TEKNIK ELEKTRO Vol 9 No 3 (2020): SEPTEMBER 2020
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v9n3.p781-790

Abstract

Twin Rotor merupakan gabungan 2 buah motor DC brushless yang telah dipasang propeller (baling-baling). Alat ini dapat diaplikasikan menjadi pesawat tanpa awak sebagai sarana penunjang kebutuhan transportasi udara pada bidang militer. Self balancing merupakan prototype yang didesain seperti jungkat-jungkit dimana fungsinya untuk memperlihatkan kinerja twin rotor yang berada pada sisi kanan dan kiri secara horizontal dalam mengatur keseimbangan. Dalam kinerjanya twin rotor membutuhkan suatu pengendali dengan tujuan agar dapat berjalan sesuai dengan posisi sudut yang diharapkan. Penelitian ini bertujuan untuk menciptakan sebuah solusi permasalahan terhadap keseimbangan pada saat twin rotor dioperasikan dengan cara memanfaatkan metode optimasi genetic algorithm untuk mengurangi adanya overshoot hingga mempercepat waktu kinerja respon untuk mencapai suatu posisi sudut yang di inginkan. Genetic algorithm merupakan salah satu jenis metode optimasi yang memanfaatkan teori evolusi bumi. Ada 3 tahapan penting pada metode optimasi genetic algorithm ini untuk memperoleh nilai Kp, Ki, Kd yang optimal, diantaranya terdapat selection, crossover, mutation. Pendekatan penelitian yang dilakukan berupa pendekatan penelitian kuantitatif dimana pada pelaksanaannya menggunakan pola berpikir deduktif dengan tujuan untuk melakukan pengumpulan data berupa angka, kemudian diuji kebenarannya pada sebuah simulasi. Kontroller yang digunakan adalah PID yang ditunjang dengan metode optimasi. Nilai yang diperoleh pada metode optimasi yang menggunakan fitur optimization pada software matlab diantaranya, Kp = 1.069, Ki = 0.668, Kd = 0.565. Pengujian melalui proses simulasi menjadi optimal, berkesinambungan antara grafik respon dan data analisis respon dengan dibuktikannya nilai ts = 0.0013 s, td = 0.0004 s, tr = 0.0019 s, Ess = 0.042, dan Mp = 1.14% yang terjadi pada angka setpoint 1. Kata Kunci : Self Balancing, Optimasi, PID, Genetic Algorithm