<![CDATA[Aktuator merupakan komponen yang mengendalikan sistem kemudi Unmanned Surface Vehicle (USV) dan kehandalannya menjadi penentu kritis keselamatan operasi USV. Aktuator USV berisiko mengalami degradasi performa, yang berpotensi menjadi kesalahan aktuasi yang dapat berujung pada kegagalan dan ketidakstabilan sistem. Oleh karena itu, kesalahan (fault) aktuator perlu dideteksi sedini mungkin untuk kemudian dapat dilakukan mitigasi. Metode model-based sering digunakan dalam mendeteksi fault karena kemampuanya dalam menggambarkan dinamika proses dan kesalahan secara fisik dan real-time. Diantara metode model-based, metode Adaptive Kalman filter (AKF) sangat cocok diimplementasikan. AKF yang robust terhadap noise dan memungkinkan penyesuaian parameter filter secara dinamis berdasarkan kondisi operasi dapat meningkatkan akurasi dalam deteksi fault pada aktuator. Pada penelitian ini model dinamika USV yang digunakan mempertimbangkan gerakan sway, yaw rate, dan sudut yaw dengan menggunakan data dari kapal Covertte Kelas Sigma. Simulasi estimasi fault menggunakan metode AKF dilakukan sebanyak 1000 iterasi dengan dua skenario referensi fault. Hasil dari kedua scenario menunjukkan bahwa estimasi fault menggunakan AKF mampu menghasilkan estimasi yang cukup akurat dengan RMSE 0.0293 dan 0.0662.]]>
Copyrights © 2025
