Perpustakaan Digital ITB

Pengembangan kendaraan otonom berskala kecil seperti autonomous RC car merupakan salah satu sarana yang efisien dan terjangkau untuk mengevaluasi strategi sistem kendali dalam skala nyata dengan biaya rendah. Namun, saat ini masalah penelitian adalah ukuran RC car yang semakin kecil sehingga terdapat keterbatasan dimensi dan ruang untuk melakukan integrasi sistem secara onboard. Oleh karena itu, simulasi diperlukan sebagai tahap awal untuk merancang dan mengevaluasi sistem sebelum proses implementasi dilakukan khususnya dalam penelitian dibidang autonomous RC car dengan sistem komputasi terpisah. Tesis ini membandingkan dua pendekatan sistem kendali pada autonomous RC car yaitu, Pure Pursuit controller (PP) dan Model Predictive Control (MPC) untuk mengetahui sistem kendali yang paling sesuai dengan penelitian. Fokus penelitian adalah pertimbangan dinamika pergerakan RC car di track tanpa mempertimbangkan dinamika internal RC car. Model dirancang dengan menggunakan kinematic bicycle model yang mampu merepresentasikan pergerakan RC car dengan baik pada kecepatan rendah. Sistem pelacakan track pada penelitian ini memanfaatkan reference pada track yang diinisialisasi pada area centreline, kemudian reference dioptimasi menggunakan metode Bayesian Optimization (BO) dengan model surrogate Gaussian Process (GP). Hasil optimasi mampu meminimalisasi estimasi waktu tempuh dari 9.34 detik menjadi 7,19 detik dibandingkan metode jarak terpendek yang tidak mempertimbangkan radius belokan, kelandaian reference yang membuat sistem sulit mengendalikan model dan dapat menyebabkan waktu tempuh lebih lama. Sistem kemudian diuji dalam berbagai kondisi: normal sebagai baseline, batasan fisik RC car kemudian batasan kemampuan kamera dengan dan tanpa penambahan noise Gaussian. Pada pengujian baseline dengan ???? = 2 m/s, PP ungul dalam waktu tempuh 6,70 detik dibandingkan MPC sebesar 6,86 detik pada track A, namun kendali PP menghasilkan perubahan sudut kemudi yang tajam dengan ????????????????? sebesar 0,341 rad dan ????????????????????? 0,018 rad dibandingkan dengan kendali MPC yang menghasilkan perubahan sudut kemudi lebih halus ????????????????? 0,222 dan ????????????????????? 0,011. MPC lebih unggul dalam penilaian matriks evaluasi pelanggaran batas track 1,47% dibandingkan PP sebesar 1,69%. Pengujian pada kondisi batasan fisik RC car menunjukan bahwa MPC mampu menyesuaikan kecepatan dan sudut kemudi sesuai dengan kebutuhan dan kompleksitas track meskipun kecepatan maksimum yang ditetapkan cukup tinggi, sistem tidak memaksakan pada kecepatan maksimum. Kendali tetap dapat menjalankan tugasnya meskipun terjadi peningkatan SMV sebesar 3,72%. Sementara itu pengujian pada kondisi batasan kemampuan kamera mengindisikan noise berdampak signifikan terhadap degradasi performa, khususnya pada track B yang lebih kompleks, SMV meningkat dari 1,42% menjadi 4,20% pada noise level 4, ????????????????????? meningkat menjadi 0,059 rad dan waktu tempuh menjadi lebih lambat 0,6 detik dibandingkan tanpa noise, hal ini disebabkan karena MPC berusaha mengkoreksi noise sepanjang waktu sehingga membutuhkan waktu tempuh lebih lama. Hasil pengujian menunjukan bahwa PP cocok digunakan pada skenario track yang sederhana dan minim manuver karena kendali PP bisa menghasilkan waktu tempuh yang lebih singkat. Sedangkan MPC cocok digunakan pada track yang lebih kompleks karena terdapat kemampuan prediksi dan constraint sehingga kendali yang dihasilkan lebih halus. Berdasarkan konsistensi performa MPC baik dalam keadaan normal maupun gangguan, MPC dipilih sebagai pendekatan utama sistem kendali yang sesuai dengan kebutuhan pada tesis ini.