Optimisasi Pengontrol LQR menggunakan Algoritma Stochastic Fractal Search

Sari

Linear Quadratic Regulator (LQR) merupakan salah satu metoda kontrol optimal pada sistem yang berbasis ruang keadaan. Pengontrol LQR memiliki dua buah parameter yaitu matriks bobot Q dan R, yang harus ditentukan sehingga dapat menghasilkan aksi kontrol yang optimal sesuai harapan. Tidak seperti pengontrol Proporsional-Integral-Derivatif (PID) yang memiliki metoda penalaan dengan pendekatan sistematis seperti Ziegler-Nichols dan Cohen-Coon, pengontrol LQR tidak memiliki metode penalaan khusus secara sistematis untuk menentukan matriks bobot Q dan R. Pada makalah ini diusulkan suatu solusi untuk menentukan parameter – parameter desain pengontrol LQR tersebut dengan menggunakan algoritma meta heuristik terbaru yaitu Stochastic Fractal Search (SFS). Algoritma SFS ini terinspirasi dari fenomena pertumbuhan alami dengan konsep matematis yang disebut fraktal. Dengan memanfaatkan sifat difusi dari fraktal secara acak (stokastik), partikel tersebut dapat melakukan eksplorasi dan eksploitasi dalam ruang pencarian secara efektif dan efisien. Pengontrol LQR dengan optimisasi menggunakan algoritma SFS yang diusulkan kemudian diterapkan pada suatu model kendaraan tanpa awak (quadrotor) dengan 12 variabel keadaan. Hasil simulasi memperlihatkan bahwa hanya dengan 100 iterasi, posisi quadrotor dapat dikontrol dengan baik sehingga mampu mengikuti perubahan set-point yang diberikan dengan cukup memuaskan.

Kata Kunci

linear quadratic regulator, optimisasi, quadrotor, stochastic fractal search.

Teks Lengkap

PDF

Referensi

D. Lopez, J. J. Espinosa, and J. R. Agudelo, “LQR control for speed and torque of internal combustion engines,” Proceed. of the 18th World Congress, The International Federation of Automatic Control (IFAC), Milano, Italy, August 28th – September 2nd, 2011, Vol. 44, pp. 2230-2235.

M. Shweda, J. L. Nandagopal, and S. Amritha, “Coupled dynamic control of unicycle robot using integral linear quadratic regulator and sliding mode controller,” Proceed. of the International Conference on Processing of Materials, Minerals, and Energy, Ongole, Andhra, Pradesh, India, July 29th – 30th, 2016, Vol. 5, pp. 1447-1454.

P. Escarate, J. C. Aguero, S. Zuniga, M. Castro, and J. Garces, “Linear quadratic regulator for laser beam shaping,” Journal of Optics and Lasers in Engineering, 2017, Vol. 94, pp. 90- 96.

B. Friedland, “Control system design: an introduction to state space methods,” Dover, 2004.

H. Salimi, “Stochastic fractal search: a powerful metaheuristic algorithm,” Journal of  Knowledge-Based Systems, 2015, Vol. 75, pp. 1-18.

F. Sabatino, “Quadrotor control: modeling, nonlinear control design, and simulation,” Master’s Degree Project, KTH Electrical Engineering, Stockholm, Sweden, June, 2015.

B. Anditio, A. D. Andrini and Y. Y. Nazaruddin, “Integrating PSO optimized LQR controller with virtual sensor for quadrotor position control,” in IEEE Conference on Control Technology and Application, Copenhagen, Denmark, August 21st -24th, 2018.

DOI :

http://dx.doi.org/10.5614%2Fsniko.2018.27