Estimasi Lintasan AUV 3 Dimensi (3D) Dengan Ensemble Kalman Filter

Abstract

AUV is an unmanned underwater vehicle that is driven (controlled) by a computer device. The motion system of AUV requires a navigation and guidance control to direct the motion of the AUV, so an estimated position of the AUV is needed in accordance with the given path. This study develops the position estimation of AUV Segorogeni ITS using the Ensemble Kalman Filter (EnKF) method because EnKF can estimate the problem in the form of a non-linear system model where the equations of AUV are non-linear. Position estimation is carried out on a 3-dimensional (3D) trajectory which is built by using the Octave program. The simulation displays the results of AUV position estimation using the EnKF algorithm with several different ensembles which are 50, 100, 200 and 300 ensembles. The accuracy of the estimation is measured by the error value of the estimated result, namely the value of RMSE (Root Mean Square Error). The simulation results show an estimated error average of 0.4 m for x-position, 0.46 m for y-position, 0.08 m for z-position and 0.1 m for angle error.Keywords -AUV, EnKF, 3D Trajectory.Intisari -AUV (Autonomous Underwater Vehicle) merupakan kapal selam tanpa awak yang sistem geraknya dikemudikan (dikendalikan) oleh perangkat komputer. Sistem gerak dari AUV membutuhkan sebuah navigasi dan guidance control yang mampu mengarahkan gerak AUV, sehingga dibutuhkan sebuah estimasi posisi AUV sesuai dengan lintasan yang diberikan. Penelitian ini mengembangkan estimasi posisi dari AUV Segorogeni ITS menggunakan metode atau algoritma Ensemble Kalman Filter (EnKF) karena EnKF mampu mengestimasi persoalan berbentuk model sistem non linier dimana persamaan gerak dari AUV berbentuk non linear. Estimasi posisi dilakukan pada lintasan atau trayektori 3 dimensi (3D) yang dibangun dengan bantuan program Octave. Simulasi menampilkan hasil estimasi posisi AUV menggunakan algoritma EnKF dengan beberapa jumlah ensemble yang berbeda yaitu 50, 100, 200 dan 300 ensemble. Akurasi dari estimasi tersebut diukur dari nilai error hasil estimasi yaitu nilai RMSE (Root Mean Square Error). Hasil simulasi menunjukan rata-rata error estimasi yaitu 0.4 m posisi-x, 0.46 m posisi-y, 0.08 m posisi-z dan 0.1 m error sudut.Kata Kunci -AUV, EnKF, Lintasan 3 dimensi.

Robot Keseimbangan dengan Kendali PID dan Kalman Filter

“…Terdapat beberapa macam pengembangan dari kalman filter seperti Extended Kalman Filter (EKF) [15], Unscented Kalman Filter (UKF) [16], Ensemble Kalman Filter (EnKF) [17]. Kelebihan lain Kalman filter adalah telah banyak diterapkan pada suatu sistem seperti pada Quadrotor [18] [19], Kesehatan [20], AUV [21], Magnetic Levitation Ball [22] dan Robot [23].…”

Comparison of AUV Position Estimation Using Kalman Filter, Ensemble Kalman Filter and Fuzzy Kalman Filter Algorithm in the Specified Trajectories

“…Different variations of Kalman Filter (KF) algorithms are Fuzzy Kalman Filter (FKF), Unscented Kalman Filter (UKF), Ensemble Kalman Filter (EnKF), and other modifications. EnKF is an algorithm to estimate nonlinear models [3], while FKF is an algorithm to estimate linear models with a Fuzzy state variable [4]. This paper investigates the comparison of AUV (Autonomous Underwater Vehicle) position estimation between KF, FKF, and EnKF.…”