Estimasi Sudut Rotasi Benda Kaku Berbasis IMU Menggunakan Kalman Filter

Lasmadi, Lasmadi; Kurniawan, Freddy; Pamungkas, Muhammad Irfan

doi:10.28989/avitec.v3i1.909

Cited by 7 publications

(7 citation statements)

References 11 publications

(19 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sementara itu nilai R berisi nilai kovarian derau sudut dari orientasi roll, pitch, dan yaw. Pada kondisi stasioner, penentuan R menggunakan Persamaan (5).…”

Section: Perubahan Bobot Data Sensor Pada Kalman Filterunclassified

Koreksi Sudut Attitude Quadrotor pada saat Dinamis dengan Mengubah Bobot Data Sensor pada Kalman Filter

Lasmadi¹,

Dakir²,

Kurniawan³

et al. 2023

Jurnal Teknik Elektro AVITEC

Self Cite

View full text Add to dashboard Cite

Penggunaan data fusion menggunakan Kalman filter untuk menggabungkan data dari giroskop dan akselerometer dalam rangka menentukan sudut attitude pada quadrotor tidak selamanya menghasilkan data yang akurat. Sensor akselerometer tidak dapat menentukan data percepatan secara akurat pada saat kondisi dinamis, sementara itu nilai sudut hasil propagasi dari data giroskop mempunyai akumulasi galat yang semakin tinggi dengan berjalannya waktu. Untuk itu, pada penelitian ini digunakan Kalman filter yang dapat memberikan bobot yang lebih besar pada data giroskop saat quadrotor dalam kondisi dinamis. Metode yang digunakan adalah dengan menaikkan nilai matriks kovarian derau pengukuran pada saat kondisi dinamis. Penentuan kondisi dinamis dilakukan dengan membandingkan nilai varian data percepatan dengan nilai ambang batas. Dari hasil penelitian, metode ini terbukti dapat menurunkan galat sudut roll dari 9,3052 % menjadi 0,0635 % dan sudut pitch dari 0,0021 % menjadi 0,0015 %.

show abstract

“…Sementara itu nilai R berisi nilai kovarian derau sudut dari orientasi roll, pitch, dan yaw. Pada kondisi stasioner, penentuan R menggunakan Persamaan (5).…”

Section: Perubahan Bobot Data Sensor Pada Kalman Filterunclassified

Koreksi Sudut Attitude Quadrotor pada saat Dinamis dengan Mengubah Bobot Data Sensor pada Kalman Filter

Lasmadi¹,

Dakir²,

Kurniawan³

et al. 2023

Jurnal Teknik Elektro AVITEC

Self Cite

View full text Add to dashboard Cite

show abstract

“…Proses ini dilakukan dengan data fusion (penggabungan data) dari sensor akselerometer, magnetometer dan giroskop. Metode ini terbukti telah mampu digunakan untuk menentukan orientasi pada benda kaku [14]. Sementara itu, Kalman filter kedua digunakan untuk menentukan translasi (perpindahan) UAV.…”

Section: Gambar 1 Proses DI Kalman Filterunclassified

“…dengan merupakan percepatan gravitasi bumi. merupakan matriks rotasi yang dapat ditentukan menggunakan Persamaan (14).…”

Section: Penentuan Translasi Uavunclassified

“…Nilai galat untuk ketiga sudut ini dapat dilihat pada Tabel 2. Sementara itu, perhitungan nilai orientasi yang menggunakan data dari sensor akselerometer (14). Matriks rotasi dikalikan dengan percepatan yang didapat dari sensor akselerometer sehingga menghasilkan percepatan dalam koordinat navigasi.…”

Section: Orientasi Uavunclassified

“…Adanya galat nilai prediksi juga disebabkan oleh adanya galat nilai sudut orientasi. Sebagaimana Persamaan (14), nilai sudut orientasi menentukan nilai setiap elemen matriks rotasi. Adanya galat sudut orientasi akan menyebabkan ketidaktepatan nilai elemen matriks rotasi dan akhirnya menyebabkan ketidaktepatan nilai percepatan dalam koordinat navigasi.…”

Section: Orientasi Uavunclassified

See 2 more Smart Citations

Penentuan Orientasi dan Translasi Gerakan UAV menggunakan Data Fusion berbasis Kalman Filter

Kurniawan¹,

Nasution²,

Dinaryanto³

et al. 2021

Jurnal Teknik Elektro AVITEC

Self Cite

View full text Add to dashboard Cite

In an unmanned aircraft vehicle, a navigation system is needed to calculate its orientation and translation. The navigation system can utilize data from the accelerometer, gyroscope, magnetometer, and GPS. The orientation can be precisely calculated from the accelerometer and magnetometer data when the sensor is in a static state. Meanwhile, under dynamic conditions, the orientation can be more precisely calculated from the gyroscope data. In order to obtain the robust navigation system, a data fusion based on Kalman filter is built to calculate the orientation from the accelerometer, gyroscope, and magnetometer. The Kalman filter trusts more in the data from the accelerometer and magnetometer when the UAV is static and trusts more in to the gyroscope data when the UAV is in dynamic conditions. Meanwhile, the UAV translation is obtained by performing data fusion of the accelerometer data with location data from the GPS sensor. The Kalman filter combines data from the accelerometer and GPS when available, otherwise trusts in data from the accelerometer only. The trust level shifting is done by changing the measurement noise covariance. The data fusion based on Kalman filter provides more accurately the orientation and translation data. The orientation as a result of the calculation from the gyroscope has an average error of 18.12%, while the orientation as a result of the accelerometer and magnetometer has an error of 1.3%. By using Kalman filter-based data fusion, the error of the orientation decreases to 0.87%

show abstract