Robot Inverted Pendulum Beroda Dua (IPBD) dengan Kendali Linear Quadratic Regulator (LQR)

Fahmizal, Fahmizal; Arrofiq, Muhammad; Adrian, Ronald; Mayub, Afrizal

doi:10.26760/elkomika.v7i2.224

Cited by 6 publications

(5 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Where 𝜙(𝐴) is 𝜙(𝐴) = 𝐴 + 𝛼1𝐴 + … + 𝛼n-1𝐴 + 𝛼n𝐼, and the gain value for full state feedback Ka in Equation ( 12) is as shown in Equation (13). With K^ to find the parameters Kp, Ki and Kd are as contained in Equation (14).…”

Section: B Methodsmentioning

confidence: 99%

“…2) Linear Quadratic Regulator (LQR) Control Proportional Linear Quadratic Regulator (LQR) control is an optimization of a system with state space representation. LQR has the same structure as pile array with full state feedback, but the difference between LQR and pole array is how the K matrix is defined as feedback gain [14]. The control block diagram for a full-state feedback LQR system in a dynamometer system with eddy current brakes is shown in FIGURE 5.…”

Section: B Methodsmentioning

confidence: 99%

See 1 more Smart Citation

Brake Current Control System Modeling Using Linear Quadratic Regulator (LQR) and Proportional integral derivative (PID)

Nugraha¹,

Pratiwi²,

As’ad³

et al. 2022

Indones.J.electronic.electromed.med.inf

View full text Add to dashboard Cite

This paper provides a comparative analysis between PID control as a classical control technique and modern control technique in the dinamometer Eddy current brakes system. Eddy current brakes is a modern braking system that requires a control system to support the braking performance. PID control is often used to be implemented but in some conditions it is less optimal. Therefore, it is necessary to develop a modern and optimal control, such as a full state feedback Linear Quadratic Regulator (LQR). The comparison of the braking time responses were simulated using Matlab/Simulink. The simulation results show that the response of LQR control is better than the PID, with Ts = 2.12 seconds, Tr = 1.18 seconds, and without overshoot. On the other side, PID control, although having Ts = 0.27 seconds and Tr = 0.18 seconds, there is still an overshoot about 0.7%.

show abstract

Section: B Methodsmentioning

confidence: 99%

Section: B Methodsmentioning

confidence: 99%

Brake Current Control System Modeling Using Linear Quadratic Regulator (LQR) and Proportional integral derivative (PID)

Nugraha¹,

Pratiwi²,

As’ad³

et al. 2022

Indones.J.electronic.electromed.med.inf

View full text Add to dashboard Cite

show abstract

“…Pada penelitian ini, Algoritma Genetik [4] [5] digunakan untuk menentukan parameter pengendali PID pada motor DC [6][7][8] sehingga pengendali dapat menghasilkan tanggapan sistem yang baik (satisfactory response), khususnya pada kasus-kasus plant sample yang memiliki orde tinggi. Algoritma Genetik merupakan suatu teknik optimasi berbasis evolusi alam, yaitu melalui proses mutasi, pindah silang dan seleksi [9].…”

Section: Pendahuluanunclassified

Tuning Parameter Pengendali PID dengan Metode Algoritma Genetik pada Motor DC

Suseno

Ma’arif

Puriyanto

2022

TELKA

View full text Add to dashboard Cite

Saat ini, pengendali Proportional Integral Derivative (PID) digunakan secara umum untuk mendapatkan solusi optimum. Solusi dikatakan optimum apabila output di kehidupan nyata sesuai dengan output yang telah ditentukan. Oleh karena itu, pengendali adalah suatu hal yang dibutuhkan. Tantangan dalam menggunakan pengendali adalah tuning parameter untuk mencari konstanta parameter PID seperti Proporsional Gain (KP), Waktu Integral (KI) dan Waktu Derivatif (KD). Untuk memaksimalkan kinerja motor DC, pengaturan pengendali PID yang tepat merupakan hal yang sangat penting. Desain pengendali PID sebagai pengendali motor DC sudah sering dilakukan. Penggunaan pengendali PID membutuhkan pengaturan parameter yang tepat untuk mendapatkan kinerja yang optimal pada motor. Metode yang umum dalam menentukan parameter pengendali PID adalah trial and error. Namun hasil yang didapat tidak membuat pengendali PID optimal dan justru akan merusak sistem. Oleh karena itu, penelitian ini menggunakan salah satu metode penalaan parameter PID dengan menggunakan metode cerdas berbasis Genetic Algorithm (Algoritma Genetik) untuk mengoptimasi dan menentukan parameter yang tepat dari PID. Algoritma genetik adalah salah satu algoritma yang menggunakan genetika sebagai model algoritmanya. Algoritma genetik terinspirasi dari meniru proses seleksi alam, yaitu proses yang menyebabkan evolusi biologis. Konsep inilah yang diadaptasi dan diterapkan dengan baik untuk menala parameter PID. Penggunaan metode algoritma genetik dapat memberikan hasil yang lebih baik pada setiap iterasinya. Hasil penelitian menunjukkan bahwa overshoot yang dihasilkan karena adanya respon kecepatan setelah penambahan PID adalah kurang dari 10%. Currently, Proportional Integral Derivative (PID) controllers are generally used to obtain the optimum solution. The solution is said to be optimum if the output in real life matches the output determined. Therefore, the controller is needed. The challenge in using the controller is tuning parameters to find constants of PID parameters such as Proportional Gain (KP), Integral Time (KI) and Derivative Time (KD). In order to maximize the performance of a DC motor, proper PID controller settings are crucial. The design of PID controllers as DC motor controllers has often been done. The use of a PID controller requires setting the right parameters to get optimal performance on the motor. The common method for determining PID controller parameters is trial and error. However, the results obtained do not make the PID controller optimal and will actually damage the system. Therefore, this study uses one of the PID parameter tuning methods by using an intelligent method based on Genetic Algorithm to optimize and determine the appropriate parameters of PID. Genetic algorithm is an algorithm that uses genetics as a model algorithm. Genetic algorithms are inspired by imitating the process of natural selection, the process that causes biological evolution. This concept is well adapted and applied for tuning PID parameters. The use of genetic algorithm methods can give better results in each iteration. The results showed that the resulting overshoot due to the speed response after the addition of PID was less than 10%.

show abstract

“…DE dilengkapi dengan tiga komponen algoritmik yang diaktifkan dengan cara probabilistik dengan perbedaan berbasis strategi gangguan pada langkah mutasi [4]. Pada tahap seleksi acak masalah ini adalah bahwa F dan CR harus dipilih secara acak dari distribusi seragam setiap vektor sidang yang dihasilkan dengan menggunakan skema sendiri yang dipilih secara acak juga [5]. Mutasi, Rekombinasi, dan seleksi Diferensial Evolusi menunjukkan bahwa algoritma memberikan kinerja yang cukup baik dan cukup mudah diterapkan dalam kinerja PID.…”

Section: Pendahuluanunclassified

Pengendali PID pada Motor DC dan Tuning Menggunakan Metode Differential Evolution (DE)

Anggraini

Ma’arif

Puriyanto

2020

TELKA

View full text Add to dashboard Cite

Penggunaan PID controller pada sistem industri sangat umum digunakan dalam menentukan kepresisian suatu feedback yang diberikan dengan keluaran sesuai dengan keinginan pengguna. Namun pada umumnya optimalisasi masih menggunakan cara manual yaitu trial dan error pada tuning gain terhadap nilai Kp, Ki, dan Kd. Kendala tersebut dapat diatasi dengan melakukan pendekatan fungsi dan mengaplikasikan nilai tuning dengan metode Diferensial Evolusi. Penggunaaan tuning PID pada implementasinya menggunakan motor DC untuk menentukan kecepatan putar motor dengan keluaran yang stabil. Hasil yang didapatkan berupa sinyal keluaran atau respon sistem terhadap putaran motor DC dengan menampilkan nilai risetime, settlingtime, dan overshoot. Pengoptimalan nilai dilakukan dengan pencarian nilai terbaik pada setiap iterasi dan diaplikasikan sebagai tuning Kp, Ki, dan Kd tanpa harus melakukan cara manual. Hasil pengujian parameter Diferensial Evolusi menunjukkan efesiensi pengoptimalan tuning dan memberikan hasil keluaran yang baik dengan implementasinya terhadap plan hardware motor DC. The use of PID in industrial systems is very commonly used in determining the optimal accuracy of the output. However, several studies still uses manual methods for the optimization, namely trial and error on tuning gain with values of Kp, Ki, and Kd. This problem could be overcome applying the tuning value with the Evolution Differential method. The use of PID tuning in its implementation in this study uses a DC motor to determine the rotational speed of the motor with a stable output. Based on the results, we can see the value of rise time, settling time, and overshoot based on an output signals. The optimization was done by finding the best value in iteration and applying it as Kp, Ki, and Kd tuning without having to do the manual method. The results of testing the Differential Evolution parameters show the efficiency of tuning optimization and provide good output with the implementation of the DC motor hardware plan.

show abstract

Robot Inverted Pendulum Beroda Dua (IPBD) dengan Kendali Linear Quadratic Regulator (LQR)

Cited by 6 publications

References 4 publications

Brake Current Control System Modeling Using Linear Quadratic Regulator (LQR) and Proportional integral derivative (PID)

Brake Current Control System Modeling Using Linear Quadratic Regulator (LQR) and Proportional integral derivative (PID)

Tuning Parameter Pengendali PID dengan Metode Algoritma Genetik pada Motor DC

Pengendali PID pada Motor DC dan Tuning Menggunakan Metode Differential Evolution (DE)

Contact Info

Product

Resources

About