IES 2005 Politeknik Elektronika Negeri Surabaya - ITS

Model pembobotan Ultrasonic Rangefinder sebagai input kontrol fuzzy untuk obstacle avoidance pada Robot Cerdas Pemadam Api
Fernando Ardilla, Dadet Pramadihanto, Gigih Prabowo dan Didik Setyo Purnomo Politeknik Elektronika Negeri Surabaya (PENS-ITS) Kampus ITS Keputih Sukolilo Surabaya 60111 Telp. 031-5947280, Fax 031-5946114 E-mail: pens@eepis-its.edu, dadet@eepis-its.edu, gigih@eepis-its.edu dan didiksp@eepis-its.edu

Abstrak Pada paper ini akan disajikan disain robot pemadam api yang merupakan simulasi dari petugas pemadam api. Robot ini dirancang agar mampu menemukan sumber api (lilin) sekaligus memadamkannya, sebagaimana aturan main dalam Kontes Robot Cerdas Indonesia (KRCI) 2005 [1]. Robot dilengkapi dengan beberapa sensor antara lain ultrasonic rangefinder, magnetic compass, UVTron flame detector, photo diode dan rotary encoder. Untuk mengolah data atau mengkontrol data sensor, robot ini menggunakan mikrokontroller AVR Atmega16. Enam pasang ultrasonic rangefinder dipasang secara melingkar di bagian depan robot. Dengan model pembobotan sensor ultrasonic akan mempermudah dan mempercepat dalam pengambilan keputusan sehingga respon robot terhadap lingkungan lebih cepat. Kata kunci: Model pembobotan,robot pemadam api dan ultrasonic rangefinder 1. Pendahuluan Banyak peneliti yang telah mengembangkan wheeled mobile robot (wmr) atau robot beroda yang dapat melakukan navigasi tanpa garis sebagai guidance [4,5]. Kebanyakan mobile robot dibatasi oleh nonholonomic constraint, di mana jumlah variable yang tidak diketahui lebih banyak daripada jumlah persamaannya. Atau dengan kata lain mobile robot tidak bisa bergerak secara langsung menuju sasaran, tetapi harus berjalan maju atau mundur terlebih dahulu hingga heading angle dari mobile robot menuju pada sasaran. Beberapa WMR melakukan navigasi dengan menghitung posisi dan orientasinya berdasarkan informasi putaran rodanya yang biasa dikenal dengan dead reckoning [6,7]. Peneliti lain telah mengembangkan mobile robot dengan lebih memfokuskan pada teknik navigasi, terutama pada area yang belum diketahui [2]. Dan sebagian lagi telah mengembangkan teknik-teknik agar robot dapat menghindari halangan atau biasa dikenal dengan obstacle avoidance [3,8]. Pada paper ini, kami akan menggabungkan beberapa teknik yang biasa telah diterapkan pada mobile

robot. Tetapi kami akan lebih fokus pada operasi dari sensor-sensor rangefinder di sekeliling robot. Dengan model pembobotan terhadap posisi sensor robot akan dapat memberikan reaksi yang cepat, sehingga robot dapat berjalan dengan cepat dan dapat menghindari halangan dengan akurat. 2. Disain Robot 2.1 Platform Robot berbentuk lingkaran dengan diameter 28cm dan tinggi 27cm, yang didisain bersusun-susun sedemikian rupa terdiri dari 3 level. Gambar 1 menunjukkan disain dari robot tersebut yang diberi nama PENSA (Politeknik Elektronika Negeri Surabaya Automatic) mobile. Kontroler robot dirancang dengan menggunakan Atmel AVR ATmega16 dengan input dan output seperti berikut:
Digital Compass Flame Detector

Gambar 1. Disain dari PENSA mobile Input: Sensor rotary: satu paket dengan motor (2 buah) Sensor halanan: rangefinder (6 pasang) Sensor api: UVTRON flame detector (2) Sensor jarak lilin: foto dioda (3 pasang) Sensor arah: digital compass (1 buah) Output: Motor DC: VEXTA motor (2 buah) Kipas angin kecil (1 buah) atau valve Agar robot dapat mengetahui posisi dirinya terhadap koordinat globalnya maka diperlukan sensor yang dapat menghitung putaran rodanya. Maka dalam pembuatan

IES 2005 Politeknik Elektronika Negeri Surabaya - ITS robot ini dipilihlah motor yang sekaligus sudah mempunyai kemampuan untuk menghitung putaran motornya. Robot PENSA menggunakan DC brushless speed control motor dengan tegangan 24V DC. Motor tersebut buatan Oriental Motor dengan type AXH230K15. Robot ini juga ditambah dengan 6 pasang rangefinder jenis ultrasonic produk Devantech dengan type SRF04 untuk menghindari rintangan dan menjaga jarak terhadap dinding. Power supply menggunakan battery nickel cadmium rechargeable 12V yang diikatkan di bawah bodi robot, agar titik pusat berat robot menjadi rendah. Magnetic compass tipe R117COMPASS Devantech juga dipasang pada robot ini. Fungsi dari magnetic compass tersebut adalah agar robot dapat mengetahui arah posisinya (heading angle) sehingga robot dapat berjalan maupun berbelok secara sempurna sesuai dengan perintah kontroler. Hubungan masing-masing blok perangkat keras dapat dilihat pada gambar 2. Secara singkat sistem kerja blok ditersebut sebagai berikut: sesuai peta. Untuk lantai 2 karena denah dari ruangan tidak tetap atau acak maka kami mengunakan metode mengikuti dinding kanan. Dan ketika robot turun dari tangga maka kembali peta yang ada diambil kembali dan robot mengikuti peta tersebut untuk kembali ke posisi start. 4. Kontrol Logika Fuzzy Robot PENSA mobile secara lengkap baik mekanik, rangkaian elektronika dan sistem kontrolnya dapat dilihat pada gambar 3 .

Gambar 3. Robot PENSA mobile 4.1 Bobot ultrasonic Posisi peletakan sensor ultrasonic seperti yang ditunjukan pada gambar dibawah ini. Terdapat 6 pasang sensor yang dipasang pada bagian depan dengan jarak setiap sensor 360

Gambar 2. Blok diagram 1. 2. 3. 4. 5. 6. C AVR Atmega16 sebagai kontroller atau sebagai pengolah data input sehingga menjadikan data output untuk motor C 89s51 sebagai pengolah data US dan kompas Rotary enkoder menghitung jumlah putaran motor. Foto diode berfungsi untuk mendeteksi jarak robot dengan lilin Kompas untuk mengetahui arah absolut posisi robot menghadap. UVTron untuk mendeteksi lilin.

Gambar 4. Peletakan sensor ultrasonik Rule maju Rule maju digunakan ketika robot bergerak maju tanpa mengikuti dinding. Robot akan berusaha menghindari halangan. Dalam pergerakan robot sensor ultrasonic sebagai detektor halangan maka nilai dari sensor tersebut mempunyai nilai bobot yang berbeda. Untuk rule maju bobot sensor seperti pada tabel. Tabel 1. bobot dari sensor ultrasonic

2.2 Perangkat lunak Perangkat lunak mengunakan bahasa Assembly untuk C 89s51 dan bahasa C untuk C AVR Atmega16. 3. Teknik Navigasi Gerak robot dibagi menjadi 3 bagian atau rule yaitu: Maju tanpa dinding Maju mengikuti dinding kanan Maju mengikuti dinding kiri Navigasi robot untuk mencari lilin untuk lantai 1 daerah yang dijelajahi sudah di buatkan petanya dengan posisi ruangan yang tetap sehingga robot hanya bergerak

Dari bobot nilai tersebut didapat 2 nilai variabel yaitu nilai untuk kecepatan dan haluan dari robot. Nilai

IES 2005 Politeknik Elektronika Negeri Surabaya - ITS kecepatan dan haluan menjadi input kontrol fuzzy. Dari data tersebut dimasukan dalam fuzzyfikasi. Dari evaluasi rule dilakukan tahap selanjutnya yaitu tahap DEFUZZYFIKASI. Defuzzyfikasi Dari data di atas juga dilakukan dua kali defuzzyfikasi, yaitu defuzzyfikasi motor kanan dan defuzzyfikasi motor kiri. Dalam defuzzyfikasi, seluruh keluaran fuzzy yang signifikan, akan dikombinasikan kedalam variable keluaran yang spesifik, dan hasil yang komprehensif. Dalam proses ini seluruh nilai keluaran fuzzy secara efektif memodifikasi fungsi keanggotaan keluarannya, rule yang paling benar akan mendominasi. Metode yang digunkan adalah Center of Gravity (COG) atau metode centroid. Dalam metode ini, tiap fungsi keanggotaan keluaran diatas nilai yang ditunjukkan oleh masing masing keluaran fuzzydi truncated (dipepat / dipotong). Akan tetapi metode COG yang digunakan pada perhitungan diatas digunakan keluaran dalam bentuk singleton. Contoh metode COG pada defuzzyfikasi motor kiri dengan data: Keluaran fuzzy untuk motor kanan maju pelan 0,48, maju 0,18, maju cepat 0 Keluaran fuzzy untuk motor kiri maju 0,48 , maju cepat 0

Gambar 5. Fuzzyfikasi nilai keceparan ()

Gambar 6. Fuzzyfikasi nilai haluan () Nilai derajat keanggotaan inilah yang kan digunakan sebagai input fuzzy pada evaluasi rule. Evaluasi rule Dalam evaluasi rule terdapat aturan linguistic dalam menentukan aksi control apa yang harus dilakukan dalam merespon nilai masukan yang diberikan. Kemudian dilakukan evaluasi hubungan atau derajat antecedent setiap aturan. Langkah berikutnya adalah melakukan pencarian derajat kebenaran (rule strength) untuk setiap rule. Saat antecedent dihubungkan melalui operator AND, rule strength mengasumsikan nilai nilai strength terkecil dari antecedent rule. Nilai minimum ini yang akan menjadi nilai kebenaran bagi rule tersebut. Dan dari nilai strength dari aksi keluaran yang sama dicari nilai yang tertinggi sehingga didapatkan satu nilai. Metode semacam dinamakan inference MIN- MAX, karena ia mengambil nilai minimum antecedent untuk menentukan rule strength dan nilai maksimum rule strength untuk setiap qonsequent untuk menentukan keluaran fuzzy. Tabel 2. Evaluasi rule motor kiri

Gambar 7. Defuzzyfikasi motor kanan

Gambar 8. Defuzzyfikasi motor kiri Menggunakan metode defuzzyfikasi COG, keluaran nilai nilai singleton dikombinasikan menggunakan bobot rata-rata. Rumus COG untuk perhitungan reduksi singleton adalah : Keluaran Crisp = ( (keluaran fuzzy) x (posisi sinleton sumbu x))/ (keluaran fuzzy) keluaran crips kiri = (0x5 + 0.48 x 18 + 0 x 24 ) / 0+0.48+0 = 8.64 / 0.48 = 18

Tabel 3. Evaluasi rule motor kanan

IES 2005 Politeknik Elektronika Negeri Surabaya - ITS keluaran crips kanan = (0.48x5 + 0.18x18 + 0x24) / 0.48+0.18+0 = 5.64 / 0.66 = 8,54 dua nilai diatas adalah nilai kecepatan motor dimana nilai kecepatan motor adalah 0-24. Rule maju mengikuti dinding kanan Metode yang digunakan sama dengan rule maju hanya saja nilai pembobotan yang digunakan terhadap sensor berbeda. Seperti yang ditunjujkan pada tabel dibawah ini. Tabel 4. Pembobotan ultrasonic untuk rule kanan memedamkannya. Untuk mengetahui jarak antara robot dan lilin mengunakan fotodioda begitu juga untuk mendeteksi boneka juga menggunakan fotodioda. Untuk mengaktifkan robot mengunakan suara. Robot juga mampu menaiki tangga untuk menuju lantai 2. setelah melakukan semua tugas robot dapat kembali ke tempat start. 5. Hasil Eksperimen Rule maju

Gambar 9. lintasan untuk rule maju Untuk menghitung besarnya kecepatan () dan haluan () digunakan rumus dibawah ini. Robot dapat bergerak tanpa menabrak dinding meskipun untuk belokan 900. pada gambar diatas lintasan robor digambarkan dengan warna biru. Rule maju mengikuti dinding kanan

langkah selanjutnya sama dengan yang ada pada rule maju hanya rule fuzzyfikasinya dan evaluasi rule motor harus disesuaikan. Rule maju mengikuti dinding kiri Metode yang digunakan sama dengan rule maju hanya saja nilai pembobotan yang digunakan terhadap sensor berbeda. Seperti yang ditunjujkan pada tabel dibawah ini. Tabel 5. Pembobotan ultrasonic untuk rule kiri

Gambar 10. lintasan untuk rule maju mengikuti dinding kanan Untuk menghitung besarnya kecepatan () dan haluan () digunakan rumus dibawah ini. Robot dapat bergerak mengikuti didnding kanan.dan ketika ada belokan 900 dan ketika tidak ada dinding pada sebalah kanan maka robot akan berputar sampai menemukan dinding sebelah kanan. Pada gambar diatas lintasan robor digambarkan dengan warna biru Rule maju mengikuti dinding kiri Untuk rule mengikuti dinding kiri hasil percobaannya sama dengan rule mengikuti dinding kanan. Hanya posisi dinding terletak pada sisi kiri badan robot. 6. Kesimpulan Metode pembobotan mempermudah dan mempercepat dalam pembuatan rule dari kontrol fuzzy hal ini karena hanya ada 2 variabel input yaitu kecepatan dan haluan sehingga tidak perlu lagi memfuzzykan setiap input (6 input sensor ultrasonic) yang mengakibatkan banyaknya kombinasi dari rule yang ada.

langkah selanjutnya sama dengan yang ada pada rule maju hanya rule fuzzyfikasinya dan evaluasi rule motor harus disesuaikan. 4.2 Prinsip kerja Dari sensor yang ada pada robot digunakan sebagai input dari kontrol robot. Untuk navigasi dari robot di lantai 1 maping dari ruang tetap sehingga pergerakan robot sudah mengikuti rule yang ditentukan. Untuk lantai 2 karena maping dari ruangan tidak tetap maka mengunakan metode mengikuti dinding kanan. Robot akan men-scaning ruangan untuk mencari apakah di ruangan tersebut terdapat lilin atau boneka. Jika dalam ruangan tersebut terdapat lilin maka robot akan mendekati dan dalam jarak tertentu robot akan

IES 2005 Politeknik Elektronika Negeri Surabaya - ITS Disamping itu proses yang dilakukan dalam program lebih cepat karena proses yang dilakuhan jauh lebih sedikit sehingga pengambilan keputusan juga lebih cepat. 7. Daftar Pustaka [1] Kontes Robot Cerdas Indonesia 2005, website: http://www.kri.or.id, http://www.dikti.org [2] Araujo, R., and Almeida, A. T. (1999). Learning Sensor Based Navigation of a Real Mobile Robot in Unknown Worlds. IEEE Transactions on Systems, Man and Cybernetics Part A: Systems and Humans, 29(2):164-178. [3] Dadios, P. E. and Maravillas O. A. (2002). Cooperative Mobile Robots with Obstacle and Collision Avoidance using Fuzzy Logic. Proceedings of the 2002 IEEE International Symposium on Intelligent Control. Vancouver, Canada. October 27-30, 2002. pp 75-80. [4] Fierro R., Lewis F. L. (1995). Control of a Nonholonomic Mobile Robot: Backstepping Kinematics into Dynamics. Conference on Decision & Control. New Orleans, LA. 3805-3810. [5] Fukao T., Nakagawa H., and Adachi N. (2000). Adaptive Tracking Control of a Nonholonomic Mobile Robot. October 2000. IEEE Transaction on Robotics and Automation. 16(5): 609-615. [6] Hardt, H. J., Wolf, D. and Husson, R. (1996). The Dead Reckoning Localization System of the Wheeled Mobile Robot ROMANE. Proceeding of the 1996 IEEE/SICE/SRJ International Conference on Multisensor Fusion and Integration for Intelligent Systems. pp: 603-610. [7] Park, K.C., Chung, D., Chung, H., and Lee, J. G. (1996). Dead Reckoning Navigation of a Mobile Robot using an Indirect Kalman Filter. Proceeding of the 1996 IEEE/SICE/SRJ International Conference on Multisensor Fusion and Integration for Intelligent Systems. pp: 32-38.

[8] Simon X. Yang dan Hao Li (2002). An Autonomous Mobile Robot with Fuzzy Obstacle Avoidance behavior and a Visual Landmark Recognition System. In ICARCV02, Singapore.