Anda di halaman 1dari 3

Judul Nama Penulis Review

PERANCANGAN SISTEM Dinayati Rodliyah, Aulia  Sistem kendali maneuvering konvensional yang sering dipakai
KENDALI OPTIMAL Siti Aisyah, A. A. mempunyai kekurangan bahwa tidak bisa menangani gangguan
MULTIVARIABEL LINEAR Masroeri frekuensi tinggi
QUADRATIC GAUSSIAN  Ciri pengendalian yg optimal bersifat robust, bisa menangani
(LQG) PADA KAPAL FPB 38 frekuensi rendah maupun tinggi
UNTUK MENINGKATKAN  Kapal FPB 38 TNI AL
PERFORMANSI  Mernancang system kendali optimal LQG untuk meningkatkan
MANUVERING maneuvering kapal dengan uji performansi zig zag, maneuver
turning, tracking set point.
 Vairabel yaw dan sway
 System kendali LQG dengan kendali estimator Kalman Filter
 Kalman filter merupakan estimator optimal yang berfungsi
mengestimasi variabel keadaan dan menyaring noise (derau).
Prinsip kerja estimator berdasarkan sifat rekursif. Optimisasi yang
dilakukan adalah dengan menekan harga error kovarian sekecil
mungkin.
 Kapal FPB-38 dalam kondisi loop terbuka tidak mampu melakukan
aksi pengendalian ketika diberikan masukan untuk melakukan aksi
turning (berbelok).
 Dalam simulasi diperoleh bahwa sistem kendali LQG mampu
melakukan aksi pengendalian sesuai dengan set point yang
diberikan untuk uji manuver turning, uji tracking set point, dan uji
manuver zig-zag. Sistem kendali yang dirancang memiliki
performansi yang lebih baik daripada sistem kendali logika fuzzy.
 AUV dan ROV
Nonlinear algorithm with A. Manzanilla ∗ P.  Untuk menunjukkan non linear algoritma dengan integral adaptive
adaptive properties to stabilize Castillo ∗∗ R. Lozano properties untuk menstabilisasi underwater vehicle.
an underwater vehicle: real-time  Analisa stabilisasi menggunakan Lyapunov theory dan
experiments backstepping techniuqes.
 Kontroler tersebut sangat baik dalam menstabilkan yaw, pitch, dan
depth states.
 Masih perlu dilakukan validasi dengan menggunakan gangguan
arus air yang agresif dan tidak tentu
Neuro-fuzzy control of  Untuk menentukan pengendali berbasis neuro-fuzzy melalui
underwater vehicle-manipulator pendekatan yang tepat, kuat dan menimimalkan efisiensi control
systems UVMS. (underwater vehicle manipulator system)
 Pengendali yang digunakan adalah PD dengan tuning menggunakan
fuzzy.
 Tipe logika fuzzy yang digunakan adalah mamdani.
 The idea is to use the well- known backpropagation method to
roughly approximate the dynamics of each degree of freedom in the
form of the decentralized neural network [10].
 As the neural network is mainly used to reduce the magnitudes of
required gains using feedforward compensation, it is sufficient for
the decentralized estimator to have an acceptable degree of
accuracy. The training method is based on conventional off-line
backpropagation.
 The controller design is decentralized, making it easy to implement.
Simulation results for a six DOF AUV with a three DOF on-board
manipulator show that the proposed neuro-fuzzy controller
significantly outperforms the conventional PD controller in terms
of robustness to payload changes and hydrodynamic disturbanses,
and has superior performance in terms of tracking error norms and
expended energy norms.
 Menghitung non linear, non holonomic, highly under actuated
Control of Autonomous Pushpak Jagtap _ Pranoti dynamical AUV
Underwater Vehicle using
Reduced Order Model Predictive
Raut _ Pawan Kumar __
Ankit Gupta __ N. M.
 the MPC based control strategy is pro-posed to control non-linear
and under-actuated dynamics of AUV in three dimensional space.
Control in Three Dimensional Singh __ Faruk Kazi __
Space  To overcome these limitations, the proposed control strategy uses
two independent reduced models, one to represent motion dynamics
in horizontal plane and other for vertical plane.
 Dibandingkan dengan pengendali PID
 Dan hasilnya adalah, MPC lebih stabil dari pada PID.