SHIP STEERING CONTROL USING ARTIFICIAL NEURAL NETWORKS

MUHAMMAD FAHMI KAMIL

P3100213402
TEKNIK PERKAPALAN

PROGRAM PASCASARJANA
UNIVERSITAS HASANUDDIN
2014
 PENDAHULUAN

Latar Belakang

Meskipun sejarah perkapalan dan pelayaran di laut bebas telah ada selama
berabad-abad lalu, namun sejarah tentang kendali kapal otomatis tidak lebih dari 92
tahun yang lalu. Karya Minorsky (Minorsky 1922) tentang kendali otomatis pada kemudi
kapal merupakan sebuah sumber utama bagi dari berbagai literature yang ada di pada
kendali otomatis. Di tahun yang sama (Sperry, 1922) memperkenalkan sistem kendali
otomatis yang pertama untuk kapal. Awalnya sistem kendali otomatis ini sepenuhnya
murni diperuntukkan bagi sebuah sistem konstruksi mekanis yang disediakan untuk
menyederhanakan pengarahan yang diinginkan.
 Ketika sistem kontroler Proporsional-Integral-Derivative (PID) tersedia secara
komersial, yang mana sangat meningkatkan kinerja, dan sampai tahun 1980-an hampir
semua membuat sistem kendali otomatis yang didasarkan pada kontroler tersebut.
Kerugian utama dari PID controller adalah membutuhkan penyesuaian manual untuk
mengkompensasi perubahan kondisi operasi serta kondisi lingkungan, tetapi pengaturan
kontroler ini dalam hal apapun biasanya tidak optimal untuk kapal. Penyesuaian
membutuhkan waktu yang banyak. Selain itu, sistem kendali PID dapat menyebabkan
kesulitan ketika kapal bermanuver dengan sudut yang besar yang melibatkan perilaku
dinamika nonlinear.
 Untuk menghindari masalah pada struktur kontrol PID ini, pada tahun 1970an dan
hingga saat ini diperkenalkan kendali otomatis yang dapat menyesuaikan diri (Honderd
dan Winkelman, 1972; Oldenburgh, 1975; Ohtsu dan Kitagawa, 1978; Sugimoto dan
Kojima, 1978; Kallstrom, 1979; Astrom, 1980; Van Amerongen, 1982; Arie et al. 1986;
Katebi dan Byrne, 1988; Fossen dan Paulsen, 1993; Garcia dan Castelo, 1995). Hal ini
karena keuntungan yang signifikan dari segi ekonomi seperti konsumsi bahan bakar,
peningkatan kecepatan kapal, dan mengurangi pengaturan secara manual untuk
mengkompensasi perubahan kondisi operasi kapal. Namun, ada beberapa kekhawatiran
tentang potensi ketidakstabilan dan masalah lain yang terkait dengan perilaku sistem
adaptif.
 Jaringan syaraf tiruan / Artificial Neural Network (ANN) muncul untuk menawarkan
beberapa keunggulan dibandingkan bentuk-bentuk kontrol untuk kemudi kapal. Hal ini
karena kemampuan saraf jaringan untuk menangani variasi rencana yang dinamis tanpa
unsur ketidakpastian yang dapat menyebabkan kekhawatiran ketika kontrol adaptif
dianggap untuk pengaplikasian keamanan yang kritis. Kontroller ANN dapat dilatih
sehingga memiliki sifat terbaik dari kedua parameter yaitu kontroler konstan serta dari
kontroler adaptif. Di sisi lain, kendali jaringan ini dapat dilatih untuk berbagai kondisi
operasi sehingga perilaku jaringan berubah seperti halnya kontroler adaptif. Witt et al.
[1994,1995) melaporkan bahwa sebuah kontroller neuro dapat meningkatkan margin
keuntungan dari kapal dan memberikan kontribusi pada keselamatan kapal, yaitu : (i)
mengurangi tingkat kendali manual yang diperlukan di atas dek (ii) mencapai
penghematan bahan bakar dengan memungkinkan kapal untuk tetap berada di jalur
dengan sedikit penyimpangan dan (iii) menyediakan kemudi yang akurat dalam kondisi
lingkungan yang padat akan lalu lintas dan ketika dekat dengan sebuah rintangan.
 Salah satu metode dari Jaringan syaraf tiruan / Artificial Neural Network (ANN)
adalah Metode Backpropagation. Metode ini menggunakan nilai kemelesetan atau error
output untuk mengubah nilai bobot arah mundur. Untuk mendapatkan nilai output error,
tahapan perambatan maju harus dikerjakan terlebih dahulu dengan mengaktifkan neuron
dengan fungsi aktifasi sigmoid.
 BLOK DIAGRAM SISTEM AUTOPILOT PADA KAPAL

WAVE
WIND
WAKE

Desired Actual
heading heading
Xd,Yd
System Propeller, Ship
Ship
(0) (t) (0) (t) autopilot (0) (t) rudder (0) (t) dynamic (0) (t)
 Rumusan Masalah

Adapun yang menjadi rumusan masalah dalam perancangan kontrol otomatis ini
harus memenuhi berbagai kondisi. Kondisi yang diperlukan dalam perancangan kontroler
tersebut diantaranya :
1. Memenuhi kestabilan, keteramatan dan kondisi respon seperti yang diharapkan.
2. Mampu menangani ketidaklinieran pada sistem.
3. Kemampuan adaptif terhadap perubahan parameter sistem dan gangguan dari
lingkungan.
4. Kemudahan dalam implementasi pada komputer on - board.

Berdasarkan kondisi-kondisi diatas, maka dari itu yang menjadi rumusan masalah dalam
penelitian ini adalah :

Bagaimana merencanakan sebuah sistem kendali otomatis dengan menggunakan Artificial

Neural Network?
 Batasan Masalah

Sesuai dengan apa yang telah diuraikan pada maksud dan tujuan penelitian, maka
beberapa asumsi diambil untuk memfokuskan penelitian. Batasan masalah dalam
penelitian adalah :
1. Model dinamika kapal yang diturunkan dalam 6 derajad kebebasan (dof), didekati
dengan model 3 dof untuk gerak surge, sway dan yaw, dengan asumsi bahwa secara
eksperimen gerak pitch dan heave tidak berpengaruh pada haluan kapal (Fossen ,
1994)
2. Aktuator yang bekerja adalah rudder dan propeller
3. Metode yang digunakan adalah metode backpropagation.
 Maksud dan Tujuan Penelitian

Maksud dari penelitian adalah : merancang sebuah sistem kontrol otomatis kapal yang
bekerja berdasarkan keluaran Artificial Neural Network, untuk memperkecil nilai
kemelesetan pada output.

Tujuan dari penelitian adalah :

1. Membuat program dinamika manuvering kapal beserta beban dari lingkungan
dengan menggunakan parameter hidrodinamika Clarke (1982).
2. Melakukan identifikasi sifat keterkendalian (controllable) dan keteramatan
(observable) dari model dinamika manuvering kapal.
3. Memperoleh parameter dalam perancangan ANN
JARINGAN SARAF TIRUAN BACKPROPAGATION
Y1 Z1

X1

Y2 Z2

X2
A
Y3 Z3

X3
Y4 Z4

X1 = AKTUATOR Y1 = KONVENSIONAL Z1 = KESTABILAN

A = ACTUAL HEADING
Y2 = ADAPTIF Z2 = KETERAMATAN
X2 = RULES
Y3 = MODERN Z3 = RESPON
X3 = KARAKTERISTIK LINGKUNGAN Y4 = BERBASIS KEPAKARAN Z4 = IMPLEMENTASI
 INPUT LAYER

Alat yang digunakan untuk Aktuator pada kapal yaitu rudder

X1 = AKTUATOR
mengontrol sebuah mekanisme dan propeller
atau sistem

Peraturan – peraturan yang Kemampuan maneuver kapal yang

berlaku X2 = RULES disyaratkan oleh IMO harus terpenuhi

Adanya pengaruh lingkungan yang tak

terduga sehingga memerlukan strategi Pengaruh kondisi lingkungan yaitu
control yang mampu mengeliminir X3 = KARAKTERISTIK LINGKUNGAN arus, angin dan gelombang
gangguan tersebut
 HIDDEN LAYER 1

Menerapkan beberapa metode

Pemprosesan Sistem kendali yang
diantaranya : PID/kombinasi, I +
bersifat algoritmik yang membutuhkan Y1 = KONVENSIONAL observer, PID+optimasi error posisi,
input yang harus lengkap dan terbatas
Dekopling atau Feedback Control
dalam daerah penggunaannya
based Bode Plot

Pemodelan system yang telah diturunkan dari

perancangan sistem konvensional dinyatakan Menerapkan beberapa metode
dalam bentuk persamaan keadaaan yang Y2 = ADAPTIF
diantaranya : MRAC, ARMA, Optimal
memiliki kemampuan belajar dan beradaptasi Adaptif, Adaptif-Fuzzy
dari variable lingkungan .

Perkembangan sistem perangkat Menerapkan beberapa metode

komputasi menyebabkan muncul Y3 = MODERN diantaranya : ILQ, H2H-,MPC & LQR,
strategi perancangan modern. LQG, LQ, Robust

Sistem pemprosesan yang bersifat Menerapkan beberapa metode

Y4 = BERBASIS diantaranya : KLF, KLF – Mamdani, GA,
heuristik yang membutuhkan KEPAKARAN
input yang tidak harus lengkap ANN
 HIDDEN LAYER 2
Mengatasi beberapa kelemahan yang terjadi pada
Mampu menjaga system kendali kontrol yang berbasis pada model matematik seperti :
dari gangguan determenistik dan Z1 = KESTABILAN bekerja dalam range error, laju error maupun
mengatasi ketidaklinearan system. percepatan error yang tak terbatas dimana itu semua
merupakan gangguan fungsi frekuensi yang
berpengaruh terhadap badan kapal maupun sensor.

Identifikasi sifat keteramatan Penyusunan model matematik dinamika

(observable) dari model dinamika Z2 = KETERAMATAN maneuvering kapal dengan memasukkan
maneuvering kapal faktor-faktor gangguan dari lingkungan

Kemampuan untuk menindak lanjuti Analisis terhadap hasil simulasi system

informasi yang diberikan kepada kendali otomatis yang meliputi
Z3 = RESPON
system kendali dan memberikan parameter kestabilan dari respon system
output yang maksimal dalam domain waktu

Kemudahan imlementasi pada Perancangan software dan

Z4 = IMPLEMENTASI
komputer on board hardware yang mudah dipahami
 OUTPUT LAYER

Posisi dan arah kapal pada saat pelayaran

Rencana posisi dan rencana arah tidak mengalami penyimpangan yang terlalu
A = ACTUAL HEADING
kapal menuju tempat tujuan besar akibat dari berbagai macam ganggguan
lingkungan
KERANGKA PENELITIAN
TETAP SEMANGAT DALAM MELANJUTKAN PENELITIAN

TERIMA KASIH