Syahidan, Muamar and Muhammad Aziz Muslim, S.T., M.T., Ph.D and Purwanto,, Ir., MT. (2019) Sistem Inverse Kinematics Pada Robotics Arm Menggunakan Multilayer Back Propagation Neural Network Untuk Meningkatkan Akurasi Output Koordinat dari Robotics Arm di Laboratorium Mekatronika dan Robotika. Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam dunia robotika, terdapat berbagai jenis robot yang salah satunya adalah lengan robot (robotics arm). Dalam lengan robot dikenal dengan istilah Degree of Freedom (DOF) atau derajat kebebasan. Secara umum DOF atau derajat kebebasan adalah jumlah arah yang independen yang dibutuhkan untuk menyatakan posisi dari setiap hubungan relative terhadap link yang tetap. Pengimplementasian DOF pada robot lengan yaitu salah satunya dengan menggunakan motor servo. Pada penelitian ini digunakan 4 DOF pada lengan robot. Untuk dapat mengendalikan lengan robot diperlukan suatu metode pengendalian setiap motor servo yaitu dengan inverse kinematics. Invers kinematik merupakan suatu metode analisa untuk melakukan transformasi dari ruang Cartesian ke ruang sendi. Dari persamaan kinematik, dapat diperoleh hubungan antar konsep geometri ruang sendi pada robot dengan konsep koordinat yang biasa digunakan untuk menentukan kedudukan suatu objek. Dengan model kinematik, programmer dapat menentukan konfigurasi referensi masukan yang harus diumpankan kepada masing-masing actuator agar robot dapat melakukan gerakan secara simultan untuk mencapai posisi yang dikehendaki. Sering kali pada metode inverse kinematics terjadi selisih antara keaadaan koordinat end effector sebenarnya dengan koordinat yang diinginkan. Dengan menerapkan jaringan syaraf tiruan pada metode inverse kinematics diharapkan dapat meningkatkan akurasi end effector dari lengan robot. Setelah dilakukan pengujian pada sistem didapatkan performa terbaik robot adalah saat menggunakan 3 hidden layer dan 30 node per hidden layer pada jaringan syaraf tiruan dengan menghasilkan akurasi minimal sebesar 95.7% dan akurasi rata-rata sebesar 96.9%.
English Abstract
In the world of robotics, there are various types of robots, one of which is a robotic arm. In robotic arm there is a term called the Degree of Freedom (DOF). In general, DOF or degrees of freedom is the number of independent directions needed to determine the position of each relationship relative to a fixed link. The implementation of DOF on robotic arms is one of them by using a servo motor. In this study 4 DOFs were used on the robotic arm. To be able to control the robotic arm, a method of controlling each servo motor is required, with inverse kinematic. Inverse kinematic is an analytical method for transforming from a Cartesian space to a joint space. From kinematic equations, relationships can be obtained between geometry concepts. With kinematic models, programmers can determine the references that must be fed to each of the actuators so that the robot can make simultaneous movements to reach the desired position. In general, the kinematics inversion method does not determine the body weight of the robot so that the difference between the actual coordinate and the effector often occurs with the desired coordinates. By using artificial neural networks in the inverse kinematics method it is expected to increase the final validity of the robotic arm. After testing the system, the best performance was obtained using 3 hidden layers and 30 nodes per hidden layer on artificial neural networks by producing a minimum accuracy of 95.7% and an average of 96.9%.
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FT/2019/440/051905036 |
Uncontrolled Keywords: | Motor DC Servo, Inverse Kinematics, Jaringan Syaraf Tiruan, Multi Layer Network, Back-Propagation. DC Motor Servo, Inverse Kinematics, Artificial Neural Network, Multi Layer Network, Back-Propagation |
Subjects: | 600 Technology (Applied sciences) > 629 Other branches of engineering > 629.8 Automatic control engineering > 629.89 Computer control > 629.892 Robots |
Divisions: | Fakultas Teknik > Teknik Elektro |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 29 Oct 2019 03:09 |
Last Modified: | 08 May 2023 07:56 |
URI: | http://repository.ub.ac.id/id/eprint/171004 |
![]() |
Text
Muamar Syahidan.pdf Download (6MB) |
Actions (login required)
![]() |
View Item |