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
| Main Author: | Syahidan, Muamar |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171004/ |
Daftar Isi:
- 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%.