Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, disturbance observer memperkirakan gaya angin 2N dengan tepat tanpa sensor angin, hanya dari gerak kwadrotor itu sendiri. Digabung dengan SMC, galat tracking turun 6 kali dan catering hampir hilang. Ayo kita mulai. Halo, selamat datang di episode kelima seri kendali kwadrotor dengan sliding mode control. SMC tahan gangguan karena gain switching K-nya lebih besar dari gangguan terburuk, tetapi K-besar berarti kendali yang agresif. Idenya, kalau gangguan bisa diperkirakan dan dikompensasi langsung, K boleh kecil. Itulah tugas disturbance observer.
Langkah 1: Cara kerja disturbance observer
Mari lihat lagi bagian observer di kelas kendali SMC pada file kendali.py. Observer membandingkan percepatan yang seharusnya terjadi menurut model nominal, dari dorong dan momen yang benar-benar diberikan, dengan percepatan nyata yang terlihat dari perubahan kecepatan. Selisihnya adalah gangguan. Rumusnya memakai variabel bantu Z, detopi sama dengan Z ditambah L kali kecepatan, dan Z diperbarui dengan minus L kali model ditambah detopi. Dengan cara ini, kita tidak perlu menurunkan kecepatan secara numerik yang rawan nice. Perkiraan detopi lalu dikurangkan dari hukum kendali setiap kanal.
Langkah 2: Mencatat estimasi angin
Buat file uji underscore observer.py. Kita jalankan SMC dengan observer aktif dan mencatat perkiraan gangguannya, dikali masa supaya menjadi gaya dalam Newton. Lalu kita bandingkan SMC biasa, SMC dengan observer, dan SMC dengan observer tetapi gain switching kecil.
Langkah 3: SMC 4 observer
Jalankan. Gaya angin arah X sebenarnya 2 Newton, dan observer memperkirakan 1,99 Newton, dengan galat rata-rata hanya 0,03 Newton. Dengan observer, RMSI turun dari 0,079 menjadi 0,052 meter. Hasil terbaik datang ketika gain switching dikecilkan, RMSI hanya 0,013 meter, 6 kali lebih akurat dari SMC biasa, dan cetring 0,0003, 50 kali lebih halus. Gangguan ditangani observer, sehingga bagian switching cukup kecil.
Langkah 4: Estimasi vs angin sebenarnya
Mari lihat grafiknya. Grafik kiri. Garis putus-putus perkiraan observer menempel pada garis hitam angin sebenarnya, baik kembusan tetap parah X maupun angin berosilasi arah Y. Grafik kanan, galat SMC dengan observer dan gain kecil nyaris 0 sepanjang waktu, bahkan setelah angin datang.
Selesai!
Selesai. Kita sudah memahami disturbance observer, memperkirakan gaya angin tanpa sensor, dan menggabungkannya dengan SMC sehingga galat turun 6 kali dan cetring hampir hilang. Di episode terakhir kita uji semuanya pada lintasan 3 dimensi dengan angin acak. Sedang menyusun skripsi, tesis, atau riset di bidang sistem kendali, drone, dan UAV. Cerdas inovasi digital membantu implementasi sistem kendali, dari pemodelan kuadrotor 6 derajat kebebasan, PI dibertingkat, sliding mode control, sampai disturbance observer untuk angin, serta membuka kursus pemrograman Python untuk teknik elektro dan mekatronika. Ingin menguasai seluruh seri ini, dari model kuadrotor sampai uji lintasan 3 dimensi dengan angin? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.277 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
