Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Berkendara adalah salah satu aktivivitas yang berbahaya. Kegagalan atau kesahalan pengemudi dalam mengemudikan kendaraan (seperti kurangnya focus, mengantuk dan penyakit) menjadi salah satu penyebab kecelakaan yang paling besar. Oleh karena itu, Advanced Driving Assistance System (ADAS) telah menjadi fokus penelitian yang dilakukan pada ranah akademis dan industri. Salah satu model ADAS yang dikembangkan yakni Lane Keeping Assistance System. Sistem bantuan ini memanfaatkan informasi yang diberikan oleh vision system (geometri jalan, dan posisi kendaraan), sensor devices (torsi, sudut kemudi, yaw angle, dan tingkah laku pengemudi) untuk dikalkulasikan agar kendaraan tetap berada di jalur yang tepat. Penelitian ini berfokus pada pengembangan pengendali lateral dengan menggunakan Model Predictive Control (MPC) untuk mengatasi masalah model kendaraan yang non linier, gangguan eksternal, keadaan kendaraan dan lingkungan kendaraan yang bervariasi, serta sharing control antara pengemudi dengan sistem bantuan. Secara umum, skema pengendalian terbagi menjadi tiga bagian, yaitu persepsi yang berfungsi untuk mendeteksi marka jalan dengan menggunakan sensor ADAS yang terdapat pada CarSim. Selanjutnya memodelkan referensi trajektori sebagai set point dalam pengendalian. Terakhir, pengendali lane keeping dengan MPC. Dalam penelitian ini, menggunakan model identifikasi bertingkat untuk mendapatkan model kendaraan yang mendekati model yang sesungguhnya. Hasil identifikasi ini kemudian akan digunakan pada MPC. Secara keseluruhan, penelitian ini menggunakan MATLAB®, Simulink®, dan Mechanical Simulation CarSim. Hasil percobaan menunjukkan MPC memiliki kemampuan yang baik untuk menjaga kendaraan tetap berada dijalur yang tepat.

---

Driving is a dangerous activiy. The failure of human driver’s performance (for example inattention, drowsiness, and illness) remains one of the most important causes the accident. Therefore, advanced driving assistance system (ADAS) have become the focus research in both academy and industry settings. The one part of ADAS models developed is the lane keeping assistance system. The assistance system of line keeping assist utilizes information that provided by the vision system (like road geometry, and vehicle position), and by sensor devices (like torque, steering angle, yaw angle, yaw rate error, and driver behavior). Then the informations is calculated so the vehicle stays in the center of the lane. This study has been focused on the development of lateral control for autonomous driving based on Model Predictive Control (MPC). The propose strategy utilized MPC to solve many shortcomings in terms of overcoming non-liner vehicle models, external disturbance, varying vehicle state and environment, and sharing control between humans and assistance system. Generally, scheme control method devided into three part: perception serves to detect boundary lines by using ADAS sensor in CarSim. Then reference trajectory generation as a set point in control. The last is controlling the vehicle keep in the center of the line. In this study, also using a multistage identification to obtain a dynamic lateral bicycle vehicle model that approaches the actual model. The result of identification model will be used for MPC controllers. The overall system has been developed using MATLAB®, Simulink®, and Mechanical Simulation CarSim. The experimental result show that MPC method have a good performance for keep the vehicle in the center of the lane.

Abstrak :
Kendaraan merupakan salah satu kebutuhan yang sering digunakan dalam aktivitas sehari-hari. Seiring dengan banyaknya aktivitas berkendara, sering terjadi kecelakaan dimana diakibatkan baik kegagalan sistem kendaraan maupun kesalahan pengemudi didalam mengemudi ataupun mengambil keputusan disaat berkendara. Oleh karena itu penulis melakukan penelitian dimana pengendara dapat terbantu untuk mendapatkan keputusan yang tepat disaat ingin melakukan pergantian lajur kendaraan. Dengan memanfaatkan model Advanced Driving Assistance System yang telah banyak berkembang, dimana sistem pergantian lajur kendaraan memanfaatkan informasi yang didapat melalui sensor LiDAR sehingga dapat mendeteksi kendaraan yang akan berguna untuk keputusan pergantian lajur kendaraan. Penelitian ini berfokus pada pengembangan pengendali lateral dengan menggunakan Model Predictive Control (MPC) untuk mengatasi masalah model kendaraan non-linear, gangguan eksternal, keadaan kendaraan dan lingkungan kendaraan yang bervariasi, serta sharing control antara pengemudi dengan sistem bantuan. Skema pengendali ini terbagi menjadi tiga bagian yaitu, pengambilan data yang dilakukan oleh sensor LiDAR yang terdapat pada Carsim, memodelkan referensi trajektori dan pengendali Lane-Change Assistance System untuk MPC. Dalam penelitian ini, menggunakan model identifikasi bertingkat untuk mendapatkan model kendaraan yang mendekati model yang sesungguhnya. Hasil identifikasi ini kemudian akan digunakan pada MPC. Secara keseluruhan, penelitian ini menggunakan MATLAB, Simulink, dan CarSim. Hasil percobaan menunjukkan MPC memiliki kemampuan yang baik untuk melakukan pergantian lajur kendaraan.

---

Vehicle is one of the needs that is often used in daily activities. Along with the many driving activities, accidents often occur where both the failure of the vehicle system and the driver's error in driving or making decisions when driving. Therefore, the authors conducted a study where motorists can be helped to get the right decision when they want to change vehicle lanes. By utilizing the developed model of the Advanced Driving Assistance System, the vehicle lane turnover system utilizes information obtained through the LiDAR sensor so that it can detect vehicles that will be useful for vehicle lane turnover decisions. This research focuses on the development of lateral controllers using the Predictive Control Model (MPC) to overcome the problem of non-linear vehicle models, external interference, varying vehicle conditions and vehicle environment, and sharing control between the driver and the assistance system. This control scheme is divided into three parts, namely, data retrieval carried out by the LiDAR sensor found in Carsim, modeling the reference trajectory and controlling the Lane-Change Assistance System for MPC. In this study, using multilevel identification models to get a vehicle model that is close to the real model. The results of this identification will then be used at the MPC. Overall, this study uses MATLAB, Simulink, and CarSim. The experimental results show that MPC has a good ability to change vehicle lanes.