Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banyak permasalahan yang dapat terjadi ketika melakukan uji coba algoritma untuk melakukan pengendalian trajectory following dari Quadrotor. Umumnya dibutuhkan simulasi sebelum uji coba perangkat keras untuk membuktikan bahwa tidak ada kesalahan dalam algoritma pengendaliannya. Simulasi Quadrotor yang digunakan umumnya menggunakan MATLAB. Sistem simulasi dengan menggunakan MATLAB memiliki keterbatasan dalam hal visualisasi, penyederhanaan model, serta tidak dapat diimplementasikan secara langsung pada perangkat keras Quadrotor yang digunakan. Untuk itu, penelitian ini mempertimbangkan penggunaan ROS dan Gazebo sebagai alternatif simulasi Quadrotor yang akan digunakan untuk menguji algoritma pengendalian trajectory following dari Quadrotor yang akan diimplementasikan. ROS adalah sebuah framework untuk sistem robotika. Adapun Gazebo untuk mengvisualisasikan model 3D dari Quadrotor, lingkungannya, dan interaksinya sesuai hukum fisika. Dalam penelitian ini, digunakan library MAVROS pada ROS untuk mengendalikan model Quadrotor. Penelitian diawali dengan memodelkan Quadrotor sesuai perangkat keras yang digunakan. Selanjutnya, diimplementasikan algoritma pengendalian trajectory following menggunakan program dengan framework ROS. Setelah itu, dilakukan pengujian kemampuan sistem untuk mengsimulasikan perpindahan posisi dengan berbagai pola trajectory. Hasil simulasi menunjukan Quadrotor dapat mengikuti pergerakan trajectory yang telah ditentukan oleh algoritma pengendali trajectory following yang diimplementasikan.

---

Many problems can arise when testing trajectory following control algorithms for a Quadrotor. Generally, a simulation is needed before undergoing hardware testing to prove that there is no mistake in its control algorithm. Quadrotor simulations commonly uses MATLAB. A Quadrotor simulation system that uses MATLAB has issues such as limitations in the visualization, oversimplification of the model, and cannot be directly implemented into a Quadrotor hardware.

Because of that, this research considers the use of ROS and Gazebo as an alternative for developing a Quadrotor simulation, which will be used to test a trajectory following control algorithm implemented in this research. ROS is a framework for robotic systems. Gazebo is used to develop the 3D model of the Quadrotor, its environment, and also the interactions occurring following the laws of physics.

In this research, a library named MAVROS is used on ROS to control the Quadrotor model. This research starts by modelling the Quadrotor according to the hardware specifications that will be used. Afterwards, a trajectory following control algorithm is developed and implemented using a program with the ROS framework. Afterwards, tests are conducted to determine the capabilities of the simulation to simulate change in position in multiple trajectory patterns. The results from the simulation shows that the Quadrotor can follow the trajectory movement that is decided by the trajectory following control algorithm that is implemented."

"Robot merupakan salah satu ciptaan manusia yang diharapkan dapat mengambil keputusan sendiri dalam batasan tertentu untuk menyelesaikan permasalahan - permasalahan yang berbahaya bagi manusia. Salah satu bentuk robot yang dapat membantu manusia adalah unmanned aerial vehicle (UAV). Kelebihan UAV adalah bentuk yang kecil, hemat energi, and kemampuan untuk bekerja tanpa bantuan manusia. Salah satu bentuk UAV adalah quadrotor yang merupakan bentuk lain dari helikopter dengan empat baling - baling. Dengan kemampuan untuk melakukan manuver yang sulit dilakukan oleh wahana lain, serta kemampuan untuk terbang dan mendarat secara vertikal, quadrotor merupakan pilihan UAV yang semakin menarik. Pembahasan akan difokuskan pada 3 hal, yaitu sistem navigasi, pemodelan, dan pengendalian quadrotor. Sistem navigasi menggunakan sensor accelerometer, gyroscope serta kompas digital yang dipadukan dengan kalman filter untuk menghilangkan derau. Sistem dimodelkan menggunakan metode least-square, selanjutnya quadrotor dikendalikan oleh PID. Berdasarkan hasil yang didapat, gabungan sistem navigasi dan pengendali yang diusulkan mampu mengendalikan quadrotor sehingga sudut sistem dapat dikendalikan.

---

Robot is one of human creation that is expected to take its own decision in a certain limitation for tasks which are too dangerous for humans. From many kind of robot, unmanned aerial vehicle (UAV) has received tremeduous interest. The advantages of a UAV are their small body, energy efficient, and the ability to work without human assistance. One type of UAV is quadrotor which is another form of helicopter with four propellers. With the ability to do difficult maneuver performed by another vehicle, and the ability to do vertical take-off and landing, quadrotor is one of the most promising UAV.

This work will focus on three topics, namely navigation systems, modeling, and control of the quadrotor. The navigation system using an accelerometer, a gyroscope and a digital compass combined with a Kalman filter to remove noise. Modeling system using the method of least-square, and using the PID controller to control the quadrotor. Based on the results obtained, the combined navigation and control system proposed is able to control the quadrotor so that the system angle can be controlled."

"Dewasa ini quadrotor mulai diaplikasikan secara luas dalam berbagai bidang. Untuk melakukan suatu tugas yang kompleks, terkadang quadrotor tidak dapat menyelesaikannya sendirian. Oleh karena itu, suatu sistem multi quadrotor digunakan dimana terdapat beberapa quadrotor yang berkoordinasi satu sama lain dalam menyelesaikan suatu misi. Pada penelitian ini, dua buah quadrotor digunakan dengan formasi leader-follower untuk melakukan penjejakan trayektori. Kedua quadrotor tersebut saling berkomunikasi melalui jaringan WiFi yang telah dikonfigurasikan sebelumnya sehingga pertukaran data dapat terjadi selama percobaan berlangsung. Dalam eksperimen ini, robot leader akan bergerak mengikuti beberapa trayektori (garis lurus, dan persegi) sementara robot follower akan mengikuti pergerakan robot leader sambil menjaga jarak antar kedua robot. Jarak antar robot yang diinginkan adalah 3 meter secara posisi sumbu X, dengan posisi sumbu Y, Z yang sama. Sinyal kecepatan yang diterima dari robot leader akan dilakukan sedikit penyesuaian sebelum menjadi sinyal kecepatan bagi robot follower. Keseluruhan misi berjalan secara otomatis menggunakan program ROS yang tertanam pada sebuah mini-pc. Mini-pc tersebut kemudian dihubungkan dengan flight controller Pixhawk melalui protokol MAVLINK yang disediakan oleh package MAVROS. Lalu, pengendali inner loop akan dilakukan oleh Pixhawk sementara pengendali outer loop akan dijalankan pada mini-pc. Terdapat dua sistem kendali yang digunakan dalam proses penjejakan trayektori, yaitu pengendali posisi dan pengendali orientasi. Kedua pengendali tersebut menggunakan pengendali PID dengan parameter pengendali posisi Kp = 1, Ki = 2, Kd = 0.01, dan parameter pengendali orientasi Kp = 0.007. Keseluruhan sistem yang telah dirancang akan diuji melalui eksperimen langsung. Hasil pengujian menunjukkan bahwa sistem multi quadrotor dengan formasi leader-follower dapat berjalan dengan baik, dimana trayektori dapat diikuti oleh kedua quadrotor dengan bentuk formasi yang tetap terjaga.

---

Nowadays the quadrotor has begun to be widely applied in various fields. To do a complex task, sometimes quadrotor cannot do it by itself. Therefore, a multi quadrotor system was used where there were several quadrotors coordinating each other in completing a mission. In this study, two quadrotors were used with leader-follower formation to conduct a trajectory tracking. Both quadrotors communicate each other via a previously configured WiFi network so that data exchange can occur during the experiment. In this experiment, robot leader will move to follow several trajectories (straight lines and squares) while robot follower will follow the movement of robot leader while maintaining the distance between the two robots. The desired distance between two robots is 3 meters in the X axis position, with the same Y, Z axis position. The speed signal received from the robot leader will be made a little adjustment before becoming a speed signal for the robot follower. The entire mission runs automatically using a ROS program embedded on a mini-pc. The mini-pc was then connected to the Pixhawk flight controller via MAVLINK protocol provided by the MAVROS package. Then, the inner loop controller will be carried out by Pixhawk while the outer loop controller will be run on a mini-pc. There are two control systems used in the trajectory tracking process, namely position controller and orientation controller. The two controllers used PID controllers with position controller parameter Kp = 1, Ki = 2, Kd = 0.01, and orientation controller parameter Kp = 0.007. The entire system that has been designed will be tested through direct experiments. The test results showed that multi quadrotor systems with leader-follower formation functioned well, where trajectories can be followed by both quadrotor with a formation that is maintained."

"ABSTRAKTesis ini membahas tentang perancangan kendali sistem gerak rotasi quadrotor menggunakan linear quadratic gaussian (LQG) dan simulasi digunakan untuk memverikasi kinerja pengendali. Tujuan dari perancangan adalah mengendalikan sudut roll, pitch dan yaw yang terdapat noise dan disturbance. Parameter model quadrotor diambil dari quadrotor OS4 yang dikembangkan oleh Ecole Polytechnique Federale de Lausanne (EPFL). Model quadrotor yang dipakai merupakan model MIMO dengan empat masukan yaitu kecepatan keempat rotor quadrotor dan enam keluaran yaitu sudut roll, pitch, yaw dan kecepatan sudut roll, pitch dan yaw. Perancangan kendali dilakukan dengan mendesain gain feedback regulator, estimator atau observer untuk mengestimasi variabel keadaan yang tidak terukur dari keluaran yang terukur dan pre-kompensator pada masukan referensi. Kinerja kontrol LQG diuji menggunakan simulasi. Dengan menggunakan perkiraan matriks Q dan R, pengendali yang dirancang telah menunjukan kinerja yang baik.

---

ABSTRACT

This thesis discusses the design of rotational motion quadrotor control systems using Linear Quadratic Gaussian (LQG) method and simulation verifiying the performance of the controller. The objective of design is to regulate roll, pitch and yaw angles in the existing of noise and disturbance. Quadrotor model parameters are from OS4 developed by Ecole Polytechnique federales de Lausanne (EPFL). Quadrotor model is MIMO with four inputs namely the speed four-rotor of quadrotor and six outputs namely the rotation angles roll, pitch, yaw and angular velocity of roll, pitch, and yaw. The control design is done by designing the feedback gain regulator, estimator or observer to estimate unmeasured state variables from the measured output, and design a pre-compensator input reference. LQG control performance is tested using simulations. By using approximate matrix Q dan R, the proposed controller have shown good performance."

"ABSTARCTDewasa ini UAV atau Unmanned Aerial Vechicles telah mengalami perkembangan yang sangat pesat. Hal ini dikarenakan UAV yang telah diaplikasikan dalam berbagai bidang, seperti militer, industry, pendidikan, dll. Pada dasarnya, UAV memiliki berbagai jenis dan yang cukup terkenal adalah multirotor. Dalam penelitian ini, multirotor yang digunakan adalah multirotor yang memiliki empat buah motor atau yang biasa disebut quadrotor. Tantangan terbesar dalam melakukan pengembangan terhadap sistem quadrotor adalah pembuatan algoritma pengendali bagi quadrotor. Untuk mengurangi kemungkinan terjadinya kesalahan dari algoritma pengendali, maka suatu simulasi digunakan untuk mensimulasikan algoritma pengendali. Beberapa simulasi yang biasa digunakan, seperti MATLAB hanya dapat mensimulasikan persamaan matematis dari quadrotor. Sedangkan simulasi yang digunakan harus dapat merepresentasikan dinamika model dari quadrotor, menerapkan hukum fisika, serta memvisualisasikan wahana secara tiga dimensi. Untuk itu penulis menggunakan simulator Gazebo. Lalu perangkat lunak tambahan bernama ROS Robot Operating System digunakan untuk menerapkan persamaan matematis quadrotor serta algoritma pengendali yang digunakan. Dalam penelitian ini, digunakan library MAVROS pada ROS untuk mengakses sensor serta menggerakan actuator quadrotor. Berbagai mekanisme penerbangan yang akan diuji adalah perhitungan kecepatan dan akselerasi maksimum, kendali trayektori, serta pergerakan dengan velocity profile. Berdasarkan pengujian tersebut, Gazebo dan ROS dapat digunakan untuk memodelkan dan mensimulasikan quadrotor dengan baik. Selain itu, didapatinya pula hasil percobaan untuk berbagai mekanisme penerbangan.

---

ABSTARCTNowadays UAV or Unmanned Aerial Vechicles has been progressing very rapidly. This is because the UAV has been applied in various fields, such as military, industry, education, etc. Basically, UAVs have various types and the most famous one is multirotor. In this study, multirotor used has four motors or commonly called quadrotor. The biggest challenge in developing the quadrotor system is the design of a controller algorithm for quadrotor. To reduce the likelihood of error occurring from the control algorithm, a simulation is used to simulate the control algorithm. Some commonly used simulations, such as MATLAB can only simulate the mathematical equations of quadrotor. While the simulation used should be able to represent the dynamics of the model of the quadrotor, apply the laws of physics, and visualize the vehicle in three dimensions. Therefore, author uses Gazebo simulator. Then additional software called ROS Robot Operating System is used to apply quadrotor mathematical equations and control algorithms. In this study, MAVROS package in ROS is used to access the sensor and move the actuator of the quadrotor. The various flight mechanisms to be tested are the calculation of speed and maximum acceleration, control of the trajectory, as well as movement with velocity profile. Based on these tests, Gazebo and ROS can be used to model and simulate quadrotor well. In addition, the proposed method is evaluated through experiments for various flight mechanisms."

"Quadrotor adalah wahana yang memiliki empat buah rotor sebagai penggerak. Untuk dapat bergerak sempurna maka quadrotor harus dilengkapi dengan Sistem kendali yang mampu mangatur dan memberikan sinyal kendali berupa kecepatan motor keseluruh rotor.Disertasi ini membahas tentang kendali autonomous untuk quadrotor menggunakan Neural Network Direct Inverse Control NN-DIC . Tujuan dari penelitian ini adalah untuk menyelidiki kinerja Quadrotor menggunakan kontrol NN-DIC. Untuk mewujudkan penelitian ini, langkah pertama adalah untuk membangun sebuah platform Quadrotor. Karena ide dasar dari DIC adalah untuk menghilangkan efek dinamika plant dengan kendali inverse, maka langkah selanjutnya adalah membangun sebuah model NN-DIC menggunakan data penerbangan yang sebenarnya. Metode pelatihan backpropagation dipilih karena strukturnya sederhana namun mampu memberikan error yang kecil.Melalui beberapa simulasi, model kendali NN-DIC telah mampu menstabilkan quadrotor dengan performa yang sangat baik dalam mengikuti trajectory pada kondisi hover, perubahan altitude maupun manuver. Perfoma yang baik ini ditunjukan dengan nilai MSE yang kecil, yaitu 0.042 pada saat hover untuk kendali attitude, 0.340 pada saat perubahan altitude untuk kendali attitude-altitude dan terakhir nilai MSE sebesar 1.966 saat maneuver untuk kendali autonomous.

---

The quadrotor is an Unmanned Aerial Vehicle UAV which is included in the category of rotary wing with four rotors located at its four corners. In order to move perfectly the quadrotor must be equipped with a control system capable of controlling and providing control signals of motor speed throughout the rotors.This dissertation discusses about autonomous control for quadrotor using Neural Network Direct Inverse Control NN DIC . The purpose of this study was to investigate Quadrotor performance using NN DIC controls. To realize this research, the first step is build a Quadrotor platform. Since the basic idea of DIC is to eliminate the dynamics effect of the plant with inverse control, the next step is build an NN DIC model using actual flight data. Backpropagation training method is chosen because the structure is simple but has a small error result.Some simulations have been done, the NN DIC control model has been able to stabilize the quadrotor with excellent performance in following trajectory under hover conditions, altitude changes and maneuvers. The excellent performance is indicated from a small MSE score of 0.042 during hover on attitude control, 0.340 with altitude change on attitude altitude control and MSE of 1.966 when maneuvered on autonomous control."

"ABSTRAKPenelitian disertasi ini mencakup analisis Sistem Kendali berbasis Neural Network NN untuk rotorcraft dan Unmanned Aerial Vehicle UAV fixed-wing. Quadrotor dan UAV fixed-wing berekor inverted-V mewakili kedua tipe UAV dengan dinamika terbangnya yang nonlinear, serta kopling-silang yang kuat dan karakteristik under-actuated. Oleh karena itu, metode Direct Inverse Control DIC berbasis NN cocok diterapkan sebagai pengendali terbang kedua tipe UAV tersebut, dengan unjuk kerja yang lebih baik dibandingkan dengan Sistem Kendali saat ini yang berbasis metode Proportional-Integral-Differential PID .UAV berkembang pesat untuk berbagai aplikasi, mulai dari penggunaan quadrotor untuk videografi jarak dekat, hingga UAV fixed-wing berekor inverted-V untuk misi taktis dan strategis. Quadrotor banyak digunakan karena kemampuan hovering serta take-off dan landing secara vertikal untuk misi di area yang sempit dan berlangsung singkat sesuai keterbatasan daya baterainya. Untuk mengatasi keterbatasan tersebut, UAV fixed-wing digunakan untuk area yang luas dan berlangsung lama. BPPT merespon kebutuhan ini dengan mengembangkan Pesawat Udara Nir Awak PUNA Alap-Alap dengan konfigurasi fixed-wing dan ekor inverted-V.Penggunaan ekor inverted-V akan meningkatkan kemampuan maneuver UAV. Meski demikian, ekor inverted-V tersebut memunculkan kopling tambahan antara modus gerak pitch dengan modus roll-yaw sehingga kompleksitas pengendaliannya meningkat dibandingkan dengan ekor T konvensional. Oleh karena itu, diperlukan metode kendali komprehensif yang mengakomodasi aspek nonlinearitas dan kopling-silang akibat hal tersebut. Metode berbasis NN cocok diterapkan untuk UAV karena mekanisme pembelajaran yang dimilikinya untuk mereplika dinamika sistem untuk Identifikasi Sistem dan sebaliknya, mampu membangun inversi dinamika sistem untuk DIC-NN .Di dalam analisis ini, kedua UAV dimodelkan dengan identifikasi berbasis NN untuk mengakomodasi karakter nonlinear dan kopling silangnya. Selanjutnya, DIC-NN dibangun untuk memetakan output UAV terhadap input yang bersesuaian. Unjuk kerja DIC- NN ini dibandingkan terhadap PID sebagai representasi metode kendali yang ada saat ini. Sistem Kendali DIC-NN menghasilkan settling time yang lebih singkat dan overshoot yang lebih kecil dibanding PID.

---

ABSTRACTThe research in this dissertation focused to analyze the Neural Network NN based control system for rotorcraft and the fixed-wing Unmanned Aerial Vehicle UAV . The Quadrotor and the fixed-wing UAV with incerted-V tail were chosen to represent both of UAV types characterized by the nonlinear flight dynamics, as well as strong cross-coupling and under-actuated condition. Therefore, the NN based Direct Inverse Control DIC method is suitable for a UAV flight controller, with a better performance compared to the existing Proportional-Integral-Differential PID -based Control System.UAVs are growing rapidly for a variety of applications, ranging from Quadrotor for a close-range videography, to the inverted-V tail fixed-wing UAVs in the tactical and strategic missions. Quadrotor is popular due to the ability of hovering and vertically take-off and landing in the narrow areas for short duration due to the limitation of the battery capability. To overcome these limitations, fixed-wing UAVs are used for large areas and long-duration mission. BPPT responds this requirement by developing the Alap-Alap UAV with the fixed-wing configuration and equipping it with inverted-V tail.The application of inverted-V tail aimed to increase UAV maneuverability. However, the inverted-V tail generates an additional coupling between the pitch-motion mode and the roll-yaw mode so that the control complexity increases than the conventional T-tail. Therefore, a comprehensive control method is required to accommodates the nonlinearity and cross-coupling aspects of it. The NN-based method is suitable for UAVs because of the learning mechanism it has to replicate system dynamics for System Identification and vice versa, capable of building system dynamic inversions for DIC-NN .In this analysis, both UAVs are modeled with NN-based identification to accommodate their nonlinear characters and cross-coupling. Furthermore, DIC-NN is built to map the UAV output with the corresponding input. The DIC-NN performance is compared against PID as a representation of the existing control method. The DIC-NN Control System produces a shorter settling time and a smaller overshoot than the PID. "

"

Pengembangan algoritma untuk kendali quadrotor semakin masif dilakukan oleh peneliti diseluruh dunia. Sama seperti manusia yang melihat dan kemudian dapat mendekati dan menyentuh suatu obyek, penelitian ini juga diarahkan untuk menciptakan prinsip yang sama yang kami sebut sebagai Image Loop Control (ILC). Proses pendeteksian objek memanfaatkan kecerdasan buatan YOLOv8 (AI deep learning) sebagai state-of-the-art pada dunia pendeteksian objek kecil membawa performa pendeteksian objek kecil ke tingkat yang lebih tinggi dengan inovasinya yang revolusioner. Penerapannya di quadrotor diharapkan dapat memungkinkan tingkat otonomi pada otomasi quadrotor melalui image loop control tersebut. Di dalam ILC tetap digunakan kendali Proporsional dan Differensial (PD) untuk mengendalikan gerak pada tiap sumbu gerakan. Skripsi ini melaporkan gerak yaw yang dilakukan oleh quadrotor sebagai respon dari deteksi obyek oleh YOLOv8. Pada proses validasi hasil pelatihan dataset, sebesar 96% gambar pintu tertutup terdeteksi sebagai close, 94% gambar pintu terbuka terdeteksi sebagai open, dan 87% gambar pintu setengah terbuka terdeteksi sebagai semi. Hasil proses image loop control respon kontroler PD di sumbu yaw, memiliki rata-rata time delay sebesar 0,98 detik, rata-rata rise time sebesar 1,26 detik, dan rata-rata settling time sebesar 8,62 detik menggunakan nilai Kp = 1,2 dan Kd = 0,5.

---

The development of quadrotor control algorithm has been extensively pursued by numerous researchers around the world. Similar to how humans can look, move around, and interact with an object, this research aims to achieve the same through a principle we define as the Image Loop Control (ILC). The process of object detection using the artificial intelligence YOLOv8 (deep learning AI) as the state-of-the-art in the small object detection world has brought the performance of small object detection algorithms to a higher level thanks to its revolutionary innovation. Its implementation in a quadrotor may enhance the degree of autonomy on automated quadrotors by using an image loop control. Within the ILC framework, we use a Proportional and Differential (PD) controller to control quadrotor movements along each axis. This thesis presents the performance of yawing movements executed by the quadrotor in response to object detections identified by the YOLOv8. During the validation process of the trained dataset, the system detected 96% of closed doors accurately, 94% of open doors accurately, and 87% of semi opened doors accurately. The response of the image loop control response using a PD controller on the yaw axis resulted in an average time delay of 0.98 seconds, average rise time of 1.26 seconds, and average settling time of 8.62 seconds with the values Kp = 1.2 and Kd = 0.5."

"Perkembangan teknologi UAV yang pesat menyebabkan teknologi UAV semakin marak digunakan dalam kehidupan sehari-hari. Quadrotor UAV menjadi populer akibat fleksibilitas dan utilitas nya yang tinggi dan bermanfaat di kehidupan masyarakat luas. Penelitian ini membahas permasalahan pengendalian trajectory tracking menggunakan Pengendali MPC Non-Linier pada model Quadrotor UAV. Model dinamik quadrotor yang digunakan merupakan model non linier, yang sensitif terhadap perubahan input dan gangguan. proses pengendalian sistem dengan pengendali MPC non-linier dilakukan dengan mengubah model sistem continuous kedalam bentuk diskrit yang kemudian diselesaikan dengan pemecah pemrograman kuadratik sekuensial sembari memperhitungkan batasan input, output dan keadaan sistem. Ditampilkan hasil simulasi dengan variasi referensi trajektori dan parameter pengendali untuk mencapai keadaan optimal. Hasil simulasi menunjukan bahwa MPC non-linier dapat melakukan pengendalian trajectory tracking dengan baik, dengan nilai RMSE pada trajektori garis lurus sebesar 0.0168, pada trajektori kotak sebesar 0.0207, pada trajektori helix sebesar 0.4215, pada trajektori spiral sebesar 0.0084, dan pada trajektori lingkaran sebesar 0.4687.

---

The rapid development of UAV technology causes UAV technology to be increasingly used in everyday life. Quadrotor UAV is becoming popular due to its flexibility and high utility and is useful in people's lives. This study discusses the problem of controlling trajectory tracking using a Non-Linear MPC controller on the Quadrotor UAV model. The quadrotor dynamic model used is a non-linear model, which is sensitive to input changes and disturbances. the process of controlling the system with non-linear MPC controller is done by changing the continuous system model into a discrete form which is then solved by a sequential quadratic programming solver while taking into account input, output and system state constraints. The simulation results with variations of the trajectory reference and control parameters are displayed to achieve the optimal state. The simulation results show that non-linear MPC can control trajectory tracking well, with an RMSE value of 0.0168 for straight-line trajectory, 0.0207 for square trajectory, 0.4215 for helix trajectory, 0.0084 for spiral trajectory, and 0.4687 for circle trajectory. "