Estimasi Kesalahan Aktuator pada Kapal Tanpa Awak dengan Adaptive Extended Kalman Filter

Abstract

Unmanned Surface Vessel (USV) telah menjadi inovasi penting dalam teknologi maritim karena kemampuannya untuk meningkatkan eksplorasi, pengawasan, dan pengelolaan sumber daya laut. Namun, sebagai bagian dari sistem kontrol otomatis, USV rentan terhadap kesalahan aktuator, yang dapat mengganggu kinerja dan mengancam keselamatan dan efisiensi operasional. Penelitian ini bertujuan untuk merancang pengamat yang mampu memperkirakan variabel keadaan dan kesalahan aktuator pada USV. Metode yang digunakan adalah Adaptive Extended Kalman Filter (AEKF), yang dapat mengatasi karakteristik nonlinier dari sistem USV. Hasil simulasi menunjukkan bahwa metode AEKF efektif dalam mengestimasi kesalahan aktuator dan variabel keadaan pada USV, dengan tingkat konvergensi yang dapat diatur melalui parameter forgetting factor.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).