KENDALI KESEIMBANGAN BERJALAN ROBOT HUMANOID DENGAN SELF-TUNING CONTROLLER PADA LINTASAN DENGAN KONTUR KEMIRINGAN YANG BERBEDA-BEDA

Balladiva Mahesi, Oskar Natan, S.ST., M.Tr.T., Ph.D. ; Dr. Andi Dharmawan, S.Si., M.Cs

2026 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Robot humanoid memiliki tantangan kestabilan ketika berjalan pada lintasan miring karena dapat menyebabkan deviasi postur pada sumbu pitch dan roll. Preview Control mampu menghasilkan referensi pola berjalan berbasis Center of Mass (CoM) dan Zero Moment Point (ZMP), tetapi tidak mengoreksi deviasi postur secara langsung selama berjalan. Penelitian ini merancang dan mengimplementasikan sistem kendali keseimbangan berbasis Linear Quadratic Regulator-Fuzzy (LQR-Fuzzy) sebagai mekanisme adaptive gain modulation berbasis umpan balik IMU, dengan keluaran diterapkan sebagai offset sudut pada aktuator ankle pitch dan ankle roll. Variasi bobot Q3 dipilih sebagai gain dasar (K_base) karena respons lateralnya yang paling adaptif terhadap perpindahan beban.

Hasil pengujian menunjukkan bahwa pada lintasan 5°, LQR-Fuzzy Q3 menurunkan overshoot maksimum dan IAE pada kedua sumbu. Pada sumbu x, overshoot maksimum turun dari 0,047 m menjadi 0,036 m dan IAE turun dari 0,207 m.s menjadi 0,174 m.s. Pada sumbu y, overshoot maksimum turun dari 0,038 m menjadi 0,025 m dan IAE turun dari 0,182 m.s menjadi 0,121 m.s. Pada lintasan 8°, LQR-Fuzzy Q3 belum memperbaiki estimasi simpangan tubuh terhadap referensi, tetapi memperbaiki respons roll IMU. Max abs roll turun dari 7,654° menjadi 6,085°, IAE roll turun dari 44,57°.s menjadi 37,33°.s, dan saturasi koreksi roll turun dari 64,00% menjadi 27,50%. Sebaliknya, respons pitch belum membaik karena max abs pitch naik dari 12,05° menjadi 12,32° dan IAE pitch naik dari 57,42°.s menjadi 69,03°.s. Dengan demikian, performa LQR-Fuzzy pada lintasan 8° dikategorikan sebagai keberhasilan parsial.

Humanoid robots face stability challenges on inclined terrains due to changes in the support plane that cause pitch and roll postural deviations. While Preview Control generates walking patterns based on Center of Mass (CoM) and Zero Moment Point (ZMP), it lacks direct real-time postural correction. This study implements a Linear Quadratic Regulator-Fuzzy (LQR-Fuzzy) system for adaptive gain modulation using IMU feedback, applying control outputs as position correction offsets to the ankle pitch and roll joints. The Q3 weighting variation was selected as the baseline gain (K_{base}) due to its superior lateral tracking performance during weight shifting. The experimental results show that on the 5° slope, LQR-Fuzzy Q3 reduced the maximum overshoot and IAE on both axes. On the x-axis, the maximum overshoot decreased from 0.047 m to 0.036 m, and the IAE decreased from 0.207 m.s to 0.174 m.s. On the y-axis, the maximum overshoot decreased from 0.038 m to 0.025 m, and the IAE decreased from 0.182 m.s to 0.121 m.s. On the 8° slope, LQR-Fuzzy Q3 did not improve the estimated body displacement relative to the reference, but it improved the IMU-based roll response. The maximum absolute roll decreased from 7.654° to 6.085°, the roll IAE decreased from 44.57°.s to 37.33°.s, and the roll correction saturation decreased from 64.00% to 27.50%. In contrast, the pitch response did not improve because the maximum absolute pitch increased from 12.05° to 12.32°, and the pitch IAE increased from 57.42°.s to 69.03°.s. Therefore, the LQR-Fuzzy performance on the 8° slope is categorized as a partial success.

Kata Kunci : Fuzzy, self-tuning, LQR, sistem kendali, humanoid, robot