Robot keseimbangan mandiri merupakan salah satu aplikasi paling ikonik dalam dunia teori kendali otomatis modern. Proyek ini mengadopsi model yang dikenal sebagai Inverted Pendulum atau Pendulum Terbalik. Jika Anda pernah mencoba menyeimbangkan gagang sapu di atas ujung jari agar tetap berdiri tegak, maka Anda sudah memahami prinsip dasar robot ini.
Secara teknis, sistem Robot Keseimbangan Arduino memiliki karakteristik yang cukup menantang karena sifatnya yang tidak stabil secara alami atau inherently unstable. Sistem ini bersifat non-linear dan memiliki derajat kebebasan yang tinggi, sehingga robot dituntut untuk terus-menerus melakukan koreksi posisi demi mempertahankan sudut nol derajat meskipun terkena gangguan mekanis dari luar.
Daftar Komponen dan Estimasi Biaya
Untuk membangun robot yang responsif, kita memerlukan komponen yang mampu menangani pengolahan data cepat dan pergerakan motor yang presisi. Berikut adalah rincian kebutuhan komponen berdasarkan proyek yang telah kami jalankan.
| Nama Komponen | Fungsi Utama |
| Arduino Uno R3 | Pusat pemrosesan data filter dan perhitungan algoritma PID |
| Sensor MPU6050 | Pengukur akselerasi linier dan kecepatan sudut sasis |
| Driver Motor L298N | Pengatur arah arus dan penguat daya menuju motor DC |
| Motor DC Gearbox dan Roda | Aktuator mekanis utama penggerak sasis robot |
| Power Supply 12V 3A | Sumber daya utama untuk motor driver dan mikrokontroler |
| Sasis Akrilik | Kerangka fisik utama untuk menopang seluruh modul |
Total biaya yang dihabiskan dalam perakitan ini adalah Rp 45.000 karena beberapa komponen utama seperti Arduino dan motor driver sudah tersedia sebelumnya.
Rahasia Keseimbangan Filter Kalman dan Sensor MPU6050
Mendapatkan pembacaan sudut kemiringan atau pitch yang bersih adalah tantangan terbesar dalam robotika keseimbangan. Sensor MPU6050 mengandalkan akselerometer dan giroskop, namun keduanya memiliki kekurangan bawaan yang saling bertolak belakang.
Data akselerometer sangat sensitif terhadap noise akibat getaran mesin dalam jangka pendek, sementara giroskop cenderung mengalami drift atau akumulasi bias yang membuat pembacaan sudut meleset dalam jangka panjang. Di sinilah peran algoritma Kalman Filter menjadi krusial. Algoritma ini menggabungkan data dari kedua sensor secara cerdas untuk menghasilkan estimasi sudut yang halus dan akurat. Untuk detail teknis mengenai register sensor, Anda dapat merujuk pada Datasheet MPU6050.
Sistem Kendali PID dan Penggerak Motor
Robot ini beroperasi dalam sistem kendali loop tertutup. Arduino Uno berperan sebagai otak yang menghitung selisih antara sudut aktual dengan set point nol derajat. Hasil perhitungan ini dikonversi menjadi sinyal PWM yang dikirim ke driver motor L298N untuk menggerakkan roda ke arah yang berlawanan dengan arah jatuhnya robot.
Bagi Anda yang ingin mendalami dasar-dasar ini, sangat disarankan untuk memahami kendali posisi motor DC PID Arduino sebagai referensi tambahan. Dalam pengkabelan aktual, kami menggunakan pin digital 6, 7, 8, dan 9 untuk logika arah, serta pin PWM 5 dan 10 untuk mengatur kecepatan motor.
Sistem ini juga dilengkapi fitur Failsafe sebagai proteksi perangkat keras. Jika robot miring lebih dari ±40 derajat, program akan secara otomatis memutus aliran listrik ke motor. Langkah ini penting untuk mencegah overheating pada motor DC dan kerusakan mekanis akibat benturan saat robot terjatuh.
Skematik rangkaian
Skematik ini menggunakan Arduino Uno R3 sebagai pengendali utama yang terhubung ke driver motor L298N untuk mengatur dua motor DC, yaitu Motor-Left dan Motor-Right, sehingga arah dan kecepatannya dapat dikendalikan melalui sinyal dari pin digital Arduino; L298N mendapatkan catu daya dari power connector dan menyalurkan daya ke kedua motor melalui terminal output masing-masing, sementara sensor MPU6050 terhubung ke Arduino melalui komunikasi I2C menggunakan jalur SDA dan SCL serta VCC dan GND sebagai catu daya, sehingga Arduino dapat membaca perubahan orientasi atau kemiringan dari sensor tersebut dan menggunakannya sebagai umpan balik untuk mengatur gerakan kedua motor.
Kesimpulan dan Saran Pengembangan
Proyek ini membuktikan bahwa kombinasi filter Kalman dan kendali PID mampu menjaga stabilitas robot pada posisi 0 derajat dengan sangat baik. Meskipun metode Ziegler-Nichols memberikan titik awal yang membantu, tuning manual tetap memegang peranan penting untuk menyesuaikan sistem dengan beban sasis dan tegangan baterai yang digunakan. Pengembangan ke depan bisa difokuskan pada penambahan kontrol nirkabel atau optimasi algoritma untuk menghadapi medan jalan yang tidak rata.