Jenis Ektraksi Ciri Untuk Pendeteksian Misalignment pada Motor Induksi Menggunakan Multi Level Transformasi Wavelet Haar dan Coiflet
Article Sidebar
Main Article Content
Abstract
Saat ini motor induksi banyak digunakan dalam industri karena konstruksi yang kuat, efisiensi tinggi, dan perawatan yang murah. Perawatan mesin diperlukan untuk memperpanjang umur motor induksi. Berdasarkan penelitian sebelumnya, kegagalan bearing dapat menyebabkan 42% - 50% dari semua kegagalan motor. Secara umum ini disebabkan oleh kesalahan produksi, kurangnya pelumasan, dan kesalahan pemasangan. Misalignment motor adalah salah satu kasus kesalahan dalam pemasangan motor induksi. Penelitian ini berfokus untuk mensimulasikan transformasi wavelet diskrit untuk mengidentifikasi misalignment pada motor induksi. Pemodelan operasi motor diperkenalkan dalam penelitian ini sebagai operasi normal dan dua variasi misalignment. Untuk kasus ini, transformasi wavelet haar dan coiflet pada level pertama hingga level kelima digunakan untuk mengekstraksi sinyal getaran motor menjadi sinyal frekuensi tinggi. Kemudian, sinyal energi dan ekstraksi sinyal lain yang didapat dari sinyal frekuensi tinggi dievaluasi untuk menganalisis kondisi motor. Hasilnya menunjukkan bahwa transformasi wavelet diskrit berjenis haar pada level tiga dapat mengidentifikasi keadaan motor yang beroperasi normal dan keadaan motor yang mengalami misalignment.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
. Harmouche, J., Delpha, C., & Diallo, D. (2015). Improved fault diagnosis of ball bearings based on the global spectrum of vibration signals. IEEE Transactions on Energy Conversion, 30(1), 376–383. https://doi.org/10.1109/TEC.2014.2341620
. O. V. Thorsen and M. Dalva, “Failure identification and analysis forhigh voltage induction motors in the petrochemical industry,” IEEETransactions on Industry Applications, vol. 35, no. 4, pp. 810–818, 1999.
. S. Barker, “Avoiding premature bearing failure with inverter fed induction motors,” Power Engineering Journal, vol. 14, no. 4, pp. 182–189,2000.
. EPRI, “Improved motors for utility applications,” Publication EL-2678-V1, final report, 1982.
. D. A. Asfani, P. P. Surya Saputra, I. M. Yulistya Negara, I. G. N. Satriyadi Hernanda and R. Wahyudi, "Simulation analysis on high impedance temporary short circuit in induction motor winding," 2013 International Conference on QiR, Yogyakarta, 2013, pp. 202-207. doi: 10.1109/QiR.2013.6632565
. A. Starr B.K.N. Rao. Condition Monitoring and Diagnostic Engineering Management. Proceedengs of the 14th Intrnational Congress. Elsevier, 2001.
. Anton Asfani, Dimas &Yulistya Negara, I Made & Surya, Pressa. (2015). Short Circuit Detection in Stator Winding Of Three Phase Induction Motor Using Wavelet Transform and Quadratic Discriminant Analysis. 361-366. 10.12792/icisip2015.068.
. C. Jettanasen, A. Ngaopitakkul, D. A. Asfani and I. M.
Y. Negara, "Fault classification in transformer using low frequency component," 2017 IEEE 10th International Workshop on Computational Intelligence
and Applications (IWCIA), Hiroshima, 2017, pp. 199- 202. doi: 10.1109/IWCIA.2017.8203584
. Asfani, Dimas & ,Syafaruddin & HeryPurnomo, Mauridhi & Hiyama, Takashi. (2014). Neural network based real time detection of temporary short circuit fault on induction motor winding through wavelet transformation. International journal of innovative computing, information & control: IJICIC. 10. 1-14.