Deteksi Ketidaknormalan Kopling Pada Motor Induksi Menggunakan Sensor Accelerometer Berbasis Raspberry PI

Anjiko, Rahmadi Ridho (2015) Deteksi Ketidaknormalan Kopling Pada Motor Induksi Menggunakan Sensor Accelerometer Berbasis Raspberry PI. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of undergraduated thesis.pdf]
Preview
Text
undergraduated thesis.pdf - Published Version

Download (23MB) | Preview

Abstract

Motor induksi sangat banyak digunakan dalam kehidupan sehari
hari kita. Baik itu digunakan di industri maupun di rumah tangga karena
kontruksinya sederhana, pengoperasian mudah dan mempunyai
kecepatan yang relative konstan. Pemeliharaan/perawatan mesin sangat
dibutuhkan untuk memperpanjang umur pemakaian motor induksi.
Tindakan preventif harus didahulukan untuk mencegah kerusakan yang
lebih besar pada mesin. Salah satu tindakan preventif yang dapat
dilakukan adalah monitoring vibrasi pada mesin.
Kerusakan pada motor induksi yang tidak terdeteksi pada tahap
awal dapat menyebabkan kerusakan lebih parah. Kerusakan motor di
industri dapat mengakibatkan kerugian yang sangat besar karena proses
produksi berhenti. Dalam penelitian ini, digunakan sensor accelerometer
untuk melihat pola vibrasi sinyal dengan menggunakan Fast Fourier
Transform (FFT) dan Neural Network terhadap jenis-jenis kondisi
abnormal. Ada tiga jenis kondisi abnormal yang dibahas dalam
penelitian ini yaitu misalignment, unbalance dan looseness.
Memonitoring keadaan mesin listrik secara kontinyu sehingga keadaan
abnormal pada motor listrik dapat diketahui secara dini.
Sistem dapat mendeteksi jenis jenis kerusakan secara on-line
pada ketidaknormalan kopling motor listrik yaitu unbalance,
misalignment dan looseness. Tingkat keberhasilan neural network dalam
sistem ini mencapai 80 persen.

Item Type: Thesis (Undergraduate)
Additional Information: RSE 629.895 Anj d
Uncontrolled Keywords: Fast fourier transform, Motor induksi, Neural Network, Sensor accelerometer, Vibrasi.
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: ansi aflacha
Date Deposited: 14 Mar 2019 06:38
Last Modified: 14 Mar 2019 06:38
URI: http://repository.its.ac.id/id/eprint/62501

Actions (login required)

View Item View Item