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.

[img]
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: https://repository.its.ac.id/id/eprint/62501

Actions (login required)

View Item View Item