DETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI...
Transcript of DETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI...
SEMINAR TUGAS AKHIR JUNI 2013
DETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET
Dosen Pembimbing
Prof. Ir. Mochamad Ashari, M.Eng., PhD. Ir. Teguh Yuwono
Teknik Sistem TenagaJurusan Teknik Elektro ITS
1
Oleh:
Rifaldy Swasetyasakti 2209100080
Latar Belakang
Hampir seluruh proses industri menggunakanMOTOR INDUKSI (rotor sangkar)
KERUSAKAN ROTOR BAR akan menginisiasikerusakan pada bagian-bagian lain motor induksi
MONITORING harus mematikan kerja Motor
TUGAS AKHIR ini berfokus pada perancangansistem deteksi kerusakan rotor bar yang dapatdiaplikasikan secara online untuk monitoring motor induksi
Sistem DETEKSI KERUSAKAN ROTOR BAR BERBASIS WAVELET dinilai lebih unggul dari pada metodelain seperti FFT
2
Kerusakan Rotor Bar menyebabkan masalahyang serius bagi industri sehinggamemerlukan proses monitoring kondisi setiapsaat
Sistem deteksi kerusakan rotor bar berbasisFFT memiliki kelemahan dalam prosesimplementasi
Hampir sebagian besar motor induksimenggunakan pengendali inverter
Sistem deteksi kerusakan rotor bar secaraonline diperlukan untuk meminimalisirkerugian industri akibat proses maintenanceyang tidak terjadwal
Rumusan Masalah
3
1. Motor Induksi ROTOR SANGKAR 3 PHASA
2. Proses PENGAMBILAN DATA danANALISIS mengenai arus dilakukan padamotor induksi dalam keadaan STEADY STATE
3. Pengolahan sinyal berbasis padaDISCRETE WAVELET TRANSFORM (DWT) pada bagian Detail Coefficientnya
4. Analisis kerusakan dilakukan terhadapARUS OUTPUT INVERTER
Batasan Masalah
4
Alur Perancangan Sistem
Analisa karakteristikKERUSAKAN ROTOR
BAR
KonfigurasiPeralatan
PerancanganPengolahan sinyal
Perancangan Artificial Neural Network (ANN)
Pengujian SistemDeteksi Kerusakan
Rotor Bar
Analisis HasilPengujian
5
EksperimenPengolahan
Data
Karakteristik Kerusakan Rotor Bar
Deteksi Kerusakan Rotor Bar yang lain: Vibrasi, Panas, dan Starting
KURANG MAKSIMAL UNTUK MEMONITORING KERUSAKAN6
Distribusi arusrotor tidak uniform
Distribusi flukstidak sinusoidal
BACK EMFInduksi medan rotor -
stator
Induksi balik denganGGL yang terdistorsi
stator yang FREKUENSI TAMBAHAN pada arus stator yang lebih dan lebih kecil dari frekuensi
fundamental
7
Arus Output Inverter
Arus output inverter pada dasarnya merupakan arus sinusoidal terdistorsikarena keterbatasan proses switching komponen power electronics padaINVERTER
-1,5
-1
-0,5
0
0,5
1
1,5
0 0,05 0,1 0,15 0,2 0,25Aru
s(A
)
Waktu (s)
-2
-1
0
1
2
0 0,05 0,1 0,15 0,2 0,25Aru
s(A
)
Waktu (s)
NORMAL
4 KerusakanRotor
Normal8
Karakteristik Kerusakan Rotor Bar
Hasil FFT pada Arus Output Inverter
4 Kerusakan Rotor
Keseluruhan Sistem Deteksi Kerusakan
Variable Speed Drive
Motor Induksi 3 Phasa
File .xls
Peralatan
Pengukuran
Sinyal
Transformasi
Wavelet
Wavelet Details
File .xls
Analog to Digital
Converter
Artificial
Neural
Network
(ANN)Sinyal arus
Diagnosa
Kerusakan
Sumber 3
phasa
Power Detil
Density
(PDD)
Pembebanan
Mekanik
0,5 Nm
1,0 Nm
1,5 Nm
9
Konfigurasi Peralatan
Parameter Keterangan
Normal Tanpa Kerusakan Rotor Bar
4 BRB Kerusakan 4 Rotor Bar
Dipilih karena efekperubahan arus motor induksi yang paling besar:Perubahan Magnitude Arusfundamental
Lubang dibuat sama
3 m
m
3 mm
3 mm
Laminasi Rotor
Laminasi Rotor
Rotor Bar
Oscilloscope GRS 6052
AmplifierMensensing Arus, dan melindungioscilloscope
FREKUENSI SAMPLING merupakanparameter penting dalam prosesPEMECAHAN dan REKONSTRUKSI sinyal
Sampling5kS/s (20mv/div)
2kS/s(50mv/div)
11
Konfigurasi Peralatan
Perancangan Pengolahan Sinyal
Terdiri dari 2 TAHAPAN pengolahan sinyal
1. DISCRETE WAVELET TRANSFORM (DWT)
2. POWER DETAIL DENSITY (PDD)
METODE PENGOLAHAN sinyal digunakan untuk membentuk SistemDeteksi Kerusakan yang Dapat Diaplikasikan secara online
DWT akan memproses sinyal arus kedalam level dekomposisi yang memiliki band frekuensi tertentu
Proses pengolahan sinyal DWT-PDD dinilai lebih unggul dibandingkandengan FFT karena kemudahan dalam proses TRANSFORMASI sertaNORMALISASI PENSKALAAN
12
Listing Pengolahan Sinyal
DEUBACHES Keunggulan dalam dekomposisi sinyal ASIMETRI
13
Merupakan bentuk pengklasifikasian sinyal berdasarkan fungsiskala dan pergeseran (sampling)
Spesifikasi DWT
Jenis DWT Deubaches (db)
Orde 29
Level Dekomposisi 9
Sampling frekuensi 2/ 5 kS/detik
ORDE WAVELET akan menentukanKARAKTERISTIK FILTER dan FUNGSI PENSKALAANdipilih untuk meminimalisir adanya INTERPOLASI (irisan) antaradua level dekomposisi
Perancangan Pengolahan sinyal
14
PEMECAHAN
TRANSFORMASI
REKRONSTRUKSI
a[n]
d[n]
a[n]
d[n]2
2
2
2
a1
d1
d2
a2
1000 data
S
500 data
500 data
250 data
250 data
SINYAL SUMBER FUNGSI SKALA FUNGSI WAVELET
Perancangan Pengolahan sinyal
00
50
100
150
200
250
300
d1 d2 d3 d4 d5 d6 d7 d8 d9
Mag
nit
ud
e
Dekomposisi DWT-PDD
15
S
d1
d2
d3
d4
d5
d6
d7
d8
d9
a9
PDD
Perancangan Pengolahan sinyal
START
Rekronstruksi sinyal hasil
pengukuran
Memecah sinyal dengan
fungsi Highpass dan
Lowpass filter
Apakah level
telah sesuai ?
Input data sinyal
hasil pengukuran
Rekronstruksi sinyal pada
tiap level dekomposisi
END
Ya
Tidak
Transformasi Wavelet
berdasarkan fungsi skala
dan waktu
START
Proses Dekomposisi Wavelet
Rekronstruksi sinyal pada tiap
level dekomposisi
Perhitungan PDD pada tiap
level dekomposisi
Penyimpanan data dalam
format .xls
Representasi Grafik
END
DWT PDD
16
Perancangan ANN
Spesifikasi ANN
Fungsi
Pembelajaran
Trainlm
(backpropagation)
Input Layer 9 Neuron
Hidden Layer 250 Neuron
Output Layer 2 Neuron
Iterasi Maksimal 1000
Fitur Sinyal
156 data
80% untuk training
10% untuk validasi
10% untuk test
17
START
Membandingkan nilai
error
Err = Err’Penambahan unit
tersembunyi baru
Pelatihan unit
tersembunyi
baru
Reduksi jaringan
Normalisasi Input dengan
fungsi normalisasi
Inisiasi pelatihan,
penimbang, nilai awal
Mencari struktur
yang paling
minimum
Pelatihan
jaringan
tereduksi
END
ya
tidak
ya
tidak
Diagnosa Otomatis dengan ANN
0
5
10
15
0 20 40 60 80 100 120 140 160
Nila
i Ta
rge
t
Data ke--30
-20
-10
0
10
20
30
0 20 40 60 80 100 120 140 160Nila
i Tar
get
Data ke-
-30
-20
-10
0
10
20
30
0 20 40 60 80 100 120 140 160Nila
i Err
or
Data ke
TARGET ANN OUTPUT ANN
ERROR
Pengujian 1: Sistem Secara Keseluruhan
19
Sistem mampu mendeteksi KERUSAKAN ROTOR BAR denganmenunjukkan selisih antara kondisi NORMAL dan RUSAKpada Arus output inverter
00
50
100
150
200
250
300
d1 d2 d3 d4 d5 d6 d7 d8 d9
Mag
nit
ud
o
Dekomposisi DWT-PDD
Normal
4 brb
d1 d2 d3 d4 d5 d6 d7 d8 d9
Normal 33,1 16,3 8,4 3,4 2,7 246,6 6,7 6,7 6,3
4 BRB 44,2 23,8 9,9 5,5 2,2 251,3 6,6 7,0 8,0
Pengujian 2: Frekuensi Sampling Berbeda
Detail Dekomposisi DWT 2000 S/detik 5000 S/detik
Level 1 390 - 1000 Hz 950 - 2500 Hz
Level 2 180 - 630 Hz 450 - 1600 Hz
Level 3 90 - 230 Hz 200 - 850 Hz
Level 4 48 - 143 Hz 100 - 400 Hz
Level 5 38 - 78 Hz 40 - 200 Hz
Level 6 15- 40 Hz 23 - 80 Hz
Level 7 6 – 20 Hz 12 - 50 Hz
Level 8 2 - 10 Hz 2,5 - 23 Hz
Level 9 0 - 6 Hz 0 – 14 Hz
20
00
50
100
150
200
250
300
d1 d2 d3 d4 d5 d6 d7 d8 d9
Mag
nit
ud
o D
WT
-PD
D
Dekomposisi DWT-PDD pada 5kS/detik
00
50
100
150
200
250
300
d1 d2 d3 d4 d5 d6 d7 d8 d9
Mag
nit
ud
o D
WT
-PD
D
Dekomposisi DWT-PDD pada 2kS/detik
Normal
4 brb
Pengujian 3: Pembebanan Bervariasi
000050100150200250300
d1 d2 d3 d4 d5 d6 d7 d8 d9Mag
nit
ud
o D
WT
-PD
D
Dekomposisi DWT-PDD
Normal
4 BRB
000
100
200
300
400
d1 d2 d3 d4 d5 d6 d7 d8 d9
Mag
nit
ud
oD
WT
-PD
D
Dekomposisi DWT-PDD
Normal
4 BRB
000
100
200
300
400
500
d1 d2 d3 d4 d5 d6 d7 d8 d9Mag
nit
ud
o D
WT-
PD
D
Dekomposisi DWT-PDD
Normal
4 BRB
0,5 Nm
1,0 Nm
1,5 Nm
21
Pengujian 4: Perbandingan Teori - Pengujian
Kondisi slip saat 0 Nm f.brb 0 Nm slip saat 0,5 Nm f.brb 0,5 Nm
4 BRB 0,01 49,27 50,73 0,03 47,33 52,67
Kondisi slip saat 1,0 Nm f.brb 1,0 Nm slip saat 1,5 Nm f.brb 1,5 Nm
4 BRB 0,06 44,33 55,67 0,09 40,53 59,47
00
50
100
150
200
250
300
d1 d2 d3 d4 d5 d6 d7 d8 d9
Mag
nit
ud
o D
WT
-PD
D
Dekomposisi DWT-PDD pada 5kS/detik
00
50
100
150
200
250
300
d1 d2 d3 d4 d5 d6 d7 d8 d9
Ma
gnit
ud
o D
WT-
PD
D
Dekomposisi DWT-PDD pada 2kS/detik
Normal
4 brb
22
Hasil Perhitungan
Hasil Pengujian
Pengujian Sistem dan Analisa
Sinyal pengujian ke- Kondisi sebenarnya Target ANN Output ANN Error Diagnosa
1 4 brb 10 13 3 4 brb
2 4 brb 10 4 -6 Normal
3 4 brb 10 11 1 4 brb
4 4 brb 10 7 -3 4 brb
5 4 brb 10 15 5 4 brb
6 4 brb 10 11 1 4 brb
7 4 brb 10 8 -2 4 brb
8 4 brb 10 11 1 4 brb
9 4 brb 10 9 -1 4 brb
10 4 brb 10 -3 -13 Normal
11 Normal 0 0 0 Normal
12 Normal 0 2 2 Normal
13 Normal 0 6 6 4 brb
14 Normal 0 2 2 Normal
15 Normal 0 0 0 Normal
16 Normal 0 -4 -4 Normal
17 Normal 0 -1 -1 Normal
18 Normal 0 0 0 Normal
19 Normal 0 15 15 4 brb
20 Normal 0 -1 -1 Normal23
KESIMPULAN
PDD-DWT MAMPU MENDETEKSI KERUSAKAN ROTOR BAR motorinduksi dengan mengklasifikasikan sinyal arus menjadi beberapa bandfrekuensi
Frekuensi sampling hanya akan mempengaruhi band klasifikasifrekuensi DWT dan tidak merusak proses rekronstruksi magnitudospektrum,
VARIASI PEMBEBANAN akan mempengaruhi besar magnitudo sinyalarus namun TIDAK MEMPENGARUHI PDD-DWT
PENAMBAHAN PERANGKAT ANN mampu mendiagnosa kerusakandengan 20% kesalahan melalui proses pengujian yang melibatkan 20 sample sinyal.
24
PENUTUP
SEKIAN DAN TERIMA KASIH
25