<![CDATA[Motor induksi memiliki berbagai keunggulan dibandingkan dengan motor listrik jenis yang lain karena kontruksinya yang sederhana, handal dan berharga murah. Meskipun memiliki konstruksi yang kuat, bukan berarti motor induksi tidak pernah mengalami kerusakan. Kerusakan bagian motor yang sering terjadi adalah kerusakan bearing. Fault diagnosis (FD) secara kontinue diperlukan untuk mengantisipasi terjadinya kerusakan lebih parah, menjaga keandalan, menekan biaya perawatan, dan tindakan perawatan tepat waktu. Kebisingan lingkungan tidak dapat dihindari dari lokasi motor, sehingga pada penelitian ini FD akan diuji pada beberapa tingkat kebisingan lingkungan. Penelitian ini mengusulkan pengembangan FD elemen bearing dengan teknik non-invasive berdasarkan sinyal suara dengan mempertimbangkan pengaruh kebisingan lingkungan. Filtering sinyal suara harus dilakukan dengan cermat agar hasil deteksi tidak diragukan. Band-pass filter diterapkan untuk memberikan informasi frekuensi resonansi yang menggambarkan kondisi elemen bearing. Data analisis dan feature extraction menggunakan pendekatan fast fourier transform dan analisis spectrum. FD yang dikembangkan berupa hardware yang dirancang menggunakan Raspberry pi dengan software Phyton. Pengembangan ini menawarkan FD yang real-time dimana sinyal suara langsung diproses sehingga hasil diagnosis dapat ditampilkan di LCD. Signifikasi hasil penelitian adalah menawarkan sistem monitoring kondisi motor dengan hardware yang dikembangkan sehingga hasil deteksi lebih cepat, mudah, murah, dan akurasi tinggi meskipun ada pengaruh kebisingan lingkungan. Dengan metode yang diusulkan mendapatkan akurasi deteksi sebesar 95.58%.]]>
Copyrights © 2024
