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