Short Time Fourier Transform (STFT) sebagai Feature Extraction Deteksi Kerusakan Inner Race Bearing Motor Induksi Secara Realtime Menggunakan Sinyal Suara

Iradiratu Diah Prahmana Karyatanti (1), Belly Yan Dewantara (2), Fitrya Salsabillah (3)
(1) ,
(2) ,
(3)
https://doi.org/10.30651/cl.v6i2.19511

Artikel Sidebar

Terbitan
Vol 6 No 2 (2023): CYCLOTRON
PDF

Abstrak

Motor induksi merupakan motor listrik yang dapat mengubah energi listrik menjadi energi mekanik. Motor induksi banyak digunakan didalam dunia industri sebagai penggerak utama karena memiliki tingkat kehandalan yang tinggi, perawatan yang mudah, konstruskisnya sederhana dan harganya murah. Bearing merupakan komponen pendukung dari motor induksi yang membantu rotor agar dapat berputar secara bebas. Salah satu kerusakan terbesar yang terjadi pada motor induksi yang sering ditemui adalah kerusakan bearing. Hampir sekitar 41-44% kasus kerusakan motor induksi yang terjadi pada bearing. Penelitian ini akan mengembangkan monitoring kondisi inner race bearing secara realtime menggunakan raspberry pi melalui sinyal suara dengan metode Short Time Fourier Transform (STFT). Metode ini lebih efektif karena STFT dapat memberikan informasi spektrum frekuensi pada seluruh nilai amplitudo yang telah melalui proses windowing. Pada penelitian ini feature extraction  dengan pendekatan STFT untuk deteksi kerusakan inner race bearing menghasilkan akurasi sebesar 98.7%. Kontribusi hasil penelitian adalah tool yang dihasilkan merupakan alternatif solusi dalam mendeteksi kerusakan pada inner race bearing motor induksi yang akurat.

Artikel teks lengkap

##article.generated_from_xml##

Referensi

Inayati, W., & Effendy, M. (2021). Identifikasi Kerusakan Outer Race Bearing…. Journal of Mechatronic and Electrical Engineering, 1(1), 8–18. http://ejournal.umm.ac.id/index.php/jmee.

Alshorman, O., Alkahatni, F., Masadeh, M., Irfan, M., Glowacz, A., Althobiani, F., Kozik, J., & Glowacz, W. (2021). Sounds and acoustic emission-based early fault diagnosis of induction motor: A review study. Advances in Mechanical Engineering, 13(2), 1–19. https://doi.org/10.1177/1687814021996915

Aninapure, A., Siahpour, S., Li, X., Majid, F., & Lee, J. (2022). Intelligent Robust Cross-Domain Fault Diagnostic Method for Rotating Machines Using Noisy Condition Labels. Mathematics, 10(3), 1–17. https://doi.org/10.3390/math10030455

Lee, W. J., Xia, K., Denton, N. L., Ribeiro, B., & Sutherland, J. W. (2021). Development of a speed invariant deep learning model with application to condition monitoring of rotating machinery. Journal of Intelligent Manufacturing, 32(2), 393–406. https://doi.org/10.1007/s10845-020-01578-x

Purnamasari, E. R., D.P.K, I., & Belly Yan Dewantara. (2019). Monitoring Kondisi Ball Bearing Pada Motor Induksi Melalui Analisa Arus Stator Berbasis Wavelet Transform. Prosiding SNST, 10, 48–53

Navasari, E. V. A. (2018). Deteksi Kerusakan Bearing Motor Induksi Dengan Analisa Arus Starting Menggunakan Transformasi Wavelet.

Fathurrohman, M., Lambang G. H, R. L., & Susilo, D. D. (2019). Diagnosa Kerusakan Bantalan Bola Menggunakan Metode Support Vector Machine. Mekanika: Majalah Ilmiah Mekanika, 18(1), 14–21. https://doi.org/10.20961/mekanika.v18i1.35041

Cao, L., Shen, Y., Shan, T., Xia, Y., Wang, J., & Lin, Z. (2019). Bearing Fault Diagnosis Method Based on GMM and Coupled Hidden Markov Model. Proceedings - 2018 Prognostics and System Health Management Conference, PHM-Chongqing 2018, 932–936. https://doi.org/10.1109/PHM-Chongqing.2018.00166

Zamudio-Ramirez, I., Osornio-Rios, R. A., Antonino-Daviu, J. A., CureñoOsornio, J., & Saucedo-Dorantes, J. J. (2021). Gradual wear diagnosis of outer-race rolling bearing faults through artificial intelligence methods and stray flux signals. Electronics (Switzerland), 10(12). https://doi.org/10.3390/electronics10121486

Nirwan, N. W., & Ramani, H. B. (2021). Condition monitoring and fault detection in roller bearing used in rolling mill by acoustic emission and vibration analysis. Materials Today: Proceedings, 51(xxxx), 344–354. https://doi.org/10.1016/j.matpr.2021.05.44

Ashshiddieqy, M. H., Jondri, & Rizal, A. (2020). Klasifikasi Suara Paru Dengan Convolutional Neural Network (CNN). EProceedings of Engineering, 7(2), 8506–8512

Sun, D., Xu, Z., & Yuan, Y. J. (2017). Detection of abnormal noises from tapered roller bearings by a sound sensing system. 2017 24th International Conference on Mechatronics and Machine Vision in Practice, M2VIP 2017, 2017-Decem, 1–4. https://doi.org/10.1109/M2VIP.2017.8211504

Penulis

Iradiratu Diah Prahmana Karyatanti
Belly Yan Dewantara
Fitrya Salsabillah
fsalsabillahh@gmail.com (Kontak utama)
Prahmana Karyatanti, I. D., Dewantara, B. Y., & Salsabillah, F. (2023). Short Time Fourier Transform (STFT) sebagai Feature Extraction Deteksi Kerusakan Inner Race Bearing Motor Induksi Secara Realtime Menggunakan Sinyal Suara. CYCLOTRON, 6(2). https://doi.org/10.30651/cl.v6i2.19511
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS) BibTeX

Hak cipta berada di tangan penulis

Artikel yang terbit dapat digunakan di bawah lisensi Creative Commons Atribusi Non-Komersial 4.0 Internasional 

Anda diperbolehkan:
Berbagi  menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
Adaptasi  menggubah, mengubah, dan membuat turunan dari materi ini
Pemberi lisensi tidak dapat mencabut ketentuan di atas sepanjang Anda mematuhi ketentuan lisensi ini.

Berdasarkan ketentuan berikut:
Atribusi  Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.

NonKomersial Anda tidak dapat menggunakan materi ini untuk kepentingan komersial.

Rincian Artikel