Upload
vuhuong
View
226
Download
0
Embed Size (px)
Citation preview
PROGRAM STUDI S-1 TEKNIK FISIKAJURUSAN TEKNIK FISIKA
Fakultas Teknologi IndustriInstitut Teknologi Sepuluh Nopember
Surabaya 2011
DIAN NUR HAYATI2407 100 039
PembimbingDr. Dhany Arifianto, ST, M.Eng
NIP. 19731007 199802 1 001
Latar BelakangLatar Belakang
Penggantian penggunaan pirantisensor vibrasi dengan sensor mikrofon yang harganya lebihterjangkau
Memudahkan operator untukmemonitoring dan memperbaikimesin bila terjadi indikasi kerusakan, khususnya mesin yang berputar
Aplikasi pemisahan sinyal suarauntuk deteksi kerusakan mesin di riillapangan
Accelerometer
Mikrofon
Tujuan
Mengetahui performansi dari metode pemisahan sinyal BSS model ICA di riil lapangan, dimana pada kondisi ini terdapat banyak suara mesin dan noise dari lingkungan yang tertangkap oleh sensor mikrofon array.
Batasan Masalah
1. Sensor berupa mikrofon array bertipe super cardioid (Behringer XM1800)2. Tahap penggunaan blind source separation berada pada kondisi wide sense
stationary (WSS) dan setiap suara mesin terdistribusi secara bebas atau Independent and Identically Distributed (IID).
3. Metode yang dipakai untuk memisahkan sinyal suara mesin adalah BSS model Independent Component Analysis berdasarkan pencampuran convolutive mixture.
4. Variabel yang dianalisis adalah spektrum suara mesin.
Performansi metode BSS akan menurun bila diterapkan di riil lapangan
HIPOTESA AWAL
Seberapa turunkah performansi darimetode BSS di riil lapangan???
MSE : TDICA = 0,18 FDICA = 0,2
MSE : TDICA = 0,9FDICA = 1,08
Di Ruang Kedap Suara Di Riil Plant
Tinjauan Pustaka
Mesin Berputar
Gelombang Bunyi
Blind Source Separation
ZT = Sumber SuaraA= Matrik PercampuranW= Matrik PemisahanXT = Campuran Suara
YT = Estimasi Suara dari Hasil Pemisahan
Proses Pemisahan
METODOLOGI PENELITIAN
1. Penentuan titik pengukuran mesin CWP di PT.GresikPower Indonesia (The Linde Group)
Mesin Pompa CWP
1. Circulating Water Pumps2. Kapasitas--5,860 m3/h
NDE DE
Titik Peletakan Sensor
2. Proses Perekaman Sinyal Suara Mesin Pompa
Hardware : Mikrofon Behringer XM1800S , Multi Channel (M-Audio Fast Track Ultra)Software : Adobe Audition 3.0 Setting Perekaman : Mono, 32 bit (recording depth), 32 bit (audio mix down), vol.15 dan
frekuensi sampling 44100 Hz, hasil rekaman dalam format .wavProses Perekaman : single channel (sinyal baseline) dan multi channel (sinyal campuran)
3. Proses Pengolahan Sinyal Suara dengan Software Matlab 2009
DE
Sinyal Baseline
NDE
Sinyal CampuranDE
NDE
Hasil Pemisahan Sinyal Campuran
DE TDICA
DE FDICA
NDE TDICA
NDE FDICA
Frekuensi Sesaat Sinyal Hasil Pemisahan
BASELINE DE
TDICA FDICA
Frekuensi Dominan :2x105 cpm
6,7x105 cpm
BASELINE NDE
TDICA FDICA
Frekuensi Sesaat Sinyal Hasil Pemisahan
Frekuensi Dominan :6,8x105 cpm
4. Perhitungan Performansi dari Metode ICA dengan Menggunakan MSE
Masukan DE NDE
Sinyal 1 1,3359 1,1595
Sinyal 2 1,0039 0,5472
Sinyal 3 1,3914 1,0617
Masukan DE NDE
Sinyal 1 1,0273 1,0093
Sinyal 2 0,7074 0,6911
Sinyal 3 0,8692 1,0423
TDICA
FDICA
MSE Rata-Rata :TDICA = 0,9FDICA = 1,08
Validasi Metode Penelitian dengan Metode Vibrasi
DE
BFP Pump A - NDE pump - Axial - A cc Freq 300000 CPM
CPM0 20,000 40,000 60,000 80,000 100,000 120,000 140,000 160,000 180,000 200,000 220,000 240,000 260,000 280,000 300,000
m/s
/s rm
s
0
1
2
3
4
5
0.081 m/s/s3000 CPMCursor A:O/A ll 9.437 m/ s/ s rms
5.6084
-0.1077
25- Mar -11 1:57: 50 P MO/A ll 6.199 m/s/s rms<set RP M>
19- Apr -11 2:14: 04 P MO/All 9.437 m/s/s rm s<se t RP M>
NDE
DE
Akustik Vibrasi 2x105 cpm 2,5x105 cpm
6,7x105 cpm 6,3x105 cpm
NDE Akustik Vibrasi
6,8x105 cpm 6,2x105 cpm
Perbandingan Frekuensi Dominan Antara Metode Akustik dengan Vibrasi
Terjadi Pergesaran Frekuensi Dominan Antara MetodeAkustik dengan Vibrasi
Mencari Besarnya Pergeseran Antara Metode Akustik dengan Vibrasi
Pompa Air
Akustik Vibrasi48 Hz 49,1430 Hz
Frekuensi Dominan
Analisa Bising Latar
Posisi Sensor
Ltotal = 10 log(10L1/10+10L2/10+………+10Ln/10)L1= 98,5 dBL2= 97,7 dBL3= 97,6 dBL4= 99,3 dBL5= 98,2 dBL6= 97,5 dBL7= 97,7 dBLtotal = 106,57
x1 x3x2
X1= 8,07 dBX2 =8,87 dBX3 =8,97 dB
Noise
Frekuensi Sesaat untuk Dua Mesin Berbeda dalam Kondisi Sama
Normal
Pompa Air CWP
Jenis Mesin Peak 1 Peak 2 Peak 3
Pompa Air 50 Hz 1750 Hz 2650 Hz
CWP 1000 Hz 3200 Hz 11.000 Hz
KESIMPULAN
1. Pemisahan sinyal suara dengan metode ICA pada riil lapangansudah bisa dilakukan dengan nilai MSE 0,9 untuk TDICA dan 1.08untuk FDICA. Dari sini bisa dilihat bahwa metode TDICA lebihunggul bila dibandingkan dengan metode FDICA.
2. Performansi dari metode ICA semakin menurun, Ini ditunjukkandengan nilai MSE yang semakin besar bila dibandingkan dengannilai MSE yang dihasilkan pada penelitian sebelumnya yangdilakukan di laboratoium. Pada penelitian sebelumnya nilai dariMSE yang dihasilkan untuk memisahkan sinyal suara adalah 0,18untuk TDICA dan 0,2 untuk FDICA di ruang kedap. Sedangkanuntuk penelitian di halaman Teknik Fisika adalah 0,58 untukTDICA dan 0,6 untuk FDICA
3. Frekuensi dominan yang dihasilkan oleh metode vibrasi adalah 2,5x105
cpm dan 6,3x105 cpm untuk mesin DE dan 6,2x105 cpm untuk mesinNDE. Sedangkan frekuensi dominan untuk metode akustik adalah 2x105
cpm dan 6,7x105 cpm, untuk mesin NDE adalah 6,8x105 cpm. Hasil yangseharusnya adalah frekuensi untuk vibrasi lebih tinggi dibandingkanmetode akustik, kenyataan di riil lapangan menunjukkan hasil lain, yangmana metode akustik mempunyai frekuensi yang lebih besar. Inidisebabkan adanya bunyi latar yang tinggi sebesar 106,57 dB, sehinggabunyi yang ditangkap sensor mengalami penguatan sehingga mempunyaifrekuensi yang tinggi.
4. Pada penelitian ini belum diketahui pola khusus untuk masing-masingkondisi pada mesin.
KESIMPULAN
Saran
1. Dilakukan pengkajian ulang terhadapalgoritma dasar ICA, agar performansi daripemisahan dengan metode ini meningkatwalaupun bising latar juga semakin tinggi.
2. Penelitian tentang pola-pola khusus yangdihasilkan mesin putar ketika mengalamikerusakan sehingga metode akustik samaseperti metode vibrasi yang mempunyaistandart spektrum khas untuk masing-masingkerusakan.
[1] Newland, D.E., 2005, “An Introduction to Random Vibrations, Spectral and Wavelet Analysis”, Dover Publishing Co., New York, 2005.
[2] Anda, AR, “Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik”, Tugas Akhir, ITS, 2006.
[3] Rahmadana, Yuniar., “Penentuan Pola Suara Mesin Berputar pada Beberapa Kondisi Kerusakan dengan Metode Frukensi Sesaat”,Tugas Akhir, ITS, 2007
[4] Tris Atmaja, Bagus., “Pemisahan Banyak Sumber Suara Mesin Dari Microphone Array Dengan Metode Independent Componen Analysis (ICA) Untuk Deteksi Kerusakan,” Tugas Akhir, ITS, 2008.
[5] Firmanda, Septian,”IdentifikasiI Secara Serentak Kerusakan Mesin Menggunakan Independent Component Analysis Berdasarkan Convolutive Mixture,” Tugas Akhir, ITS, 2010.
[6] Yunata, Aris Surya, “Identifikasi Kerusakan Mesin Secara Serentak di Ruang Terbuka dengan Independent Component Analysis,” Tugas Akhir, ITS, 2010.
[7] Girdhar, Paresh., 2004, ”Practical Machinery Vibration Analysis andPredictive Maintenance”, Oxford, Newnes Inc.
Daftar Pustaka
[8] http://en.wikipedia.org/wiki/Microphone_array[9] Douglas, SC., 2001, “Microphone Array Technique and Application: BSS of Acoustic
Signal.” (Bredstein-D.Ware, Eds.), Berlin: Springer Inc.[10] Parra, Lucas., 2002,”Tutorial on Blind Source Separation and Independent Component
Analysis”, Adaptive image and signal processing group, Sarnoff Corporation.[11] Hansen, lars K. Kongsgaard, Rasmus.,”Estimating the number of sources in a noisy
convolutive mixture using Bic,” Denmark, informatics and mathematical modeling,B321[12] http://www.mit.edu/~gari/teaching/6.555/SLIDES/BSShandouts.pdf[13] Hicham, Shahram, Yannick.,2010,”Devillenoisy Cyclo-Stationary BSS Using Frequency
DomainPseudo-Correlation”, Denmark, 18th European Signal Processing Conference (EUSIPCO-2010).
[14] http://www.math.ntu.edu.tw/~hchen/teaching/StatInference/notes/lecture32.pdf[15] http://en.wikipedia.org/wiki/Mean_squared_error[16] http://en.wikipedia.org/wiki/File:Stationarycomparison.png
ARIGATOU GOZAIMASTA
Pengukuran Medan DekatUntuk mengetahui distribusi sinyal suara mesin, sehingga
diperoleh titik yang dapat mewakili sinyal suara.
Penentuan jarak antara sensor dengansumber
Letak titik pengukuran
Penentuan jarak antar sensor
Untuk menghindari terjadinya fenomena spatial aliasing,maka jarak antara sensor harus harus lebih kecil darisetengah panjang gelombang suara.
Dimana :d= jarak maksimum antar sensor agar tidakterjadi fenomena aliasing
d < 1/2fmax