| dc.contributor.advisor | kAMIEL, BERLI P | |
| dc.contributor.advisor | RIYANTA, BAMBANG | |
| dc.contributor.author | PRASTOMO, NIKO | |
| dc.date.accessioned | 2018-12-24T06:35:10Z | |
| dc.date.available | 2018-12-24T06:35:10Z | |
| dc.date.issued | 2018-08-27 | |
| dc.identifier.uri | http://repository.umy.ac.id/handle/123456789/23523 | |
| dc.description | Kavitasi merupakan fenomena yang sering terjadi pada pompa sentrifugal. Efek dari kavitasi
ini dapat menurunkan kinerja pompa dan jika dibiarkan terlalu lama akan menyebabkan
kerusakan komponen dalam pompa. Dewasa ini metode yang populer digunakan untuk
mendeteksi kavitasi adalah metode analisis sinyal getaran. Umumnya dalam analisis sinyal
getaran terdapat dua basis yaitu ekstraksi parameter statistik menggunakan domain waktu dan
domain frekuensi. Penelitian terdahulu biasanya cenderung menggunakan fitur parameter
statistik dari domain waktu saja ataupun domain frekuensi saja. Sehingga masih terdapat celah
penelitian yang dapat dilakukan dengan mengkombinasikan antara domain waktu dan domain
frekuensi. Untuk mendapatkan hasil yang lebih akurat dilakukan optimalisasi lebih lanjut
menggunakan Principal Component Analysis (PCA). PCA dapat mentransformasi data sinyal
getaran secara linier dan kemudian mengklasifikasikan data tersebut sehingga dapat
membedakan kondisi operasi normal dan kavitasi.
Akuisisi data sinyal getaran dilakukan menggunakan skema alat Test-rig kavitasi dengan cara
memvariasikan tutupan katup pada sisi suction pompa. Data sinyal getaran diambil pada
kondisi normal dengan kondisi katup terbuka penuh, kavitasi level 1 pada tutupan katup sebesar
25%, kavitasi level 2 sebesar 50%, dan kavitasi level 3 sebesar 75%. Kemudian data tersebut
diekstraksi ke dalan 7 fitur parameter statistik domain waktu dan 5 parameter statistik dari
domain frekuensi. Dari total 500 data yang direkam menggunakan accelerometer dibagi
menjadi 400 data training – 100 data testing. Data training dinormalisasi dengan PCA dan
menghasilkan data loading matriks. Kemudian, data loading matriks dikalikan dengan data
testing sehingga menghasilan score yang digunakan untuk mengklasifikasikan setiap kondisi
pengujian.
Hasil pengujian menunjukan bahwa PCA yang memanfaatkan kombinasi dari fitur parameter
statistik domain waktu dan domain frekuensi bukan merupakan metode yang paling optimal.
PCA yang menggunakan parameter statistik domain frekuensilah yang menunjukan hasil
paling optimal dalam mendeteksi kavitasi. | en_US |
| dc.description.abstract | Cavitation is the phenomenon which often happened on sentrifugal pump. The impact of
cavitation can cause decreasing of pump activities. It might cause the damage if it left
unchecked too long. Recently, the popular method used to detect cavitation is vibration signal
analysis method. The extraction of statistical parameters using the time domain and frequency
domain are the two general basiss in vibration signal analysis. Previous research usually tends
to use the statistical parameter feature in time domain or the frequency domain only, so there
is still research gap that can be done by combining the time domain and frequency domain. To
get more accurate results, further optimization is done using Principal Component Analysis
(PCA). PCA can transform vibration signal data linearly and then classify the data, so that it
can distinguish normal operating condition and cavitation.
The acquisition of vibration signal data was carried out using the Test-rig cavitation scheme by
varying the valve cover on the suction side of the pump. Vibration signal data was taken under
normal condition with valve fully open condition, level 1 cavitation on valve cover by 25%,
level 2 cavitation at 50%, and level 3 cavitation at 75%. Then the data was extracted into 7
features statistical parameter in time domain and 5 statistical parameters of the frequency
domain. From 500 data recorded using accelerometer , the data were divided into 400 data
training - 100 testing data. Data training was normalized with PCA and produced matrix
loading data. Then, the data loading matrix was multiplied by testing data so that the score
result was used to classify each test condition.
The test results showed, PCA which use combination of features in time domain and frequency
domain statistical parameters is not the most optimal method. The most optimal result in
detecting cavitation was shown by PCA which used frequency parameters. | en_US |
| dc.publisher | FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH YOGYAKARTA | en_US |
| dc.subject | centrifugal pump, cavitation, vibration signal, extraction of statistical parameters, time domain, frequency domain, Principal Component Analysis (PCA). | en_US |
| dc.title | EKSTRAKSI PARAMETER STATISTIK PADA DOMAIN WAKTU DAN DOMAIN FREKUENSI UNTUK MENDETEKSI KAVITASI PADA POMPA SENTRIFUGAL BERBASIS PRINCIPAL COMPONENT ANALYSIS (PCA) | en_US |
| dc.type | Thesis
SKR
F T
655 | en_US |
