Ramdhani Sahdori (2020) DETEKSI KERUSAKAN PADA ELEMEN RODA GIGI BERBASIS SINYAL GETARAN PADA TURBIN ANGIN HORIZONTAL AXIS DENGAN METODE PRINCIPAL COMPONENT ANALISYS. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (683kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (3MB)
Abstrak.pdf
Restricted to Registered users only
Download (104kB)
Bab I.pdf
Download (193kB)
Bab II.pdf
Restricted to Registered users only
Download (987kB)
Bab III.pdf
Restricted to Registered users only
Download (744kB)
Bab IV.pdf
Restricted to Registered users only
Download (348kB)
Bab V.pdf
Restricted to Registered users only
Download (101kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (241kB)
Lampiran.pdf
Restricted to Registered users only
Download (108kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (475kB)
Full Text.pdf
Restricted to Repository staff only
Download (2MB)
Abstract
Turbin angin adalah salah satu energi terbarukan yang sudah banyak di manfaatkan oleh industry. Komponen yang terdapat pada turbin angin horizontal axis yaitu bearing, rumah bearing, dan roda gigi. Kerusakan pada komponen turbin angin tidak dapat di prediksi sehingga dapat mengakibatkan kerugian yang sangat tinggi, komponen yang biasa terjadi kerusakan yaitu roda gigi karena roda gigi yang berfungsi sebagai penghubung dan memilikin beban berat yang dapat mengalami patah pada gigi pada roda gigi. Oleh sebab itu diperlukan penelitan untuk mengembangkan dan mengidentifikasi kerusakan pada roda gigi, makalah ini menyajikan metode yang dapat mengidentifikasi kerusakan pada roda gigi dengan memantau getaran pada turbin angin berdasarkan analisis statistic domain waktu dan principal component analisys (PCA). Data getaran dikumpulkan dan diuji pada kondisi normal dan cacat dengan menggunakan PCA yang menghasilkan matriks data. Matriks data tersebut di kalikan dengan data pengujian yang memberikan matriks skor yang digunakan untuk mengklasifikasi kerusakan pada roda gigi. Hasil penelitian menunjukan bahwa metode PCA berhasil mengubah data asli dari 7 parameter statistic menjadi 7 komponen utama (PC) dengan varina makimum. 2 PC memberikan 95% varian yang dapat mengidentifikasi antara kondisi normal dan cacat.
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknik Mesin S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 11 Oct 2021 07:51 |
Last Modified: | 11 Oct 2021 07:51 |
URI: | https://etd.umy.ac.id/id/eprint/2534 |