Volume XLVI, No.l, Mei 2011, pp 1-5
Analisa Gelombang Arus Motor
ANALlSA GELOMBANG
ARUS MOTOR
(Motor Current Signature Analysis MSCA) Oleh : Gunawan Sukaca
ABSTRAK
Motor Current Signature Analysis (MCSA) adalah suatu metoda untuk mendeteksi kerusakan suatu motor dengan cara menganalisa spektrum frekuensi dari arus statornya. Pada motor yang mengalami kerusakan, spektrum harmonisa pad a arus statornya berbeda dengan spektrum harmonisa pada motor yang sehat, sehingga kerusakan pada motor dapat dideteksi. Dengan metoda MCSA dapat dideteksi beberapa kerusakan yang terjadi pad a sebuah motor, antara lain: Ketidak-seimbangan sela udara (air-gap eccentricity), kerusakan rotor bar (breakage rotor bar), kerusakan bearing (bearing cracks), dan kerusakan stator (stator winding faults). Yang mana kerusakan-kerusakan tersebut merupakan kondisi yang sering muncul pada sebuah motor.
"
kata kunci : Motor Current Signature Analysis.
ABSTRACT
Motor Current Signature Analysis (MCSA) is a method to detect damage in a motor by analyzing its frequency spectrum and stator current. In a damaged motor, the harmonic spectrum of the stator current is different with that of a good motor, therefore the motor damage can be detected. MCSA can detect some damages of a motor, such as air-gap eccentricity, rotor bar breakage, bearing cracks, stator winding faults. Those are conditions frequently found in a motor. Keywords:
Motor Current Signature Analysis.
PENDAHULUAN Motor adalah salah satu peralatan listrik yang sangat sering digunakan dalam industri. Kegagalan operasi sebuah motor dalam suatu proses produksi dapat menyebabkan kerugian yang sangat besar dalam beberapa industri. Untuk mengantisipasi hal itu maka deteksi dini kerusakan motor sebelum motor mengalami mati operasi secara mendadak sangat penting untuk mengurangi kerugian produksi. 8eberapa langkah dilakukan untuk mengetahui kinerja motor dan menjaga performansinya, diantaranya inspeksi rutin, pemeliharaan periodik dan pengamatan online. Dari beberapa langkah yang dilakukan diatas, diambil beberapa variabel yang digunakan untuk mengetahui performansi 8erita Litbang Industri
dari motor. Dua jenis variabel penting yang digunakan adalah variabel mekanis dan elektris, diantaranya vibrasi, noise, putaran, tarsi untuk variabel mekanis dan untuk elektris adalah tegangan, arus, daya, dan harmonik. 8anyak metode yang telah dikembang kan untuk menganalisa performansi motor secara on-line, diantaranya adalah berdasarkan arus stator motor, atau yang sering disebut Motor Current Signature Analysis (MCSA). Dari penelitian yang telah dilakukan menunjukkan bahwa terdapat perbedaan spektrum harmonik arus stator antara motor yang masih normal dan yang mengalami kerusakan. Dan jenis kerusakan
1
Analisa Gelombang Arus Motor
Volume XLVI, No.l, Mei 2011, pp 1-5
juga dapat dideteksi dari bentuk spektrum harmonik arus motor. Deteksi secara dini kerusakan pada motor sangat diperlukan, terutama pada motor listrik yang menjadi bagian penting suatu proses pada industri. Diagnosis secara on-line adalah tindakan prefentif yang sangat baik untuk motor ini, sehingga setiap saat jika terdapat gejala kerusakan motor dapat langsung terdeteksi. (a)
PEMBAHASAN Pendeteksian kerusakan motor dengan menggunakan metode MeSA telah dapat menunjukkan perbedaan jenis kerusakan (Jee-Hoon Jung et aI, 2006). Demikian juga dengan penelitian tentang gangguan hubung singkat antar fasa pada motor juga telah dilakukan (Khan et aI, 2006). Sedangkan penelitian tentang kerusakan pada rotor bar dengan pembebanan juga telah dilakukan (Hugh Douglas et aI, 2004). Menurut Jee-Hoon Jung et al (2006», beberapa kerusakan motor dengan dasar arus rotor dianalisa menggunakan Discrete Fourier Transform (DFT). Kerusakan yang dideteksi antara lain: kerusakan rotor-bar hubung singkat antar belitan stator: kerusakan bearing dan ketidak-seimbangan seta udara (air-gap eccentricity). Percobaan yang dilakukan menggunakan dua buah motor induksi dengan rotor sangkar bajing (squirrel-cage), spesifikasinya sesuai Tabel 1 sebagai berikut :
,. J~ . '0
~
T1tc.5potcftl6TJcl~Ff'C"W'r.e)'
r"' ~.'.
j-<.
TmSP«:ITo'I~Almmmll1~
I
_
--'
..~.
.. I.
-
. ----
i~rlf~1~~~\ _~.:'-~+-::---:!:----:!-:-~-i... :x," 1D
1~
2{1.
2!1
:ll
41)
4S
50
~ ~5
00
fr~
(b)
Gambar 1. Spektrum kerusakan rotor bar, (a) motor sehat (b) kerusakan rotor bar
Urutan harmonik yang dominan pada kerusakan rotor bar terjadi pada k = 2 dengan slip frekuensi fsl = 3,75 Hz. Frekuensi harmonik tidak normal dari kerusakan belitan stator, sesuai Gambar 2, muncul pada 334,6 Hz dengan harmonisa yang dominan pada k=2, n=20 dan slip frekuensi fsl = 4,6 Hz.
Tabel 1 Spesifikasi motor pada penelitian 1 "'-. Spesifikasi Motor r Motor 11 Daya
3,7 kW
30 kW
Tegangan input
220/380 V
220/440 V
Arus input
13,8/8,0 A
108,4/53,2 A
Jumlah pole
4 pole
4 pole
Frekuensi
60 Hz
60 Hz
Kecepatan
1730 rpm
1770 rpm
Air-gap
0,3 mm
0,508 mm -~b-';;!;;"'.--;!32C;---';3JO=--::=""-:!""':;--:;""=--::=''''---:''''':--.
Pada kerusakan rotor bar, frekuensi harmonik yang tidak normal dapat teridentifikasi pada 18,75 Hz dan 48,75 Hz (Gambar 1).
Berita Litbang Industri
-"",-'c--~,:,:;·v
F~um:~
(a)
2
Analisa Gelombang Arus Motor
Volume XLVI, No.l,Mei 2011, pp 1-5
_ -20
~
.
_
_
_
_
~
n
_
_
_
Fffli{u.!flCy
(b)
Gambar 2 Spektrum hubung sing kat kumparan stator (a) motor sehat (b) hubung singkat kumparan stator
Dari (4), diketahui bahwa harmonisa tidak normal dari kerusakan bearing adalah kelipatan dari kecepatan rotor itu sendiri. fbearing
= 0,5 . n(1 - s)fo= 0,5 . nfrm
dimana n adalah integer positif dan fnn adalah kecepatan rotor. Pada Gambar 3, urutan harmonisa dominan (32) dideteksi sebagai n = 71 pada 2098 Hz dengan slip frekuensi fsl = 0,9 Hz.
Khan et al (2006) berhasil mengimplementasikan diagnosis dan proteksi dari Interior permanent magnet (lPM) motor secara real time menggunakan ds1102 digital signal processing board. Mereka menggunakan algoritma wavelet packet transform dengan db3 sebagai mother wavelet sebagai pendeteksi adanya kerusakan pada interior permanent magnet motor. Motor current signature analysis (MeSA) digunakan pada permulaan untuk mengambil data dan mengekstrak parameter dari arus yang tidak normal, sedangkan wavelet digunakan untuk mengidentifikasi secara real time. Dalam percobaannya digunakan dua buah motor dengan spesifikasi sesuai Tabel 2. Tabel2 Spesifikasi motor pada penelitian 2. M9tOr I 1 hp4 pole 3 phasa Y (star)
Spesifikasi
Daya Jumlah pole Phasa Hubungan
5 4 3 II
Motor 11 hp pole phase (delta)
Dalam percobaannya mereka berhasil mengidentifikasi sinyal kerusakan antara phasa dengan ground (Gambar 4) dan juga phasa dengan phasa (Gambar 5). 1
-
1
•
i (~) ,
~I~'="---=""",::---::",",'::--.-="":---:::",,,,=-,
--':'::'::'''--::"2I0=-'
--:,"::::no---=",::-,
--="'='",,,
---=-'ZJZ'!r
r"eQ~
(a)
-ec ---r--.-'---~--'---r--"--"----'-
~1
I
',.;
""'
'Phasc-c
•.....~
N~A1if,ffNt#J!,~~~WW,WW~ .•. fiWNINfM~W#\~Of;N'I\'. ! ~-l--~;;;:-fOl~"
!
<M"
' ---.~-------
Gambar 4. (a) Gangguan phasa a-ground (b) arus phasa b dan c sa at gangguan phasa a-ground
(b)
Gambar 3 Spektrum frekuensi kerusakan bearing (a) motor sehat (b) bearing rusak
Berita Litbang Industri
3
Analisa Gelombang Arus Motor
Volume XLVI, No.l, Mei 2011, pp 1-5
~ E 0.1 0
Cl ~ (;) 0
-e- ~
-0.1
.• -.-. t.••.•.•.••• t -
•
~-_------!--------J.--------&----
-------~ 10
mO.1
'j
------
(I ~
20
30
40
--------~--------;--------~--------:----
•• ;
~'!tt r":••·t~.,..t..··~,t.-..s.••ti'• .,
,
-"-0.1
;
Pha!jc--c
W~,WrNAWWNW\v'NV~fAi~~~t~,'ttVJi'~\~W'I~~~1 ~.. .;:o••.. ---,.~
••. ,•. ---~-
Gambar 5. (c) arus phasa a saat gangguan phasa ab (d) arus phasa b dan c saat gangguan phasa ab
20
~o
30
50
.,Jll~~it·1~"lit~t...~,··t,
Hugh Douglas (2004), melakukan deteksi dan analisa kerusakan rotor bar pada sebuah motor induksi Y:z-hpdengan variabel pembebanan pada motor. Dia menggunakan dua rotor bar yang identik dengan kondisi yang berbeda, stator dan bearing yang sama untuk meminimalisir pengaruh pada arus transient. Motor dioperasikan pada kondisi pembebanan yang bervariasi, mulai 30% sampai dengan 100% dengan perbedaan 10% tiap tahapnya. Metoda yang digunakan untuk menganalisa adalah discrete wavelet transform dengan window daubechies tahap 8.
-O.1~--~~~--~----~----~-I
10
•
20
•
•
30
5~!n)
Gambar 6. Hasil dekomposisi wavelet level D9 pada motor normal dengan beban 30-100%
-------~--------~--------~--------~--~-.-----~ ~i°.2 .•. h-,...•·u·+~..~...~ .....~+.~~. t i~~; ~!l f
•
I
10
•••••••
• ••••••••
I
0
-0.2
~0.2r---~r---~~r-----~~-O~--~4TO--~~~-, ~ ID
(D
0 ..- ·.h+~·r··-+__··..~~;!· tr ·.Ti·~
.3.0.:2
:It.••
• __._ .••.
.•
._ ...
,_ ..
I
•
I
I
I
•
,
•
.. _
'\.
.'
-....
0.
~ ~ ~
0.2
0
20 0 40 5{) ..--~.......;..;::-~.....;;......-.....--:;p.---~----.;~--. I
.~
"
•
-------:--------:
10 Cl
l-1~ .;.'r :l~.)
I~.·.·I~I ••tc •••.
~ ••••
(Il
..3-0.2
, •••• !·••..
I
I
--------:--------:---
20
30
•
..-:.---
40
.-- ..~'"
._
0.2--------------------.---------." --.--,-
~ ~ -0 ~ ~~~~ -0.4
-------,
-/~~~~~~~t· ..-':~~~t~~~::~t·-T
--------, 10
--------, 20
--------, 30
---:: .•.:-:-----::
so
-l0
Sa~lelnl Gambar 7. Hasil dekomposisi wavelet level D9 pada motor rusak dengan beban 30-100%
Berita Litbang Industri
4
Analisa Gelombang Arus Motor
Volume XLVI, No.l, Mei 2011, pp 1-5
Dengan menganalisa Gambar 6 dan Gambar 7 didadapatkan dua parameter yang mengGambarkan karakteristik kondisi dari dua motor dalam percobaan. Parameter yang pertama ditemukan pada sampel ke-s sampai ke-13 untuk semua kondisi pembebanan. Parameter ini muncul baik pada motor normal maupun pada motor rusak. Sedangkan parameter yang kedua terjadi pada sampel ke-45 sampai dengan sampel ke-53. Parameter ini hanya muncul pada motor yang mengalami kerusakan rotor-bar untuk semua kondisi pembebanan. Parameter yang kedua dapat digunakan untuk membedakan antara motor yang normal dan motor yang mengalami kerusakan.
DAFTAR PUSTAKA 1.
Electronics., vol. 53, no. 6, December 2006 2.
Khan, M.A.S.K., Radwan, T.S. dan Rahman, M.A. 2006. Diagnosis and Protection of 1 PM Motors Using Wavelet Packet Transform. Memorial University of Newfoundland, St John's New-found land, Canada.
3.
Douglas, H., Pillay, P. and Ziarani, A.K. 2004. A New Algorithm for Transient Motor Current Signature Analysis Using W~velets. IEEE Trans.
Industry Applications., vol. 40, no 5.
KESIMPULAN Dari hasil penelitian yang dilakukan untuk mendeteksi kerusakan pada motor induksi menggunakan methoda MC SA didapatkan kesimpulan sebagai berikut: 1. Diagnosa motor induksi secara on-line menggunakan MC SA dengan DSP board untuk pemrosesan sinyal kecepatan tinggi berhasil mendeteksi frekuensi harmonic yang tidak normal. 2. Wavelet packet transform dengan teknik proteksi tidak memerlukan analisa harmonisa atau pembelajaran off-line pada spektrum arus normal maupun tidak. 3. Arus gangguan dapat dideteksi dengan tepat dan sinyal trip dapat dibangkitkan dengan cepat dalam satu siklus setelah gangguan terjadi pada sistem 60hz.
Berita Litbang Industri
Jee-Hoon Jung., Jong-Jae Lee dan Bong-Hwan Kwon. 2006. Online Diagnosis of Induction Motors Using MCSA. IEEE Trans. Industrial
4.
M. El Hachemi Benbouzid. 2000. A review of induction motors signature analysis as a medium for faults detection. IEEE Trans. Ind. Electron.,voI47, no 5, pp 984-993.
5.
Thomson, T.W., dan M. Fenger. 2001. Current Signature Analysis to Detect Induction Motor Fault. IEEE Industry
Applications Magazine. 6.
Thanis
Sribovommongkol. 2006. Evaluation of Motor OnLine Diagnosis by FEM Simulations. Master's Thesis. Electrical Macines and Power Electronics School of Electrical Engineering Royal Institute of Technology, Stockholm. "
5
