x n WN
(2.1)
dimana :
n, k, N adalah integer
k = 0,1,2,3,.....,N-1
J= 1
=e
/N
=Cos
j Sin
WN
(2.4)
/N
Cos
jsin
karena
x(n)=xr(n)+jxI (n)
bisa
bernilai
kompleks, dan X(k) = XR(k) + jXI(k) maka :
XR(k)=
xr n cos
XI(k)=
xr n sin
N
N
xI n sin
xI n cos
|X k | real
XI k
XR k
imaginer
Yo
1
0
0
0
Target
Y1
Y2
0
0
1
0
0
1
0
0
Y3
0
0
0
1
N w i
(2.2)
x i
bias
(2.3)
Pembelajaran
Backpropagation
dengan
NN
Data masukan
frekuensi
o 1[j]:=1/(1+exp(-temp))
o 2[j]:=1/(1+exp(-temp));
o 3[j]:=1/(1+exp(-temp));
MULAI
Masukan data
spektrum frekuensi
Menentukan
matrik Target
Pelatihan NN menggunakan
Back Propagation. Algoritma
training : gradient descent
backpropagation with
adaptive learning rate;
Transfer function : sigmoid
Tidak
Ya
Simpan bobot dan
bias
SELESAI
2.2.2
Model
kondisi
(Ketidakseimbangan)
Unbalance
3.1.1
Spektrum
(Normal)
Kondisi
Unfault
Spektrum Kondisi
(Ketidakseimbangan)
Unbalance
Looseness
Misalignment
Misalignment
Tepat
Tepat
Unfault
Unfault
Misalignment
Misalignment
Tepat
Looseness
Looseness
Tepat
Misalignment
Unfault
Tidak Tepat
Unfault
Unfault
Tepat
Looseness
Looseness
Tepat
Misalignment
Misalignment
Tepat
Looseness
Looseness
Tepat
10
Looseness
Looseness
Tepat
4. Kesimpulan
Dari hasil penelitian ini dapat ditarik
beberapa kesimpulan sebagai berikut:
1. Kondisi
unjuk kerja pompa dapat
diamati dengan menggunakan spektrum
vibrasi.
2. Pada kondisi Unbalance, spektrum
frekuensi dasar menjadi 3 kali lebih
besar dari kondisi normal.
3. Pada kondisi misalignment spektrum
frekuensi harmonik ke-2 akan lebih
dominan.
4. Pada kondisi looseness, spektrum
frekuensi dasar akan naik menjadi 2 kali
lebih tinggi dari kondisi normal.
5. Tingkat keberhasilan neural network
mencapai 90%.
DAFTAR PUSTAKA
[1] Birajdar R, Pati R, Khanzode K, Kirloskar
Brothers Ltd., (2009), VIBRATION AND
NOISE IN CENTRIFUGAL PUMPS SOURCES AND DIAGNOSIS METHODS,
3rd International Conference on Integrity,
Reliability and Failure, Portugal, 20-24 July
2009.