PREDIKSI KECEPATAN ROTASI KOMPRESOR MESIN PESAWAT BOEING MENGGUNAKAN LOGIKA FUZZY

Transkripsi

1 Seminar Tugas Akhir PREDIKSI KECEPATAN ROTASI KOMPRESOR MESIN PESAWAT BOEING MENGGUNAKAN LOGIKA FUZZY O L E H : N U R R O H MAN A N D I K A R D I A N P E M BIMBING : D R. I R. A U L I A S I T I A I S Y A H, M T I R. Y A U MAR, M T Bidang Minat Instrumentasi Jurusan Teknik Fisika Institut Teknologi Sepuluh Nopember

2 PENDAHULUAN Latar Belakang Kompresor merupakan salah satu komponen dari mesin pesawat yang sering mengalami kerusakan. Logika fuzzy merupakan metode yang memiliki kemampuan dalam memprediksi suatu nilai dari parameter performansi kompresor mesin pesawat. Berubahnya nilai performansi, baik berubah lebih rendah atau lebih tinggi dari kondisi normal, mengindikasikan adanya gejala kerusakan pada kompresor. Pada penelitian ini akan dilakukan prediksi kecepatan rotasi kompresor mesin pesawat menggunkan logika fuzzy.

3 PENDAHULUAN Permasalahan Bagaimana cara memprediksi kecepatan rotasi kompresor pesawat menggunakan logika fuzzy. Tujuan Untuk memprediksi kecepatan rotasi kompresor mesin pesawat menggunakan logika fuzzy.

4 TINJAUAN PUSTAKA Kompresor mesin pesawat Kompresor mesin pesawat merupakan suatu bagian dari mesin pesawat yang berfungsi meningkatkan tekanan dari aliran udara yang didapat. Tipe kompresor: 2 spool, 13 stage compressor, terdiri atas 4 stage kompresor tekanan rendah (termasuk fan pada stage pertama, 9 stage kompresor tekanan tinggi. 1 stage terdiri atas sepasang airfoil rotasi dan stasioner.

5 TINJAUAN PUSTAKA Karakteristik Mesin Pesawat

6 TINJAUAN PUSTAKA Sistem indikasi mesin pesawat Sistem tachometer mesin pesawat. Sistem indikasi suhu gas buang mesin pesawat. Sistem pemantauan vibrasi mesin pesawat.

7 TINJAUAN PUSTAKA Sistem tachometer mesin pesawat Sensor kecepatan N1 merupakan sebuah alat penghitung pulsa yang mendeteksi kecepatan rotor N1 dan menghasilkan sinyal ke indikator tachometer N1 dan PMC. Indikator tachometer N1 mengkonversi sinyal keluaran dari sensor kecepatan N1 kedalam kedua pointer dan numerik readouts Light Emitting Diode (LED).

8 TINJAUAN PUSTAKA Control Alternator Sensor Kecepatan N2 Sensor kecepatan N2 merupakan generator ac, yang frekuensinya secara langsung menyesuaikan kecepatan rotor, yang menghasilkan sinyal-sinyal ke indikator tachometer N2 dan daya elektrik pada PMC. Indikator Tachometer N2 Indikator tachometer N2 mengkonversi sinyal yang dihasilkan oleh sensor kecepatan N2 kedalam kedua pointer dan keluaran bacaan digital.

9 TINJAUAN PUSTAKA Fuzzy Fuzzy berarti samar, kabur, tidak jelas. untuk menyatakan kelompok atau himpunan yang dapat dibedakan dengan kelompok lain berdasarkan derajat keanggotaan secara kabur. F = [(x, µf (x)) x Є X] Dengan : F = Notasi himpunan Fuzzy X = Semesta pembicaraan x = Elemen dari X (x) = Derajat keanggotaan x dalam interval [0 1]

10 TINJAUAN PUSTAKA Diagram Blok Proses Fuzzy Crisp Input Input Membership Function Fuzzyfication Fuzzy Input Rule Evaluation Rule Base Fuzzy Output Output Membership Function Defuzzyfication Crisp Output

11

12 Pemilihan dan pemilahan data pada dua masukan lima fungsi keanggotaan dan satu keluaran. OAT ( 0 C)(2) Prediksi Perawatan (mamdani) 6 rules N2 (%RPM)(3) N1(%RPM) (3) System prediksi Perawatan: 2 inputs, 1 outputs, 6 rules

13 Simulasi Pengujian Logika Fuzzy Hasil Simulasi pengujian logika fuzzy

14 Pemilihan dan pemilahan data pada dua masukan 14 fungsi keanggotaan dan satu keluaran. OAT ( 0 C)(7) prediksi perawatan (mamdani) 49 rules N2 (%RPM)(3) N1 (%RPM)(7) System prediksi perawatan: 2 inputs, 1 outputs, 49 rules

15 Simulasi Pengujian Logika Fuzzy Hasil Simulasi pengujian logika fuzzy

16 Pemilihan dan pemilahan data pada lima masukan 29 fungsi keanggotaan dan satu keluaran. OAT ( 0 C)(6) N1(%RPM) (7) Tekanan Oli (Psi) (6) EGT ( 0 C)(7) prediksi perawatan (mamdani) 4991 rules N2 (%RPM)(3) fuel flow (PPH)(3) System prediksi perawatan: 5 inputs, 1 outputs, 4991 rules

17 Simulasi Pengujian Logika Fuzzy Hasil Simulasi pengujian logika fuzzy

18 Pemilihan dan pemilahan data pada empat masukan 26 fungsi keanggotaan dan satu keluaran. OAT (6) Prediksi Perawatan N1 (7) (mamdani) Tekanan o Oli (6) 1567 rules N2 (3) EGT (7) System prediksi Perawatan: 4 inputs, 1 outputs, 1567 rules

19 Penentuan space data dan semesta pembicaraan

20 Pembuatan membership function

21 Gambar membership function OAT dan N1 kurang r endah rendah 1 kurang s edang sedang lebih s edang kurang t inggi Tinggi rendah 1 lebih r endah kurang s edang sedang lebih s edang kurang t inggi tinggi Degree of membership Degree of membership OAT N1

22 Gambar membership function Tekanan oli dan EGT rendah kurang n ormal normal lebih n ormalkurang e kstrim ekstrim 1 rendah lebih r endah kurang s edang sedang lebih s edangkurang t inggi tinggi Degree of membership Degree of membership Tekanan o li EGT

23 Gambar membership function N2 1 rendah sedang tinggi 0.8 Degreeof membership N2

24 Simulasi penerapan logika fuzzy Mulai Membership Function Variabel Input-Output Pembuatan Rules Evaluasi Data Uji Selesai

25 Pembuatan aturan (rule) if-then Hasil Pembuatan 2058aturan (rule) if-then

26 Simulasi Pengujian Logika Fuzzy Hasil Simulasi pengujian logika fuzzy

27 HASIL Hasil Pengujian Program Eror pada Agustus 2008 Eror pada Oktober 2009 minimum maksimum minimum maksimum 0,003 2,97 0,8964 3,2973 Eror pada Agustus 2008 Eror pada Oktober 2009 minimum maksimum minimum maksimum 0,05 4,9527 0,2406 4,5954 Eror pada Agustus 2008 Eror pada Oktober 2009 minimum maksimum minimum maksimum 0,25 6,3078 0,55 4,9196

28 Kesimpulan dan Saran Dari ke empat pengulangan tersebut, pengujian nilai prediksi N2 pada empat variabel masukan dengan satu variabel keluaran yang menghasilkan eror nilai prediksi N2 yang terkecil dengan jumlah rule base lebih sedikit Memperbanyak jenis data pengukuran sinyal kondisi operasi yang akan dilakukan identifikasi dengan model ini. Karena semakin banyak database maka proses identifikasi atau pengenalan akan semakin baik.

29