Coherence Analysis Getaran dan Noise Robot: Menghubungkan Sensor Akustik, IMU, dan Fault Mekanik

Meta description: Panduan coherence analysis getaran noise robot untuk menghubungkan data akustik, IMU, spektrum, dan fault mekanik secara lebih meyakinkan dan praktis.

Gambar 1. Coherence analysis membantu melihat apakah sinyal akustik dan getaran memiliki hubungan frekuensi yang konsisten.

coherence analysis getaran noise robot adalah teknik analisis sinyal untuk menjawab pertanyaan yang sering muncul saat robot mulai berbunyi kasar: apakah noise yang terdengar benar-benar berasal dari getaran mekanik, atau hanya gangguan lingkungan dan sensor? Dalam praktik condition monitoring, puncak spektrum pada mikrofon dan accelerometer kadang terlihat mirip, tetapi kemiripan visual belum selalu berarti keduanya punya sumber yang sama.

Coherence analysis membantu menilai hubungan antar dua sinyal pada domain frekuensi. Nilainya berada antara 0 dan 1. Nilai mendekati 1 menunjukkan dua sinyal memiliki hubungan linear yang konsisten pada frekuensi tertentu, sedangkan nilai rendah menunjukkan hubungan lemah, acak, atau tertutup noise. Untuk robot, metode ini menarik karena dapat menggabungkan data sensor IMU, accelerometer, mikrofon MEMS, dan arus motor menjadi diagnosis yang lebih hati-hati.

Mengapa Getaran dan Noise Perlu Dianalisis Bersama?

Robot yang bekerja dengan motor, gearbox, roda, belt, atau linear actuator hampir selalu menghasilkan getaran dan suara. Gear yang mulai aus dapat memunculkan komponen getaran periodik. Bearing kecil yang kasar dapat menghasilkan impuls dan noise bernada tinggi. Dudukan motor yang longgar dapat membuat suara berderak sekaligus menaikkan amplitudo getaran pada rangka.

Masalahnya, lingkungan juga menghasilkan noise. Kipas, percakapan, permukaan lantai, resonansi meja, hingga noise elektronik dapat masuk ke mikrofon. Sebaliknya, accelerometer dapat menangkap getaran dari sumber lain yang tidak dominan secara akustik. Dengan coherence analysis getaran noise robot, kita tidak hanya melihat “ada puncak di frekuensi sekian”, tetapi menilai apakah puncak pada dua sensor tersebut saling berkaitan.

Konsep Dasar Coherence Function

Secara sederhana, coherence function membandingkan hubungan spektral antara dua sinyal. Jika sinyal getaran dan sinyal akustik direkam secara sinkron, keduanya dapat diubah ke domain frekuensi menggunakan FFT. Dari sana, cross spectrum dan power spectrum digunakan untuk menghitung tingkat coherence pada tiap frekuensi.

Interpretasinya praktis: coherence tinggi pada frekuensi gear mesh, misalnya, dapat memperkuat dugaan bahwa suara yang terdengar memang berhubungan dengan getaran gearbox. Coherence rendah pada frekuensi tertentu dapat berarti puncak akustik berasal dari sumber luar, atau puncak getaran tidak cukup kuat muncul sebagai noise udara. Teknik ini bukan alat vonis tunggal, tetapi alat pembeda yang sangat berguna.

Gambar 2. Alur kerja coherence analysis: akuisisi sinkron, windowing, FFT, cross spectrum, lalu interpretasi bersama baseline.

Langkah Praktis Melakukan Coherence Analysis

1. Rekam data secara sinkron

Sinkronisasi adalah syarat penting. Mikrofon dan sensor getaran perlu memiliki timestamp yang jelas atau direkam oleh sistem akuisisi yang sama. Jika data tidak sinkron, hubungan fase dan frekuensi dapat bergeser sehingga coherence menjadi sulit dipercaya. Untuk project edukasi, ESP32, Raspberry Pi, atau data logger sederhana dapat digunakan selama sampling stabil.

2. Pilih kondisi operasi yang konsisten

Bandingkan data pada PWM, RPM, beban, lintasan, dan durasi yang sama. Robot mobile di lantai keramik akan berbeda dari robot di karpet. Lengan robot tanpa beban akan berbeda dari lengan yang membawa payload. Metadata seperti RPM, duty cycle, tegangan baterai, dan posisi mekanik perlu dicatat.

3. Gunakan windowing dan segmentasi

Data mentah sebaiknya dibagi menjadi segmen pendek, misalnya saat steady-state. Gunakan windowing untuk mengurangi spectral leakage. Segmen start-up dan braking sebaiknya dipisah karena sifatnya transien. Coherence paling mudah dibaca ketika sistem berada pada kondisi relatif stabil.

4. Bandingkan dengan baseline sehat

Baseline adalah rekaman ketika robot dianggap normal. Jika coherence pada frekuensi tertentu meningkat dari minggu ke minggu, sementara amplitudo getaran dan noise juga naik, maka ada alasan lebih kuat untuk melakukan inspeksi mekanik. Tanpa baseline, interpretasi mudah menjadi spekulatif.

Contoh Aplikasi pada Robot Gearbox Mini

Misalkan sebuah robot mobile dua roda mulai mengeluarkan suara dengung pada kecepatan tertentu. Accelerometer ditempel pada dudukan motor kanan, sedangkan mikrofon MEMS diletakkan dekat gearbox tetapi tetap aman dari kontak mekanik. Robot dijalankan pada PWM 60% selama 30 detik. Hasil FFT menunjukkan puncak di sekitar frekuensi yang berkaitan dengan putaran gearbox.

Ketika coherence antara accelerometer dan mikrofon dihitung, terlihat nilai tinggi pada frekuensi tersebut, tetapi rendah pada frekuensi noise kipas ruangan. Ini memberi petunjuk bahwa dengung yang didengar kemungkinan memang terhubung dengan getaran mekanik gearbox, bukan sekadar suara lingkungan. Setelah baut dudukan dikencangkan dan roda diperiksa, pengukuran diulang untuk melihat apakah coherence dan amplitudo turun mendekati baseline.

Gambar 3. Nilai coherence tinggi pada frekuensi tertentu menguatkan dugaan hubungan antara getaran dan noise.

Membaca Hasil: Coherence Tinggi Tidak Selalu Berarti Rusak

Penting untuk tidak membuat klaim teknis berlebihan. Coherence tinggi berarti dua sinyal berhubungan pada frekuensi tertentu, bukan otomatis berarti ada kerusakan. Pada robot sehat, motor dan gearbox normal pun dapat menghasilkan hubungan getaran-noise yang kuat. Yang perlu diperhatikan adalah perubahan terhadap baseline, kenaikan amplitudo, munculnya sideband baru, atau hubungan yang hanya muncul pada kondisi beban tertentu.

Coherence rendah juga tidak selalu berarti aman. Sensor mungkin salah posisi, sampling terlalu rendah, mikrofon terlalu jauh, atau sinyal tertutup noise. Karena itu, hasil coherence sebaiknya dibaca bersama RMS getaran, spektrum, tren suhu, arus motor, dan inspeksi fisik.

Perangkat dan Sensor yang Cocok

Untuk sensor getaran, accelerometer MEMS tiga sumbu dapat digunakan pada project pembelajaran. Untuk pengukuran yang lebih serius, accelerometer dengan bandwidth dan mounting yang lebih baik akan memberi data lebih stabil. Untuk noise, mikrofon MEMS digital seperti I2S microphone berguna karena mudah diintegrasikan dengan mikrokontroler atau single-board computer.

Perhatikan bandwidth sensor. Jika fault yang ingin diamati berada pada frekuensi tinggi, sensor dan sampling rate harus memadai. Hindari kabel terlalu panjang tanpa shielding pada lingkungan bising. Gunakan mounting yang konsisten agar perbandingan antar hari tidak bias akibat posisi sensor yang berubah.

Ide Project Edukasi dan Penelitian

• Membandingkan coherence getaran-noise pada robot mobile sebelum dan sesudah baut motor dilonggarkan secara terkontrol.
• Membuat dashboard IoT yang menampilkan RMS getaran, level noise, FFT, dan coherence sederhana.
• Menguji pengaruh jenis lantai terhadap hubungan getaran dan noise robot.
• Membandingkan sensor mikrofon dekat gearbox dan jauh dari robot untuk melihat kontribusi noise lingkungan.
• Menggabungkan coherence analysis dengan arus motor untuk indikator predictive maintenance ringan.

Kesimpulan

coherence analysis getaran noise robot memberi cara yang lebih meyakinkan untuk menghubungkan suara robot dengan sumber getaran mekanik. Dengan rekaman sinkron, kondisi operasi yang konsisten, FFT, cross spectrum, dan baseline sehat, kita dapat membedakan noise yang berkaitan dengan mekanik dari noise lingkungan yang tidak relevan.

Metode ini cocok untuk robotika edukatif, machine condition monitoring, dan penelitian kecil tentang predictive maintenance. Kuncinya adalah interpretasi yang hati-hati: coherence adalah bukti hubungan sinyal, bukan vonis kerusakan tunggal.

FAQ

Apa beda coherence analysis dengan FFT biasa?

FFT menunjukkan komponen frekuensi pada satu sinyal, sedangkan coherence analysis menilai hubungan antar dua sinyal pada frekuensi yang sama.

Apakah coherence tinggi berarti gearbox rusak?

Tidak selalu. Coherence tinggi hanya menunjukkan hubungan sinyal. Diagnosis fault perlu dibandingkan dengan baseline, amplitudo, tren, dan inspeksi mekanik.

Sensor apa yang paling mudah untuk pemula?

Gunakan accelerometer MEMS dan mikrofon MEMS digital yang sampling-nya stabil. Pastikan posisi sensor konsisten selama pengujian.

Apakah data harus benar-benar sinkron?

Ya, sinkronisasi sangat penting. Timestamp yang buruk dapat membuat coherence tidak akurat atau sulit ditafsirkan.

Bisakah metode ini dipakai untuk IoT industri?

Bisa, terutama untuk tren dan alarm awal. Namun untuk keputusan maintenance kritis, gunakan sensor industri, validasi lapangan, dan inspeksi teknisi.

Saran Internal Link

• Artikel tentang analisis noise akustik motor robot dengan mikrofon MEMS.
• Artikel tentang FFT getaran robot conveyor untuk membaca bearing aus dan misalignment.
• Artikel tentang sensor fusion getaran dan arus motor untuk deteksi beban berlebih.

Saran Referensi Eksternal

• Dokumentasi dasar spectral analysis dan magnitude-squared coherence dari perangkat lunak signal processing.
• Datasheet accelerometer MEMS dan mikrofon MEMS yang digunakan.
• Referensi condition monitoring rotating machinery untuk interpretasi gear mesh, bearing, dan sideband.