Diagnosis kerusakan multi-fault pada motor brushless
direct current menggunakan sinyal arus dengan mensimulasikan delapan
kondisi motor brushless direct current yang berbeda: motor normal,
kerusakan bantalan, kerusakan stator, kerusakan rotor, kerusakan
bantalan-stator, kerusakan bantalan-rotor, kerusakan rotor-stator, kerusakan
bantalan-rotor-stator. Sinyal arus diperoleh menggunakan current probe
dengan frekuensi sampling sbesar 20.000 Hz. Sepuluh fitur dari domain
waktu diekstraksi dari sinyal berdasarkan kemampuannya dalam membedakan kondisi
motor, menggunakan berbagai fitur dari domain waktu dipilih untuk mendapatkan
nilai akurasi yang tinggi untuk diagnosis kerusakan menggunakan model KNN.
Hasilnya menunjukkan kinerja tinggi model KNN dalam mengklasifikasikan beberapa
kerusakan pada motor brushless direct current dengan kecepatan 450 rpm,
mencapai akurasi 100% untuk data training dan testing menggunakan
total 4 fitur dan 100% untuk data training dan testing menggunakan
total 6 fitur untuk motor brushless direct current kecepatan 550 rpm.
Model ini menunjukkan potensi yang signifikan sebagai model untuk mendiagnosis
kerusakan pada motor brushless direct current.
