d x kx x
m
... (7) Dengan demikian, perpindahan x diturunkan sebagai:k d x m x x
... (8) Diketahui bahwa perpindahan memiliki hubungan yang kuat dengan regangan yang dibebani secara aksial.Strain ε diekspresikan sebagai perubahan panjang ∆L dari panjang L0 asli yang diturunkan dari komponen:
L0
L
... (9)
Untuk mendapatkan perubahan panjang, panjang asli komponen yang tanpa beban diukur. Jumlah massa slotted yang berbeda ditambahkan ke komponen dan panjang barunya diukur setiap kali. Ketika komponen
diregangkan, peningkatan panjang disebut perpanjangannya. Ekstensi atau perubahan panjang ∆L adalah panjang akhir ℓ dikuangi L0 panjang awal yang
53
Akselerasi dapat ditentukan dari diferensiasi kecepatan, yang kecepatannya diukur langsung oleh alat mekanis hanya selama periode waktu yang sangat singkat atau perpindahan kecil, karena keterbatasan dalam transduser. Sebagai alternatif, jika percepatan suatu benda tegar diukur pada interval waktu yang dapat diidentifikasi, kecepatan dapat ditentukan melalui integrasi percepatan tergantung waktu [20]. Dengan demikian, persamaan memecahkan untuk regangan ε oleh:
Alasan untuk melakukan tes pembeban fatik memuat amplitudo variabel dalam penelitian ini adalah untuk menyelidiki umur kelelahan pegas koil yang disebabkan oleh getaran permukaan jalan. Alasan utama untuk melakukan tes kelelahan memuat amplitudo variabel [26-27] adalah fakta bahwa prediksi umur kelelahan di bawah pembebanan kompleks ini tidak mungkin oleh banyak hipotesa [28-29]. Spesimen pengujian kelelahan dirancang sesuai dengan ASTM E606-92 [30], seperti ditunjukkan pada Gambar. 3.
Geometri dan dimensi spesimen ditentukan bersama dengan grip yang tepat untuk mesin uji kelelahan yang digunakan. Spesimen dibuat menggunakan kontrol numerik komputer, mesin gerinda dan secara mekanik dipoles [31] untuk memastikan hilangnya bekas dari proses permesinan di bagian pengujian. Sebuah kertas pasir dengan ukuran grit 240 digunakan untuk memberikan bentuk bulat dan nilai 1.500 yang lebih halus memberikan permukaan akhir yang sesuai.
Karena retakan kelelahan mulai terjadi pada permukaan tidak beraturan, kondisi permukaan spesimen penting dalam uji kelelahan. Ini mengurangi konsentrasi stres untuk mencegah inisiasi retakan di situs tersebut. Tes dilakukan pada suhu kamar, yaitu 20 oC [30].
Sinyal regangan diubah menjadi tekanan menggunakan persamaan Ramberg-Osgood [32]. Dalam bentuk dasarnya, persamaan digambarkan sebagai:
di mana σ adalah tegangan, E adalah modulus material elastisitas, K 'adalah koefisien kekuatan siklik dan n' adalah eksponen pengerasan regangan siklik. Tegangan kemudian dapat diubah menjadi beban sebagai masukan untuk mesin uji fatik menggunakan persamaan berikut:
A
0 P
...(16)di mana A0 adalah area cross-sectional asli yang diturunkan. Area cross-sectional untuk persamaan adalah 18 mm yang berasal dari area pengukuran
panjang spesimen.
Uji ketahanan beban amplitudo variabel dilakukan, di mana frekuensi pada 100 Hz [33-34] dipilih.
Peningkatan frekuensi dilakukan untuk mempercepat tes. Tidak ada efek frekuensi yang lebih tinggi pada inisiasi retakan [33, 35]. Pengaruh frekuensi pada hasil pengujian kelelahan sering dianggap minimal untuk frekuensi mencapai 1.000 Hz [34].
III. Hasil dan Diskusi
Pengukuran sinyal akselerasi diperlukan untuk berbagai tujuan. Ini adalah fakta yang menarik bahwa banyak getaran acak yang terjadi harus memiliki distribusi Gaussian. Akselerasi terjadi di sekitar titik tetap dan memiliki mean nol dari waktu ke waktu [36], seperti ditunjukkan pada Gambar. 4. Sinyal akselerasi yang dihasilkan adalah pembebanan amplitudo variabel karena komponen benar-benar mengalami berbagai amplitudo. Total panjang yang terekam adalah masing-masing 60 detik untuk 30.000 titik data, yang cukup untuk mengevaluasi masa kelelahan. Sinyal percepatan jalan raya menyediakan rentang amplitudo terendah.
Kisaran amplitudo yang lebih tinggi dapat dilihat pada sinyal akselerasi perkotaan dan pedesaan, karena permukaannya tidak rata. Perbedaan rentang amplitudo percepatan dapat dikorelasikan dengan profil permukaan jalan.
Pengukuran suatu sinyal akselerasi diperlukan untuk berbagai tujuan. Ini adalah fakta menarik bahwa banyak getaran acak yang terjadi harus memiliki distribusi Gaussian. Akselerasi terjadi di sekitar titik tetap dan memiliki mean nol dari waktu ke waktu [36], seperti ditunjukkan pada Gambar. 4. Sinyal akselerasi yang dihasilkan adalah pembebanan amplitudo variabel karena komponen benar-benar mengalami berbagai amplitudo. Total panjang yang terekam adalah masing-masing 60 detik untuk 30.000 titik data, yang cukup untuk mengevaluasi masa kelelahan. Sinyal percepatan jalan raya menyediakan rentang amplitudo terendah.
Kisaran amplitudo yang lebih tinggi dapat dilihat pada sinyal akselerasi perkotaan dan pedesaan, karena permukaannya tidak rata. Perbedaan rentang amplitudo percepatan dapat dikorelasikan dengan profil permukaan jalan.
Hampir semua sejarah memuat fatik yang terkumpul dalam praktik teknik mengandung banyak noise [37-38]. Jika tren sinyal tidak dihapus dari sinyal input, informasi yang berguna rusak sehingga status kerja tidak dapat dikenali. Dengan demikian, ini adalah tugas penting bahwa tren sinyal diekstrak dan dipisahkan dari kebisingan selama pemrosesan sinyal [39-45].
Namun, dalam sinyal regangan ditunjukkan pada Gambar. 5, noise pada frekuensi yang lebih tinggi yang terkandung dalam sinyal percepatan telah dihapus dalam sinyal regangan. Ini memberi keuntungan tambahan untuk simulasi karena sinyal saring tidak perlu disaring sebelum menganalisanya. Mengacu pada Persamaan. (14), strain sejajar dengan percepatan.
Percepatan dengan amplitudo yang lebih tinggi menghasilkan ketegangan dengan amplitudo yang lebih
54
tinggi juga. Sinyal regangan kota dan pedesaan memberikan amplitudo yang lebih tinggi daripada sinyal regangan jalan raya karena mereka dihasilkan dari sinyal akselerasi yang diukur pada permukaan yang tidak rata. Ini menunjukkan bahwa permukaan jalan perkotaan dan pedesaan memberikan energi getaran yang lebih tinggi karena mereka juga memiliki amplitudo regangan yang lebih tinggi.
Berdasarkan hasil pengujian kelelahan, sinyal regangan jalan raya membutuhkan setidaknya 1.222 pembalikan blok sampai kegagalan dan waktu yang dibutuhkan lebih dari 101,8 jam. Waktu yang diperlukan untuk melakukan tes kelelahan untuk sinyal regangan pedesaan adalah 81,5 jam, yang melibatkan 978 pembalikan blok. Sinyal regangan kota menyediakan waktu pengujian terpendek sejak memiliki amplitudo regangan tertinggi.
Temuan ini mirip dengan penelitian sebelumnya.
Setelah menganalisis lebih dari 3.000 mobil yang diperbaiki, [47] menyimpulkan bahwa komponen suspensi otomotif harus diganti cukup awal, setelah sekitar lima tahun atau dengan jarak perjalanan 73.500 km. Menurut data Kementerian Transportasi Inggris, komponen suspensi mencatat kesalahan tinggi, yaitu 13,18% dari 24,2 juta tes kendaraan [46]. Lubang, gundukan, belok, rem, akselerasi, perubahan kecepatan dan efek tars yang tidak merata di permukaan jalan
adalah contoh getaran non-stasioner dan merupakan faktor yang menyebabkan percepatan yang lebih tinggi.
Fitur-fitur ini mendukung potensi umur kelelahan yang lebih pendek. Ini menunjukkan bahwa permukaan jalan perkotaan dan pedesaan memberikan masa manfaat yang lebih pendek dibandingkan dengan permukaan jalan raya, karena jalan memiliki permukaan yang kasar.
IV. Kesimpulan
Efek getaran ke pegas koil diselidiki. Untuk permukaan jalan raya, akselerasi yang diterima oleh komponen mengandung banyak amplitudo percepatan yang lebih rendah, dengan karakteristik seragam karena jalan memiliki permukaan yang sama. Dalam tren percepatan dari permukaan jalan perkotaan dan pedesaan, sinyal percepatan mengungkapkan bagian dengan amplitudo yang lebih tinggi karena mobil didorong pada permukaan yang kurang datar. Ini menunjukkan bahwa permukaan jalan menyebabkan getaran yang lebih kuat ke kendaraan. Ini menyimpulkan bahwa permukaan jalan yang kasar berkontribusi terhadap umur kelelahan yang lebih pendek.
DAFTAR PUSTAKA
[1] Zhu,Y. Wang,Y. Huang Y 2013. Failure analysis of a helical compression spring for a heavy vehicle’s suspension system. Case studies in Engineering Failure Analysis; 2 : 169-173.
[2] Prawoto,Y. Ikeda, M. Manville, SK. Nishikawa, A 2008. Design and failure modes of automotive suspension springs. Engineering Failure Analysis ;15:1155–74.
[3] N. S. Ottosen, R. Stenström, M. Ristinmaa, Continuum approach to high-cycle fatigue modelling, International Journal of Fatigue, 30 (2008) 996-1006.
[4] C. Ferreira, P. Ventura, R. Morais, A. L. G.
Valente, C. Neves, M. C. Reis, Sensing methodologies to determine automotive damper condition under vehicle normal operation, Sensors and Actuators A: Physical, 156 (2009)
[6] S. Lajqi, S. Pehan, Designs and optimizations of active and semi-active non-linear suspension systems for a terrain vehicle, Journal of Mechanical Engineering, 58 (2012) 732-743.
[7] G. Priyandoko, M. Mailah, H. Jamaluddin, Vehicle active suspension system using skyhook adaptive neuro active force control, Mechanical Systems and Signal Processing, 23 (2009) 855-868.
[8] A. Tandel, A. R. Deshpande, S. P. Deshmukh, K. R. Jagtap, Modeling, analysis and PID controller implementation on double wishbone suspension using SimMechanics and Simulink, Procedia Engineering, 97 (2014) 1274-1281.
[9] N. Singh, General review of mechanical springs used in automobiles suspension system, International Journal of Advanced Engineering Research and Studies, (2013).
[10] B. G. Scuracchio, N. B. de Lima, C. G. Schön, Role of residual stresses induced by double peening on fatigue durability of automotive leaf springs, Materials and Design, 47 (2013) 672-676.
[11] M. I. Z. Abidin, J. Mahmud, M. J. A. Latif, A.
Jumahat, Experimental and numerical investigation of SUP12 steel coil spring, Procedia Engineering, 68 (2013) 251-257.
[12] S. K. Das, N. K. Mukhopadhyay, B. R. Kumar, D. K. Bhattacharya, Failure analysis of a passenger car coil spring, Engineering Failure Analysis, 14 (2007) 158-163.
[13] Y. Prawoto, M. Ikeda, S. K. Manville, A.
Nishikawa, Design and failure modes of automotive suspension springs, Engineering Failure Analysis, 15 (2008) 1155-1174.
55
[14] nCode, ICE-flow 4.1: GlyphWorks Worked Examples, nCode International, Ltd., Sheffield, 2007.
[15] B. -Y. He, S. -X. Wang, F. Gao, Failure analysis of an automobile damper spring tower, Engineering Failure Analysis, 17 (2010) 498-505.
[16] M. Haiba, D. C. Barton, P. C. Brooks, M. C.
Levesley, The development of an optimisation algorithm based on fatigue life, International Journal of Fatigue, 25 (2003) 299-310.
[17] S. Ilic, Methodology of Evaluation of In-Service Load Applied to the Output Shafts of Automatic Transmissions, Ph.D. Thesis, The University of New South Wales, 2006.
[18] W. Tong, K. H. Guo, Simulation testing research on ride comfort of vehicle with global-coupling torsion-elimination suspension, Physics Procedia, 33 (2012) 1741-1748.
[19] A. N. Thite, Development of a refined quarter car model for the analysis of discomfort due to vibration, Advances in Acoustics and Vibration, (2012).
[20] İ. Eski, Ş. Yildirim, Vibration control of vehicle active suspension system using a new robust neural network control system, Simulation Modelling Practice and Theory, 17 (2009) 778-793. John Wiley & Sons, Inc., New Jersey, 2011.
[23] S. G. Kelly, Mechanical Vibrations: Theory and Applications, Cengage Learning, Stamford, 2012.
[24] S. I. Newton, The Mathematical Principles of Natural Philosophy, Daniel Adee, New York, 1846.
[25] V. Goga, M. Kľúčik, Optimization of vehicle suspension parameters with use of evolutionary computation, Procedia Engineering, 48 (2012) 174-179.
[26] E. Alvarez-Sánchez, A Quarter-car suspension system: car body mass estimator and sliding mode control, Procedia Technology, 7 (2013) 208-214.
[27] H. Zhang, X. Zhang, J. Wang, Robust gain-scheduling energy-to-peak control of vehicle lateral dynamics stabilization, Vehicle System Dynamics, 52 (2014) 309-340.
[28] M. Aykan, M. Çelik, Vibration fatigue analysis and multi-axial effect in testing of aerospace structures, Mechanical Systems and Signal Processing, 23 (2009) 897-907.
[29] A. Niesłony, M. Böhm, Mean stress effect correction using constant stress ratio S-N curves, International Journal of Fatigue, 52 (2013) 49-56.
[30] C. M. Sonsino, Fatigue testing under variable amplitude loading, International Journal of Fatigue, 29 (2007) 1080-1089.
[31] A. L. M. Carvalho, J.P. Martin, H.J.C.
Voorlwad, Fatigue damage accumulation in aluminum 7050-T7451 alloy subjected to block programs loading under step-down sequence, Procedia Engineering, 2 (2010) 2037-2043.
[32] ASTM E606-92, Standard Practice for Strain-Controlled Fatigue Testing, ASTM International, West Conshohocken, 1998.
[33] ASTM E112-96, Standard Test Methods for Determining Average Grain Size, ASTM International, West Conshohocken, 2004.
[34] W. Ramberg, W. R. Osgood, Description of stress-strain curves by three parameters, National Advisory Committee for Aeronautics, (1943).
[35] A. Hosoi, K. Takamura, N. Sato, H. Kawada, Quantitative evaluation of fatigue damage growth in CFRP laminates that changes due to applied stress level, International Journal of Fatigue, 33 (2011) 781-787.
[36] P. Schaumann, S. Steppeler, Fatigue tests of axially loaded butt welds up to very high cycles, Procedia Engineering, 66 (2013) 88-97.
[37] S. Kovacs, T. Beck, L. Singheiser, Influence of mean stresses on fatigue life and damage of a turbine blade steel in the VHCF-regime, International Journal of Fatigue, 49 (2013) 90-99.
[38] J. Wijker, Random Vibrations in Spacecraft Structures Design: Theory and Applications, Springer Science+Business Media B.V., New York, 2009.
[39] J. Lin, L. Qu, Feature extraction based on Morlet wavelet and its application for mechanical fault diagnosis, Journal of Sound and Vibration, 234 (2000) 135–148.
[40] P. Ren, Z. Zhou, Strain response estimation for the fatigue monitoring of an offshore truss structure, Pacific Science Review, 16 (2014) 29-35.
[41] Y.-T. Sheen, On the study of applying Morlet wavelet to the Hilbert transform for the envelope detection of bearing vibrations, Mechanical Systems and Signal Processing, 23 (2009) 1518-1527.
[42] H. Chen, M. J. Zuo, X. Wang, M. R. Hoseini, An adaptive Morlet wavelet filter for time-of-fight estimation in ultrasonic damage assessment, Measurement, 43 (2010) 570-585.
[43] W. Su, F. Wang, H. Zhu, Z. Zhang, Z. Guo, Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement, Mechanical Systems and Signal Processing, 24 (2010) 1458-1472.
[44] B. Tang, W. Liu, T. Song, Wind turbine fault diagnosis based on Morlet wavelet
56
transformation and Wigner-Ville distribution, Renewable Energy, 35 (2010) 2862-2866.
[45] H. Li, P. Li, S. -L. J. Hu, Modal parameter estimation for jacket-type platforms using noisy free-vibration data: sea test study, Applied Ocean Research, 37 (2012) 45-53.
[46] L. Roman, A. Florea, I. I. Cofaru, Software application for assessment the reliability of
suspension system at OPEL cars and of road profiles, Fascicle of Management and Technological Engineering, 1 (2014) 289-294.
[47] M. Hamed, B. Tesfa, F. Gu, A. D. Ball, Vehicle suspension performance analysis based on full vehicle model for condition monitoring development, Proceedings of VETOMAC X, 23 (2014) 495-505.
BIODATA PENULIS
Masri Ali1, Husaini2, Teuku Edisah Putra3 Nurdin Ali4
1,2,3,4 Laboratorium Mekanikal Komputasi Universitas Syiah Kuala
Email : [email protected]
Dan sebagai dosen Jurusan Teknik Mesin dan Industri Fakultas Teknik Universitas Syiah Kuala