Degradation Signal Denoising Method for AC Contactors Based on Adaptive Modal Screening

In der Welt der elektrischen Infrastruktur ist der Wechselstrom-Schütz (AC-Schütz) ein bescheidener, aber lebenswichtiger Arbeitstier. In unzähligen Steuerungssystemen zu finden, fungieren diese Geräte als Hochleistungsschalter, die häufig Stromkreise öffnen und schließen, um Motoren und Maschinen mit Energie zu versorgen. Ihre Aufgabe ist konzeptionell einfach, aber in der Praxis anspruchsvoll: Sie müssen hohe Ströme bewältigen und den heftigen physikalischen Kräften des wiederholten Schaltens standhalten. Im Laufe der Zeit nimmt dieser ständige Stress seinen Tribut. Die Metallkontakte im Inneren erodieren durch elektrische Lichtbögen, und mechanische Teile verschleißen, was die Leistung des Geräts allmählich beeinträchtigt, bis es schließlich ausfällt. Da diese Ausfälle ganze Stromsysteme unterbrechen können, sind Ingenieure bestrebt, den Gesundheitszustand der Schütze zu überwachen, bevor sie brechen. Die Herausforderung liegt darin, der Maschine zuzuhören. Wenn ein Schütz arbeitet, erzeugt er komplexe Signale – Vibrationen und elektrische Spitzen – die Hinweise auf seinen internen Zustand tragen. Diese Signale werden jedoch oft von einem chaotischen Gemisch aus Hintergrundrauschen durch elektromagnetische Interferenzen, mechanische Vibrationen und die raue industrielle Umgebung übertönt. Die leisen, flüsternden Anzeichen von Verschleiß aus diesem Brüllen statischer Unruhe zu extrahieren, ist wie der Versuch, ein einzelnes Gespräch in einem überfüllten Stadion zu hören.

Forscher der Technischen Universität Shenyang haben einen neuen Weg entwickelt, um dieses Problem zu lösen, indem sie sich auf eine Methode konzentrieren, die diese verrauschten Signale bereinigt, damit die wahren Anzeichen der Degradation sichtbar werden. Anstatt sich auf alte Techniken zu verlassen, die die Daten oft zu stark glätten und dabei genau die Details verlieren, die Ingenieure benötigen, entwickelte das Team ein System, das wie ein hochentwickelter Filter wirkt. Sie beginnen damit, das chaotische Signal in kleinere, handhabbare Stücke zu zerlegen – ein Prozess, der das Signal basierend auf seiner Frequenz und seinem Verhalten in verschiedene Schichten unterteilt. Sobald das Signal aufgeteilt ist, stehen die Forscher vor der Aufgabe zu entscheiden, welche Teile nützliche Informationen enthalten und welche lediglich zufälliges Rauschen sind. Traditionelle Methoden erfordern oft einen menschlichen Experten, der die Daten betrachtet und schätzt, welche Teile beibehalten werden sollen – ein Prozess, der langsam und fehleranfällig ist. Der neue Ansatz eliminiert dieses Raten vollständig.

Das Team hat ein intelligentes Bewertungssystem entwickelt, das jedes Stück des Signals automatisch auswertet. Sie betrachten zwei Hauptmerkmale: wie viel Energie das Stück trägt und wie komplex oder zufällig sein Muster erscheint. Echte Degradationssignale, wie sie etwa durch das Springen eines Kontakts oder die Bildung eines Lichtbogens verursacht werden, tendieren dazu, eine hohe Energie und eine gewisse Regelmäßigkeit aufzuweisen. Reines Rauschen hingegen weist meist eine geringe Energie auf und wirkt hochgradig chaotisch. Durch die Kombination dieser beiden Messwerte in einem einzigen Score kann das System sofort zwischen einem bedeutsamen Signal und Hintergrundstatik unterscheiden. Es verwirft dann die verrauschten Teile und fügt die sauberen, bedeutsamen Teile wieder zusammen. Dies erzeugt eine klare, hochwertige Version des ursprünglichen Signals und macht die subtilen Verschleißmuster sichtbar, die zuvor verborgen waren.

Um zu testen, ob diese Methode tatsächlich funktioniert, führten die Forscher ein Lebenszyklus-Experiment mit Chint CJX2-8011 Wechselstrom-Schützen durch. Sie betrieben die Geräte unter schweren, realistischen Bedingungen und schalteten sie mit einer Rate von 300 Mal pro Stunde ein und aus, bis sie das Ende ihrer Lebensdauer erreichten. Während dieses gesamten Prozesses zeichneten sie die Signale auf und wandten ihre neue Reinigungsmethode an. Sie verglichen die Ergebnisse mit mehreren älteren, in der Industrie üblichen Standardtechniken. Die neue Methode erwies sich in jeder Hinsicht als überlegen. Sie bewahrte die scharfen, wichtigen Spitzen in den Daten, die mechanische Einschläge und elektrische Lichtbögen anzeigen, während sie das umgebende Rauschen entfernte. Als die Forscher die Klarheit der gereinigten Signale maßen, lieferte ihre Methode konsistent die höchsten Werte, was darauf hindeutet, dass sie die meisten nützlichen Informationen beibehielt und gleichzeitig das meiste Rauschen entfernte.

Die Auswirkungen dieser Verbesserung gehen über das bloße Erhalten eines klareren Bildes hinaus. Da die Signale nun so klar sind, konnten die Forscher die Schütze genauer in verschiedene Gesundheitsstadien gruppieren, die von Normalbetrieb bis hin zu schwerem Verschleiß reichen. Diese Fähigkeit, zwischen verschiedenen Zuständen der Degradation zu unterscheiden, ist entscheidend für die Vorhersage, wann ein Gerät ausfallen wird. Indem sie eine klarere Sicht auf den Zustand der Maschine bietet, liefert diese neue Methode den Wartungsteams eine zuverlässigere Grundlage für die Entscheidung, wann ein Schütz ersetzt werden muss, was potenziell unerwartete Ausfälle verhindert. Die Studie zeigt, dass Ingenieure, indem sie die Daten durch einen automatisierten, intelligenten Screening-Prozess für sich selbst sprechen lassen, endlich die leisen Warnungen einer Maschine hören können, bevor sie aufhört zu arbeiten.