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

En el mundo de la infraestructura eléctrica, el contactor de CA es un trabajador humilde pero vital. Encontrados en innumerables sistemas de control, estos dispositivos actúan como interruptores de alta resistencia, abriendo y cerrando circuitos con frecuencia para alimentar motores y maquinaria. Su trabajo es sencillo en concepto pero exigente en la práctica: deben manejar corrientes altas y soportar las violentas fuerzas físicas del conmutado repetido. Con el tiempo, este estrés constante pasa factura. Los contactos metálicos en su interior se erosionan debido a los arcos eléctricos y las piezas mecánicas se desgastan, degradando gradualmente el rendimiento del dispositivo hasta que finalmente falla. Debido a que estos fallos pueden interrumpir sistemas de potencia enteros, los ingenieros están ávidos de monitorear la salud de los contactores antes de que se rompan. El desafío radica en escuchar a la máquina. Cuando un contactor opera, genera señales complejas —vibraciones y sobretensiones eléctricas— que portan pistas sobre su condición interna. Sin embargo, estas señales suelen ser ahogadas por una mezcla caótica de ruido de fondo proveniente de la interferencia electromagnética, vibraciones mecánicas y el duro entorno industrial. Extraer los tenues y susurrantes signos de desgaste de este rugido de estática es como intentar escuchar una sola conversación en un estadio lleno de gente.

Investigadores de la Universidad Tecnológica de Shenyang han desarrollado una nueva forma de resolver este problema, centrándose en un método para limpiar estas señales ruidosas para que los verdaderos signos de degradación se vuelvan visibles. En lugar de depender de técnicas antiguas que a menudo suavizan demasiado los datos, perdiendo precisamente los detalles que los ingenieros necesitan, el equipo creó un sistema que actúa como un filtro sofisticado. Comienzan dividiendo la señal desordenada en piezas más pequeñas y manejables, un proceso que separa la señal en diferentes capas basadas en su frecuencia y comportamiento. Una vez dividida la señal, los investigadores se enfrentan a la tarea de decidir qué piezas contienen información útil y cuáles son solo ruido aleatorio. Los métodos tradicionales suelen requerir que un experto humano observe los datos y adivine qué partes conservar, un proceso que es lento y propeniento al error. El nuevo enfoque elimina este proceso de adivinación por completo.

El equipo construyó un sistema de puntuación inteligente que evalúa automáticamente cada pieza de la señal. Observan dos características principales: cuánta energía transporta la pieza y qué tan complejo o aleatorio parece su patrón. Las señales de degradación reales, como las causadas por el rebote de un contacto o la formación de un arco, tienden a tener una alta energía y cierta regularidad. El ruido puro, por otro embargo, suele tener baja energía y parece altamente caótico. Al combinar estas dos mediciones en una sola puntuación, el sistema puede distinguir instantáneamente entre una señal significativa y la estática de fondo. Luego, descarta las piezas ruidosas y vuelve a unir las piezas limpias y significativas. Esto crea una versión clara y de alta calidad de la señal original, revelando los sutiles patrones de desgaste que antes estaban ocultos.

Para probar si este método realmente funciona, los investigadores realizaron un experimento de vida completa en contactores de CA Chint CJX2-8011. Operaron los dispositivos bajo condiciones pesadas y realistas, conmutándolos de encendido y apagado a un ritmo de 300 veces por hora hasta que alcanzaron el final de su vida útil. A lo largo de este proceso, registraron las señales y aplicaron su nuevo método de limpieza. Compararon los resultados con varias técnicas estándar más antiguas utilizadas en la industria. El nuevo método demostró ser superior en todos los aspectos. Preservó los picos agudos e importantes en los datos que indican impactos mecánicos y arcos eléctricos, mientras eliminaba la estática circundante. Cuando los investigadores midieron la claridad de las señales limpiadas, su método produjo consistentemente las puntuaciones más altas, indicando que conservó la mayor cantidad de información útil mientras eliminaba la mayor cantidad de ruido.

El impacto de esta mejora va más allá de simplemente tener una imagen más limpia. Debido a que las señales son ahora tan claras, los investigadores pudieron agrupar con mayor precisión los contactores en diferentes etapas de salud, que van desde la operación normal hasta el desgaste severo. Esta capacidad de distinguir entre diferentes estados de degradación es crucial para predecir cuándo fallará un dispositivo. Al proporcionar una visión más clara de la condición de la máquina, este nuevo método ofrece una base más confiable para que los equipos de mantenimiento decidan cuándo reemplazar un contactor, previniendo potencialmente averías inesperadas. El estudio demuestra que, al permitir que los datos hablen por sí mismos a través de un proceso de cribado automatizado e inteligente, los ingenieros pueden finalmente escuchar las advertencias silenciosas de una máquina antes de que deje de funcionar.