⚡ electrical engineering

A Hidden Markov Framework for Physically Interpretable Arc Stability Dynamics in Welding Systems

यह शोध पत्र एक हिडन मार्कोव मॉडल फ्रेमवर्क प्रस्तावित करता है जो वेल्डिंग करंट संकेतों को समय-आवृत्ति स्पेक्ट्रल डिस्क्रिप्टर्स में परिवर्तित करता है ताकि विशिष्ट लेटेंट ऑपरेशनल रिजीम्स के माध्यम से इलेक्ट्रिक आर्क स्थिरता के टेम्पोरल इवोल्यूशन को प्रभावी ढंग से मॉडल और इंटरप्रेट किया जा सके।

मूल लेखक: Hidir Selcuk Nogay

प्रकाशित 2026-04-24

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hidir Selcuk Nogay

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य चित्र: वेल्डिंग टॉर्च की "आवाज़" को सुनना

कल्पना कीजिए कि आप दो लोगों के बीच की बातचीत को समझने की कोशिश कर रहे हैं। यदि आप एक बार में केवल एक शब्द (एक "स्नैपशॉट") सुनते हैं, तो आप ऐसा शब्द सुन सकते हैं जो किसी खुशहाल वाक्य या दुखद वाक्य का हिस्सा हो सकता है। आप पूरी कहानी नहीं बता सकते।

यही समस्या वैज्ञानिकों के सामने इलेक्ट्रिक आर्क वेल्डिंग (Electric Arc Welding) के साथ आती है। इलेक्ट्रिक आर्क (वह चमकीला, गर्म स्पार्क जो धातु को पिघलाता है) अराजक होता है और तेजी से बदलता है। पारंपरिक तरीके वेल्डिंग करंट का विश्लेषण करने के लिए छोटे, अलग-थलग क्षणों को देखने की कोशिश करते हैं। वे पूछते हैं, "क्या यह विशिष्ट मिलीसेकंड स्थिर है?" लेकिन क्योंकि आर्क बहुत अव्यवतर (messy) है, इसलिए उत्तर अक्सर स्पष्ट नहीं होता है।

यह पेपर एक नया तरीका प्रस्तावित करता है: एकल स्नैपशॉट को देखने के बजाय, हमें पूरी कहानी (घटनाओं के क्रम) को समझने के लिए पूरी वाक्य (घटनाओं के अनुक्रम) को सुनना चाहिए।

मूल विचार: "छिपी हुई" अवस्थाएँ (The "Hidden" States)

लेखकों का सुझाव है कि वेल्डिंग आर्क केवल यादृच्छिक शोर (random noise) नहीं है; यह वास्तव में तीन अलग-अलग "मूड" या रेजीम्स (regimes) के माध्यम से गुजर रहा है, भले ही हम उन्हें हमेशा स्पष्ट रूप से न देख सकें:

"इग्निशन" का मूड (Transient - क्षणिक): इसे एक ठंडी सुबह कार का इंजन शुरू करने जैसा समझें। यह झटके लेता है, अजीब आवाजें निकालता है, और RPM इधर-उधर कूदता है। आर्क अपनी स्थिति बनाने की कोशिश कर रहा है।
"क्रूजिंग" का मूड (Stable - स्थिर): यह एक चिकनी हाईवे पर स्थिर गति से गाड़ी चलाने जैसा है। इंजन लगातार एक समान आवाज करता है। आर्क समान रूप से जल रहा है, धातु को पूरी तरह से पिघला रहा है।
"स्टॉलिंग" का मूड (Extinction - बुझना): यह कार के ईंधन खत्म होने या इंजन के बंद होने जैसा है। स्पार्क टिमटिमा रहा है, आवाज अनिश्चित है, और यह पूरी तरह से बुझने ही वाला है।

समस्या: यदि आप केवल एक सेकंड के हिस्से को देखते हैं, तो इग्निशन चरण का "झटका" स्टॉलिंग चरण की "टिमटिमाहट" के समान लग सकता है। केवल एक फ्रेम को देखकर उनके बीच अंतर करना कठिन है।

समाधान: "डिटेक्टिव" फ्रेमवर्क

लेखकों ने एक ऐसा सिस्टम बनाया है जो एक जासूस (detective) की तरह काम करता है जो केवल एक सुराग नहीं देखता, बल्कि केस को सुलझाने के लिए सुरागों के क्रम को देखता है। उन्होंने दो मुख्य उपकरणों का उपयोग किया:

1. "स्पेक्ट्रोग्राम" (ध्वनि तरंग मानचित्र)

सबसे पहले, उन्होंने कच्चे विद्युत संकेत (आर्क की आवाज) को लिया और उसे एक टाइम-फ्रीक्वेंसी मैप (जिसे STFT कहा जाता है) में बदल दिया।

उपमा: एक पियानो रोल की कल्पना करें। केवल एक नोट सुनने के बजाय, आप एक दृश्य मानचित्र देखते हैं कि समय के साथ कौन सी कुंजियाँ (keys) दबाई जा रही हैं और कितनी जोर से।
उन्होंने क्या पाया:
- स्थिर आर्क (Stable Arc): मानचित्र एक साफ, ठोस रेखा की तरह दिखता है (ऊर्जा केंद्रित होती है)।
- अस्थिर आर्क (Unstable Arc): मानचित्र एक बिखरी हुई रेखाचित्र (scribble) की तरह दिखता है (ऊर्जा हर जगह बिखरी हुई होती है)।

2. "हिडन मार्कोव मॉडल" (कहानी सुनाने वाला)

यह ऑपरेशन का मस्तिष्क है। यह एक गणितीय मॉडल है जो समय के साथ कारण और प्रभाव को समझता है।

उपमा: कल्पना कीजिए कि आप एक धुंधली खिड़की से एक फिल्म देख रहे हैं। आप अभिनेताओं को स्पष्ट रूप से नहीं देख सकते ("छिपी हुई" अवस्था), लेकिन आप उनकी छाया देख सकते हैं और उनके कदमों की आहट सुन सकते हैं ("अवलोकन")।
- यदि आप भारी कदमों की आवाज सुनते हैं और एक धीमी छाया चलते हुए देखते हैं, तो मॉडल अनुमान लगाता है, "वे शायद चल रहे हैं।"
- यदि आप अचानक एक धमाका सुनते हैं और एक छाया को कूदते हुए देखते हैं, तो मॉडल अनुमान लगाता है, "वे शायद लड़ रहे हैं।"
यह क्यों काम करता है: मॉडल जानता है कि आप "चलने" से सीधे "लड़ने" में बिना किसी संक्रमण (transition) के नहीं जा सकते। यह सबसे संभावित कहानी का अनुमान लगाने के लिए संभावना (probability) का उपयोग करता है। वह जानता है कि यदि आर्क एक सेकंड पहले "स्थिर" था, तो इसकी अत्यधिक संभावना है कि वह अब भी "स्थिर" होगा, न कि अचानक "बुझने" की स्थिति में आ जाएगा।

उन्होंने क्या खोजा?

इस "डिटेक्टिव" दृष्टिकोण का उपयोग करके, उन्होंने तीन प्रमुख चीजें खोजीं:

"ऊर्जा बनाम अराजकता" का नियम:
- जब आर्क स्थिर (Stable) होता है, तो इसमें उच्च ऊर्जा (बहुत अधिक गर्मी) होती है लेकिन कम अराजकता (यह व्यवस्थित होता है) होती है।
- जब आर्क अस्थिर (Unstable) या बुझ रहा होता है, तो ऊर्जा अव्यवस्थित हो जाती है, या एंट्रॉपी (विकार/disorder) बढ़ जाती है।
- उपमा: एक शांत झील (स्थिर) में बहुत सारा पानी (ऊर्जा) होता है लेकिन वह चिकनी होती है। एक तूफानी समुद्र (अस्थिर) में भी पानी की उतनी ही मात्रा होती है, लेकिन वह अराजक और जंगली होता है।
स्टैटिक क्लासिफायर विफल हो जाते हैं:
- यदि आप केवल डेटा के एक सेकंड को देखकर मूड का अनुमान लगाने की कोशिश करते हैं, तो आप अक्सर गलत होंगे क्योंकि शुरुआत और अंत के "अव्यवस्थित" भाग एक जैसे दिखते हैं।
- उपमा: किसी व्यक्ति की पलक झपकने की एक अकेली फोटो देखकर यह अनुमान लगाने की कोशिश करना कि वह खुश है या दुखी। मुस्कान या उदासी देखने के लिए आपको वीडियो की आवश्यकता होती है।
आर्क निरंतर रहता है (The Arc is Persistent):
- एक बार जब आर्क "स्थिर" मूड में आ जाता है, तो वह वहीं रहना पसंद करता है। वह बेतरतीब ढंग से इधर-उधर नहीं बदलता। मॉडल ने सफलतापूर्वक भविष्यवाणी की कि आर्क लंबे समय तक स्थिर रहेगा, जो वास्तविक दुनिया के भौतिकी (physics) से मेल खाता है।

यह क्यों मायने रखता है?

वास्तविक दुनिया में, पुलों, कारों और गगनचुंबी इमारतों के निर्माण के लिए वेल्डिंग का उपयोग किया जाता है। यदि आर्क अस्थिर हो जाता है, तो वेल्ड कमजोर हो जाता है, और संरचना विफल हो सकती है।

पुराना तरीका: "क्या यह विशिष्ट मिलीसेकंड ठीक है?" (अक्सर बहुत धीमा या भ्रमित करने वाला)।
नया तरीका: "पिछले कुछ सेकंड के आधार पर, क्या आर्क विफलता की ओर बढ़ (trending) रहा है?"

यह नया फ्रेमवर्क मशीनों को यह पूर्वानुमान लगाने की अनुमति देता है कि आर्क वास्तव में होने से पहले ही कब मरने वाला है या अस्थिर होने वाला है, क्योंकि यह केवल "शब्दों" के बजाय सिग्नल की "कहानी" को समझता है।

एक वाक्य में सारांश

यह पेपर हमें सिखाता है कि वेल्डिंग आर्क को समझने के लिए, हमें केवल इसकी बिजली के एक एकल स्नैपशॉट को नहीं देखना चाहिए; इसके बजाय, हमें एक स्मार्ट "कहानी सुनाने वाले" एल्गोरिदम का उपयोग करना चाहिए जो यह ट्रैक करे कि समय के साथ आर्क की ऊर्जा और अराजकता कैसे विकसित होती है, जिससे उसके मूड की भविष्यवाणी करना और विफलताओं को रोकना संभव हो सके।

यहाँ हिदिर सेल्कुक नोगे (Hidir Selcuk Nogay) के शोध पत्र "A Hidden Markov Framework for Physically Interpretable Arc Stability Dynamics in Welding Systems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

इलेक्ट्रिक आर्क वेल्डिंग (EAW) एक जटिल औद्योगिक प्रक्रिया है जो विद्युत चुम्बकीय क्षेत्रों, तापीय गतिशीलता (thermal dynamics) और प्लाज्मा व्यवहार के बीच गैर-रेखीय अंतःक्रियाओं द्वारा नियंत्रित होती है। वेल्ड की गुणवत्ता और संरचनात्मक अखंडता के लिए इलेक्ट्रिक आर्क की स्थिरता अत्यंत महत्वपूर्ण है। हालाँकि, आर्क सिग्नल स्वाभाविक रूप से नॉन-स्टेशनरी (non-stationary) और स्टोकेस्टिक (stochastic) होता है, जो प्लाज्मा विक्षोभ (turbulence) और बाहरी व्यवधानों के कारण तीव्र लौकिक उतार-चढ़ाव प्रदर्शित करता है।

मौजूदा दृष्टिकोणों की मुख्य सीमाएँ:

स्थैतिक वर्गीकरण (Static Classification): पारंपरिक तरीके फ्रेम-आधारित विश्लेषण पर निर्भर करते हैं, जो अवलोकनों को स्वतंत्र स्नैपशॉट के रूप में देखते हैं। यह टेम्पोरल डिपेंडेंसी (temporal dependencies) और आर्क के विकास की क्रमिक प्रकृति की उपेक्षा करता है।
फीचर ओवरलैप (Feature Overlap): स्पेक्ट्रल फीचर्स (जैसे ऊर्जा, एंट्रॉपी) विभिन्न परिचालन व्यवस्थाओं (ट्रांजिएंट, स्टेबल, एक्सटिंक्शन) के बीच आंशिक ओवरलैप प्रदर्शित करते हैं, जिससे स्टैटिक क्लासिफायर अविश्वसनीय हो जाते हैं।
व्याख्यात्मकता का अभाव (Lack of Interpretability): हालांकि डेटा-संचालित मॉडल मौजूद हैं, वे अक्सर निकाले गए फीचर्स को अंतर्निहित भौतिक आर्क डायनेमिक्स से जोड़ने में विफल रहते हैं, जिससे वास्तविक समय की निगरानी में उनकी व्यावहारिक उपयोगिता सीमित हो जाती है।

2. कार्यप्रणाली (Methodology)

प्रस्तावित ढांचा आर्क डायनेमिक्स को एक प्रोबेबिलिस्टिक स्टेट-स्पेस समस्या के रूप में मॉडल करता है, जिसमें टेम्पोरल इवोल्यूशन और रिजीम ट्रांज़िशन को कैप्चर करने के लिए हिडन मार्कोव मॉडल (HMM) का उपयोग किया गया है।

अ. सिग्नल अधिग्रहण और प्रीप्रोसेसिंग (Signal Acquisition and Preprocessing)

डेटा स्रोत: मेटल एक्टिव गैस (MAG) वेल्डिंग प्लेटफॉर्म से हॉल-इफेक्ट सेंसर का उपयोग करके वेल्डिंग करंट सिग्नल प्राप्त किए गए हैं।
मॉडलिंग: सिग्नल को $i(t) = s(t) + n(t)$ के रूप में मॉडल किया गया है, जहाँ $s(t)$ अंतर्निहित आर्क डायनेमिक्स है और $n(t)$ एडिटिव नॉइज़ है।
सेगमेंटेशन: टेम्पोरल निरंतरता बनाए रखने के लिए निरंतर सिग्नल को ओवरलैपिंग विंडोज़ में विभाजित किया गया है।

ब. टाइम-फ्रीक्वेंसी फीचर एक्सट्रैक्शन (Time-Frequency Feature Extraction)

सिग्नल को टाइम-फ्रीक्वेंसी डोमेन में बदलने के लिए शॉर्ट-टाइम फूरियर ट्रांसफॉर्म (STFT) लागू किया जाता है। ऑब्जर्वेशन वेक्टर $v_t$ बनाने के लिए तीन भौतिक रूप से सार्थक स्पेक्ट्रल डिस्क्रिप्टर्स निकाले जाते हैं:

स्पेक्ट्रल एनर्जी ( $E(t)$ ): कुल ऊर्जा सामग्री और पावर ट्रांसफर विशेषताओं को दर्शाता है।
स्पेक्ट्रल एंट्रॉपी ( $H_s(t)$ ): स्पेक्ट्रल वितरण के विकार या जटिलता को मापता है।
स्पेक्ट्रल सेंट्रॉइड ( $C(t)$ ): प्रमुख फ्रीक्वेंसी लोकेशन का प्रतिनिधित्व करता है।

स. हिडन मार्कोव मॉडल (HMM) फॉर्मूलेशन

आर्क प्रक्रिया को तीन लेटेंट स्टेट्स (latent states) के साथ एक डिस्क्रीट-टाइम स्टोकेस्टिक सिस्टम के रूप में मॉडल किया गया है:

ट्रांजिएंट (Transient): तीव्र इग्निशन डायनेमिक्स, ब्रॉडबैंड स्पेक्ट्रल कंटेंट।
स्टेबल (Stable): मौलिक आवृत्तियों के आसपास केंद्रित ऊर्जा; निरंतर कंडक्शन।
एक्सटिंक्शन (Extinction): अनियमित उतार-चढ़ाव, बिखरी हुई ऊर्जा और आर्क का पतन (collapse)।

स्टेट ट्रांज़िशन: इसे ट्रांज़िशन मैट्रिक्स $A$ के माध्यम से मॉडल किया गया है, जो एक फर्स्ट-ऑर्डर मार्कोव प्रक्रिया मानता है, जहाँ अगला स्टेट केवल वर्तमान स्टेट पर निर्भर करता है।
एमिशन मॉडल: अवलोकनों को स्टेट-डिपेंडेंट गॉसियन डिस्ट्रीब्यूशन ( $N(\mu_k, \Sigma_k)$ ) के रूप में मॉडल किया गया है।
इन्फरेंस (Inference): ऑब्जर्वेशन सीक्वेंस ( $V$ ) दिए जाने पर सबसे संभावित हिडन स्टेट्स ( $\hat{Z}$ ) को डिकोड करने के लिए विटेर्बी एल्गोरिदम (Viterbi algorithm) का उपयोग किया जाता है।
पैरामीटर एस्टीमेशन: मॉडल पैरामीटर्स की संभावना को अधिकतम करने के लिए बाउम-वेल्च एल्गोरिदम (Baum-Welch algorithm) का उपयोग किया जाता है।

3. मुख्य योगदान (Key Contributions)

प्रोबेबिलिस्टिक स्टेट-स्पेस फॉर्मूलेशन: आर्क विश्लेषण को स्टैटिक क्लासिफिकेशन से बदलकर एक टेम्पोरल प्रोबेबिलिस्टिक इन्फरेंस समस्या में बदल देता है, जो वेल्डिंग प्रक्रिया को हिडन रिजीम्स के एक अनुक्रम के रूप में मॉडल करता है।
फिजिकली-इन्फॉर्म्ड ऑब्जर्वेशन मॉडल: STFT-आधारित स्पेक्ट्रल फीचर्स (एनर्जी, एंट्रॉपी, सेंट्रॉइड) को अंतर्निहित आर्क फिजिक्स से स्पष्ट रूप से जोड़ता है, जिससे मॉडल व्याख्या योग्य (interpretable) बनता है।
टेम्पोरल इन्फरेंस फ्रेमवर्क: आर्क व्यवहार के क्रमिक विकास को कैप्चर करने के लिए एक HMM-आधारित दृष्टिकोण प्रस्तावित करता है, न कि केवल इंस्टेंटेनियस लेबलिंग।
स्टैटिक मेथड्स की सीमाओं का प्रदर्शन: यह अनुभवजन्य प्रमाण (PCA और सिलुएट विश्लेषण के माध्यम से) प्रदान करता है कि फीचर डिस्ट्रीब्यूशन काफी ओवरलैप होते हैं, जो यह सिद्ध करता है कि रोबस्ट स्टेट इन्फरेंस के लिए टेम्पोरल मॉडलिंग आवश्यक है।

4. प्रयोगात्मक परिणाम और विश्लेषण (Experimental Results and Analysis)

इस ढांचे का मूल्यांकन प्रयोगात्मक MAG वेल्डिंग डेटा का उपयोग करके किया गया।

फीचर स्पेस विश्लेषण:
- PCA प्रोजेक्शन: तीन अलग-अलग लेकिन आंशिक रूप से ओवरलैपिंग क्लस्टर दिखाए, जो तीन व्यवस्थाओं (regimes) के अनुरूप हैं।
- सिलुएट विश्लेषण (Silhouette Analysis): पुष्टि की कि संरचना मौजूद होने के बावजूद, महत्वपूर्ण ओवरलैप (विशेष रूप से ट्रांजिएंट और स्टेबल स्टेट के बीच) स्टैटिक क्लस्टरिंग को अपर्याप्त बनाता है।
- सांख्यिकीय रुझान (Statistical Trends):
  - ट्रांजिएंट: कम औसत ऊर्जा, उच्च परिवर्तनशीलता।
  - स्टेबल: मध्यम ऊर्जा, कम एंट्रॉपी वेरिएंस (क्वासी-स्टेशनरी)।
  - एक्सटिंक्शन: उच्चतम ऊर्जा एकाग्रता, न्यूनतम एंट्रॉपी (पतन से पहले अत्यधिक नियंत्रित अवस्था)।
ट्रांज़िशन डायनेमिक्स:
- स्टेट पर्सिस्टेंस (State Persistence): ट्रांज़िशन मैट्रिक्स के डायगोनल एलिमेंट्स उच्च थे (ट्रांजिएंट: 0.95, स्टेबल: 0.90, एक्सटिंक्शन: 0.87), जो इंगित करता है कि एक बार किसी रिजीम में प्रवेश करने के बाद, सिस्टम उस अवस्था में बना रहने की प्रवृत्ति रखता है।
- इंस्टेबिलिटी रिस्क: स्टेबल से एक्सटिंक्शन में ट्रांज़िशन की संभावना ~0.10 अनुमानित की गई थी, जो विफलता की संभावना के लिए एक मात्रात्मक मीट्रिक प्रदान करती है।
टेम्पोरल वैलिडेशन मेट्रिक्स:
- औसत स्टेट पर्सिस्टेंस: 0.8802 (उच्च निरंतरता)।
- मीन स्टेट ड्यूरेशन: ~19.7 फ्रेम्स (यह दर्शाता है कि ये शोर के बजाय सार्थक टेम्पोरल सेगमेंट हैं)।
- ट्रांज़िशन रेशियो: 0.0435 (स्टेट स्विचिंग की कम आवृत्ति, जो फिजिकल इनरशिया के अनुरूप है)।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह अध्ययन प्रदर्शित करता है कि आर्क स्टेबिलिटी एक टेम्पोरली इवॉल्विंग प्रोसेस है, न कि स्वतंत्र अवलोकनों का एक सेट। टाइम-फ्रीक्वेंसी विश्लेषण को हिडन मार्कोव मॉडल के साथ एकीकृत करके, प्रस्तावित ढांचा कई लाभ प्रदान करता है:

भौतिक निरंतरता (Physical Consistency): मॉडल प्लाज्मा डायनेमिक्स के भौतिकी के साथ संरेखित है, जहाँ स्थापित आर्क स्थितियाँ जड़त्व (inertia) के कारण बनी रहती हैं, और ट्रांज़िशन धीरे-धीरे होते हैं।
मजबूती (Robustness): यह ओवरलैपिंग फीचर डिस्ट्रीब्यूशन के कारण होने वाली अस्पष्टताओं को हल करने के लिए टेम्पोरल कोहेरेंस (temporal coherence) का लाभ उठाकर स्टैटिक क्लासिफायर्स की सीमाओं को दूर करता है।
भविष्यवाणी क्षमता (Predictive Capability): ट्रांज़िशन मैट्रिक्स आर्क व्यवहार के मल्टी-स्टेप प्रेडिक्शन की अनुमति देता है, जिससे अस्थिरता (जैसे आर्क एक्सटिंक्शन की संभावना) का शीघ्र पता लगाना संभव होता है।

यह कार्य वेल्डिंग मॉनिटरिंग के लिए एक नया प्रतिमान स्थापित करता है, जो स्टैटिक फीचर-आधारित वर्गीकरण से इंटरप्रिटेबल टेम्पोरल मॉडलिंग की ओर बढ़ता है, जो नॉन-स्टेशनरी औद्योगिक वातावरणों में वास्तविक समय के नियंत्रण और गुणवत्ता आश्वासन के लिए आवश्यक है। भविष्य के कार्य विभिन्न ऑपरेटिंग स्थितियों में डेटासेट का विस्तार करने और लेबलिंग रणनीतियों को परिष्कृत करने पर केंद्रित होंगे।