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

전기 인프라의 세계에서 AC 접촉기(contactor)는 미미해 보이지만 필수적인 일꾼입니다. 수많은 제어 시스템에서 발견되는 이 장치들은 모터와 기계에 전력을 공급하기 위해 회로를 빈번하게 개폐하는 중량급 스위치 역할을 합니다. 이들의 임무는 개념적으로는 단순하지만 실제로는 매우 까다롭습니다. 높은 전류를 처리해야 하며, 반복적인 개폐 과정에서 발생하는 격렬한 물리적 힘을 견뎌내야 하기 때문입니다. 시간이 흐름에 따라 이러한 지속적인 스트레스는 대가를 요구합니다. 내부의 금속 접점은 전기 아크로 인해 침식되고, 기계 부품은 마모되어 결국 장치의 성능을 점진적으로 저하시키다가 종국에는 고장에 이르게 됩니다. 이러한 고장은 전체 전력 시스템을 중단시킬 수 있기 때문에, 엔지니어들은 접촉기가 고장 나기 전에 그 상태를 모니터링하기를 간절히 원합니다. 문제는 기계의 소리에 귀를 기울이는 데 있습니다. 접촉기가 작동할 때, 이는 내부 상태에 대한 단서를 담고 있는 복잡한 신호—진동과 전기적 서지(surge)—를 생성합니다. 그러나 이러한 신호는 전자기 간섭, 기계적 진동, 그리고 거친 산업 환경에서 발생하는 혼란스러운 배경 소음에 묻히기 일쑤입니다. 이 소음의 포효 속에서 마모의 희미하고 속삭이는 듯한 징후를 추출하는 것은 마치 붐비는 경기장에서 단 하나의 대화를 듣고자 노력하는 것과 같습니다.

심양 공업대학교의 연구진은 이 문제를 해결하기 위한 새로운 방법을 개발했으며, 노이즈가 섞인 신호를 정화하여 실제 퇴화의 징후를 가시화하는 데 집중했습니다. 엔지니어에게 필요한 세부 정보를 놓칠 정도로 데이터를 너무 매끄럽게 만들어버리는 기존 기술에 의존하는 대신, 연구팀은 정교한 필터처럼 작동하는 시스템을 만들었습니다. 그들은 먼저 복잡한 신호를 더 작고 관리 가능한 조각들로 나누는 작업부터 시작하는데, 이 과정은 신호를 주파수와 거동에 따라 서로 다른 층으로 분리합니다. 신호가 분리되면, 연구진은 어떤 조각이 유용한 정보를 포함하고 있고 어떤 것이 단순한 무작위 노이즈인지 결정해야 하는 과제에 직면합니다. 전통적인 방식은 종종 인간 전문가가 데이터를 보고 어떤 부분을 유지할지 추측해야 하며, 이는 느리고 오류가 발생하기 쉽습니다. 새로운 접근 방식은 이러한 추측을 완전히 제거합니다.

연구팀은 신호의 각 조각을 자동으로 평가하는 스마트 스코어링 시스템을 구축했습니다. 그들은 두 가지 주요 특성, 즉 해당 조각이 얼마나 많은 에너지를 운반하는지와 그 패턴이 얼마나 복잡하거나 무작위적인지를 살펴봅니다. 접점이 튀거나 아크가 형성되는 것과 같은 실제 퇴화 신호는 높은 에너지와 특정한 규칙성을 띠는 경향이 있습니다. 반면, 순수한 노이즈는 대개 낮은 에너지를 가지며 매우 혼란스러운 양상을 보입니다. 이 두 가지 측정값을 하나의 점수로 결합함으로써, 시스템은 의미 있는 신호와 배경 정적(static)을 즉각적으로 구별해 낼 수 있습니다. 그런 다음 노이즈가 섞인 조각들을 버리고 깨끗하고 의미 있는 조각들을 다시 하나로 엮습니다. 이를 통해 원래 신호의 명확하고 고품질인 버전을 만들어내며, 이전에는 숨겨져 있던 미세한 마모 패턴을 드러냅니다.

이 방법이 실제로 효과가 있는지 테스트하기 위해, 연구진은 Chint CJX2-8011 AC 접촉기를 대상으로 전수 수명 실험을 수행했습니다. 그들은 장치가 유효 수명에 도달할 때까지 시간당 300회의 온/오프 동작을 수행하며 가혹하고 현실적인 조건 하에서 장치를 작동시켰습니다. 이 과정 전반에 걸쳐 신호를 기록하고 새로운 정화 방법을 적용했습니다. 그들은 결과물을 업계에서 사용되는 여러 표준 기술들과 비교했습니다. 새로운 방법은 모든 면에서 우월함을 입증했습니다. 기계적 충격과 전기적 아크를 나타내는 데이터의 날카롭고 중요한 스파이크를 보존하면서도 주변의 잡음을 효과적으로 제거했습니다. 연구진이 정화된 신호의 선명도를 측정했을 때, 이 방법은 가장 많은 유용한 정보를 유지하면서 가장 많은 노이즈를 제거했음을 나타내는 가장 높은 점수를 일관되게 기록했습니다.

이러한 개선의 영향은 단순히 더 깨끗한 영상을 얻는 것에 그치지 않습니다. 신호가 매우 명확해졌기 때문에, 연구진은 접촉기를 정상 작동부터 심각한 마모에 이르기까지 다양한 건강 단계로 더 정확하게 분류할 수 있었습니다. 이러한 단계별 퇴화 상태를 구분하는 능력은 장치의 고장을 예측하는 데 매우 중요합니다. 기계의 상태에 대한 더 명확한 시야를 제공함으로써, 이 새로운 방법은 유지보수 팀이 접촉기 교체 시점을 결정할 때 더 신뢰할 수 있는 토대를 제공하며, 잠재적인 돌발 고장을 예방할 수 있게 해줍니다. 이 연구는 자동화되고 지능적인 스크닝 과정을 통해 데이터가 스스로 말하게 함으로써, 엔지니어들이 마침아가 작동을 멈추기 전 기계가 보내는 조용한 경고를 마침내 들을 수 있음을 보여줍니다.