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

In de wereld van de elektrische infrastructuur is de AC-schakelaar een bescheiden maar vitale werkpaard. Deze apparaten, die in talloze controlesystemen voorkomen, fungeren als zware schakelaars die regelmatig circuits openen en sluiten om motoren en machines van stroom te voorzien. Hun taak is eenvoudig van concept, maar veeleisend in de praktijk: ze moeten hoge stromen verwerken en de gewelddadige fysieke krachten van herhaaldelijk schakelen weerstaan. Na verloop van tijd eist deze constante belasting zijn tol. De metalen contacten aan de binnenkant eroderen door elektrische bogen en mechanische onderdelen slijten, waardoor de prestaties van het apparaat geleidelijk achteruitgaan tot het uiteindelijk faalt. Omdat deze defecten hele energiesystemen kunnen verstoren, zijn ingenieurs er dol op om de gezondheid van schakelaars te monitoren voordat ze kapotgaan. De uitdaging ligt in het luisteren naar de machine. Wanneer een schakelaar werkt, genereert deze complexe signalen — trillingen en elektrische pieken — die aanwijzingen bevatten over de interne conditie. Deze signalen worden echter vaak overstemd door een chaotische mix van achtergrondruis van elektromagnetische interferentie, mechanische trillingen en de harde industriële omgeving. Het extraheren van de zwakke, fluisterende tekenen van slijtage uit dit gebrul van statische ruis is als het proberen te horen van één enkel gesprek in een vol stadion.

Onderzoekers aan de Shenyang University of Technology hebben een nieuwe manier ontwikkeld om dit probleem op te lossen, waarbij de focus ligt op een methode om deze ruisige signalen op te schonen, zodat de ware tekenen van degradatie zichtbaar worden. In plaats van te vertrouwen op oude technieken die de gegevens vaak te veel afvlakken, waardoor de details die ingenieurs juist nodig hebben verloren gaan, heeft het team een systeem ontwikkend dat werkt als een geavanceerd filter. Ze beginnen met het opbreken van het rommelige signaal in kleinere, beheersbare stukjes, een proces dat het signaal in verschillende lagen verdeelt op basis van hun frequentie en gedrag. Zodra het signaal is gesplitst, staat de onderzoekers voor de taak om te bepalen welke stukjes nuttige informatie bevatten en welke slechts willekeurige ruis zijn. Traditionele methoden vereisen vaak een menselijke expert om naar de gegevens te kijken en te gokken welke delen behouden moeten blijven, een proces dat traag is en foutgevoelig. De nieuwe aanpak elimineert dit giswerk volledig.

Het team heeft een slim scoresysteem gebouwd dat elk deel van het signaal automatisch evalueert. Ze kijken naar twee hoofdeigenschappen: hoeveel energie het deel draagt en hoe complex of willekeurig het patroon verschijnt. Echte degradatiesignalen, zoals die veroorzaakt door een stuiterend contact of de vorming van een boog, hebben de neiging een hoge energie en een bepaalde regelmaat te hebben. Zuivere ruis daarentegen heeft meestal een lage energie en ziet er zeer chaotisch uit. Door deze twee metingen te combineren in één enkele score, kan het systeem direct het verschil zien tussen een betekenisvol signaal en achtergrondstatiek. Het verwijdert vervolgens de ruisige stukjes en voegt de schone, betekenisvolle stukjes weer aan elkaar. Dit creëert een heldere, hoogwaardige versie van het oorspronkelijke signaal, waardoor de subtiele patronen van slijtage die voorheen verborgen bleven, zichtbaar worden.

Om te testen of deze methode daadwerkelijk werkt, hebben de onderzoekers een volledige levensduurexperiment uitgevoerd met Chint CJX2-8011 AC-schakelaars. Ze bedienden de apparaten onder zware, realistische omstandigheden, waarbij ze de apparaten 300 keer per uur aan- en uitschakelden totdat ze het einde van hun bruikbare levensduur bereikten. Tijdens dit proces namen ze de signalen op en pasten ze hun nieuwe reinigingsmethode toe. Ze vergeleken de resultaten met verschillende oudere, standaardtechnieken die in de industrie worden gebruikt. De nieuwe methode bleek op elk gebied superieur. Het behield de scherpe, belangrijke pieken in de gegevens die wijzen op mechanische impact en elektrische bogen, terwijl de omliggende ruis werd weggefilterd. Wanneer de onderzoekers de helderheid van de gereinigde signalen maten, produceerde hun methode consequent de hoogste scores, wat aangeeft dat het de meeste nuttige informatie behield terwijl het de meeste ruis verwijderde.

De impact van deze verbetering gaat verder dan alleen een helderder beeld. Omdat de signalen nu zo duidelijk zijn, konden de onderzoekers de schakelaars nauwkeuriger indelen in verschillende stadia van gezondheid, variërend van normale werking tot ernstige slijtage. Dit vermogen om tussen verschillende stadia van degradatie te onderscheiden, is cruciaal voor het voorspellen wanneer een apparaat zal falen. Door een helderder beeld te geven van de conditie van de machine, biedt deze nieuwe methode een betrouwbaarder fundament voor onderhoudsteams om te beslissen wanneer ze een schakelaar moeten vervangen, wat potentieel onverwachte uitval voorkomt. De studie toont aan dat door de data zichzelf te laten spreken via een geautomatiseerd, intelligent screeningsproces, ingenieurs eindelijk de stille waarschuwingen van een machine kunnen horen voordat deze stopt met werken.