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

在交流接触器（AC contactor）的世界里，它是一个平凡却至关重要的“苦力”。这些设备广泛存在于无数控制系统中，作为重型开关，频繁地开启和关闭电路以驱动电机和机械设备。它们的工作概念虽然简单，但在实践中却极具挑战：它们必须处理高电流，并承受反复切换时产生的剧烈物理作用力。随着时间的推移，这种持续的压力会造成损耗。内部的金属触点会因电弧而侵蚀，机械部件也会磨损，导致设备的性能逐渐下降，直至最终失效。由于这些故障可能会导致整个电力系统的中断，工程师们渴望在接触器损坏之前监测其健康状况。挑战在于如何“倾听”机器。当接触器运行时，它会产生复杂的信号——振动和电涌——这些信号携带了关于其内部状况的线索。然而，这些信号往往被来自电磁干扰、机械振动以及恶劣工业环境的混乱背景噪声所淹没。从这种嘈杂的静态噪声中提取出微弱的磨损迹象，就像试图在拥挤的体育场中听清一段单独的对话一样困难。

沈阳工业大学的研究人员开发出一种解决此问题的新方法，重点研究了一种清理这些噪声信号的方法，使真实的退化迹象变得清晰可见。该团队并没有依赖那些往往会将数据过度平滑、从而丢失工程师所需关键细节的旧技术，而是创建了一个类似于精密滤波器的系统。他们首先将杂乱的信号分解成较小的、易于处理的部分，这一过程根据频率和行为特征将信号划分为不同的层级。一旦信号被拆分，研究人员面临的任务就是决定哪些部分包含有用信息，而哪些仅仅是随机噪声。传统方法通常需要人类专家观察数据并猜测哪些部分需要保留，这个过程既缓慢又容易出错。而这种新方法则完全消除了这种猜测。

该团队构建了一个智能评分系统，能够自动评估每一段信号。他们主要观察两个特征：该片段携带了多少能量，以及其模式表现得多么复杂或随机。真实的退化信号（例如由触点弹跳或电弧形成引起的信号）往往具有高能量和一定的规律性。相比之下，纯噪声通常能量较低，且看起来高度混沌。通过将这两个测量指标结合成一个单一的分数，系统可以瞬间分辨出有意义的信号与背景静态噪声。随后，它会丢弃噪声片段，并将干净且有意义的片段重新缝合在一起。这创造出了一个清晰、高质量的原始信号版本，揭示了此前被掩盖的细微磨损模式。

为了测试这种方法是否真的有效，研究人员对正泰（Chint）CJX2-8011交流接触器进行了一次全寿命周期实验。他们在沉重的、真实的条件下运行这些设备，以每小时300次的频率进行开关操作，直到达到其使用寿命终点。在整个过程中，他们记录了信号并应用了这种新的清理方法。他们将结果与行业内使用的几种旧的标准技术进行了对比。事实证明，这种新方法在各方面都表现优异。它保留了指示机械冲击和电弧形成的那些尖锐且重要的脉冲，同时剥离了周围的杂讯。当研究人员测量清理后信号的清晰度时，他们的方法始终产生最高的分数，这表明它在去除最多噪声的同时，保留了最多的有用信息。

这种改进带来的影响不仅限于获得更清晰的图像。由于信号现在变得如此清晰，研究人员可以更准确地将接触器划分为不同的健康阶段，从正常运行到严重磨损不等。这种区分不同退化状态的能力对于预测设备何时失效至关重要。通过为机器状况提供更清晰的视图，这种新方法为维护团队决定何时更换接触器提供了更可靠的基础，从而有可能防止意外停机。这项研究表明，通过让数据通过自动化的智能筛选过程“自我发声”，工程师终于能够在机器停止工作之前，听到它发出的微弱预警。