Fuzja uwagi krzyżowej cech akustycznych czasowo-częstotliwościowych w celu rozpoznania uszkodzeń izolacji w urządzeniach energetycznych przy użyciu systemu tablicy mikrofonów

Podsumowanie

Ten protokół opisuje bezkontaktową metodę rozpoznawania usterek izolacji w sprzęcie elektrycznym poprzez ekstrakcję i łączenie cech akustycznych w dziedzinie czasu i częstotliwości do zautomatyzowanej klasyfikacji usterek.

Streszczenie

Celem niniejszego protokołu jest zapewnienie bezkontaktowej metody rozpoznawania usterek izolacji w sprzęcie energetycznym poprzez ekstrakcję i fuzję cech akustycznych w dziedzinie czasu i częstotliwości do zautomatyzowanej klasyfikacji usterek. Odcisków akustycznych generowanych przez usterki izolacji występują cechy nieliniowe i nie-gaussowskie, co może ograniczać skuteczność konwencjonalnych podejść do ekstrakcji cech w pojedynczej dziedzinie. Aby sprostać temu wyzwaniu, niniejszy protokół przedstawia strukturę ekstrakcji i fuzji cech czasowo-częstotliwościowych opartą na mechanizmie uwagi krzyżowej (CA) do identyfikacji czterech rodzajów usterek izolacji. Najpierw cechy dziedziny czasu są wyodrębniane za pomocą skonwolucyjnej sieci temporalnej połączonej z autoenkoderem w celu uchwycenia dynamicznych zmian w sekwencyjnych sygnałach akustycznych. Równolegle cechy dziedziny częstotliwości są wyodrębniane z widm Mel za pomocą modułu uwagi blokowej konwolucyjnej w celu wzmocnienia reprezentacji cech widmowych. Następnie zastosowany jest mechanizm CA w celu adaptacyjnego łączenia cech czasowych i widmowych, wzmacniających relacje między dwoma domenami cech. Zfuzowany układ cech jest następnie wprowadzany do jednowymiarowej sieci neuronowej skonwolucyjnej zoptymalizowanej za pomocą algorytmu Cuckoo Search do klasyfikacji usterek. Wyniki reprezentatywne wykazują, że niniejszy układ skutecznie charakteryzuje złożone odciski akustyczne i osiąga wysoką wydajność klasyfikacji w porównaniu z konwencjonalnymi podejściami do ekstrakcji cech. Protokół zapewnia niezawodną bezkontakową strategię diagnozowania usterek izolacji i monitorowania stanu sprzętu energetycznego.

Wprowadzenie

Wczesne wykrywanie usterek izolacji w sprzęcie energetycznym jest kluczowe dla zapewnienia bezpieczeństwa i stabilności sieci energetycznej^1,2,3,4. Statystyki wskazują, że około 60% awarii sprzętu energetycznego jest bezpośrednio związane z degradacją izolacji⁵. Konwencjonalne metody monitorowania elektrycznego często jednak cierpią na opóźniony respons, słabe zdolności anty-zakłóceniowe oraz wymaganie inwazyjnej, kontaktowej instalacji⁵. Ostatnio, rozpoznawanie akustycznych śladów palców wyłoniło się jako obiecujące, bezdotykowe podejście diagnostyczne ze względu na jego szybki respons i łatwość wdrożenia^6,7. Niemniej, sygnały usterek izolacji są z natury nieliniowe i nie-gaussowskie⁸. Ich cechy akustyczne są często maskowane przez szum środowiskowy i wibracje strukturalne, co sprawia, że tradycyjne metody ekstrakcji cech jednodomenowych (czasowych lub częstotliwościowych) mają trudności z uchwyceniem istotnych cech usterki.

Bieżąca badania nad ekstrakcją cech akustycznych stoją przed dwoma głównymi wyzwaniami. Po pierwsze, analizy czasowe, takie jak krótkotrwała energia czy wskaźniki przejść przez zero, odzwierciedlają fluktuacje sygnału, ale często tracą szczegółowe informacje spektralne. Po drugie, metody częstotliwościowe, takie jak Szybka Transformacja Fouriera (FFT) i transformaty falkowe, mogą ekstrahować cechy spektralne, ale mają problem z uchwyceniem dynamicznej ewolucji czasowej sygnału. Poprzednie badania próbowały przełamać tę przerwę. Na przykład Dai i in.⁹ wykorzystali krótkookresową transformatę Fouriera (STFT) do generowania dwuwymiarowych map czas-częstotliwość. Jednakże, z powodu zasady nieoznaczoności, rozdzielczość STFT jest ograniczona przez szerokość okna, co wymusza kompromis między lokalizacją czasową a rozdzielczością częstotliwości. Inne podejścia, takie jak cepstralne współczynniki częstotliwości Mel (MFCCs) i gammatone-frequency cepstral coefficients (GFCCs)¹⁰, często prowadzą do reprezentacji cech, które są zbyt uproszczone, aby zachować odporność w warunkach wysokiego zakłócenia. Podczas gdy zaawansowane dystrybucje i cechy oparte na entropii¹¹ osiągnęły wysoką dokładność w określonych zbiorach danych, często brakuje im ogólności ze względu na ograniczoną liczbę próbek. Co więcej, proste łączenie cech czasowych i częstotliwościowych nie ustanawia mechanizmu intrinsycznej korelacji, co często prowadzi do wysokiej redundancji i niewystarczającej dykryminowalności. Tradycyjne modele uczenia maszynowego są również skłonne do przeuczenia się podczas pracy z małopróbkowymi, wysokoszumowymi cechami typowymi dla zbiorów danych dotyczących usterek izolacji¹². Ostatnie rozwój przeszedł od konwencjonalnych ręcznie wykonywanych deskryptorów i reprezentacji czasowo-częstotliwościowych w stronę ekstrakcji cech opartej na głębokich sieciach neuronowych i strategii fuzji kierowanej uwagą. Niemniej, wiele istniejących podejść nadal przetwarza informacje czasowe i spektralne niezależnie lub łączy je poprzez proste łączenie cech, ograniczając ich zdolność do uchwycenia relacji między domenowymi w złożonych sygnałach akustycznych.

Aby przeciwdziałać tym ograniczeniom, ten protokół przedstawia synergetyczną metodę ekstrakcji i fuzji cech czasowo-częstotliwościowych opartą na mechanizmie uwagi krzyżowej (CA). Głównym celem tej metody jest ustanowienie modelu korelacji krzyżowej, który adaptacyjnie przydziela wagi krytycznym cechom, zmniejszając w ten sposób rozmycie informacji, które jest powszechne dla tradycyjnych strategii łączenia. Protokół zastosował skojarzoną czasowo konwolucyjną sieć neuronową (TCN) i autoenkoder (AE) w celu stworzenia ścieżki przetwarzania w domenie czasowej, wykorzystując rozszerzone konwolucje przyczynowe do uchwycenia zależności długodystansowych w sekwencach akustycznych. Równocześnie, równoległa architektura Mel-spektrogramu i modułu uwagi blokowej konwolucyjnej (CBAM) została zaprojektowana w celu wzmocnienia lokalnych cech spektralnych i uwagi kanałowej. Centralnym elementem tego podejścia jest wprowadzenie mechanizmu CA, który wykorzystuje interakcje zapytanie-klucz-wartość do modelowania interzależności między domenami czasową i częstotliwościową. Podobne koncepcje fuzji oparte na uwagi zostały zgłoszone w hałaśliwych maszynach i zadaniach diagnostycznych akustycznych, gdzie wagi uwagi podkreślają dyskryminacyjne regiony czasowe lub spektralne w warunkach interferencji; jednakże, większość istniejących klasyfikatorów wyładowań częściowych nadal opiera się na reprezentacjach jednodomenowych lub fuzji późnej, co motywuje obecną strukturę CA. Wreszcie, jednowymiarowa sieć neuronowa konwolucyjna (1D-CNN), zoptymalizowana za pomocą algorytmu Cuckoo Search (CS), została zastosowana do klasyfikacji usterek.

Ta metoda oferuje znaczne zalety w porównaniu z konwencjonalnymi podejściami diagnostycznymi, zapewni

Protokół

Badanie to nie obejmowało uczestników będących ludźmi, zwierząt kręgowców ani próbek biologicznych. W związku z tym nie wymagano instytucjonalnej zgody etycznej, zgody na wykorzystanie zwierząt ani zgody na udział ludzi.

Rysunek 1 przedstawia strukturę rozszerzonej splotowej konwolucji przyczynowej wykorzystywanej w architekturze TCN. Rysunek 2 przedstawia strukturę połączeń rezydualnych stosowaną podczas ekstrakcji cech czasowych. Rysunek 3 przedstawia architekturę AE wykorzystywaną do redukcji wymiarowości cech. Rysunek 4 przedstawia architekturę CBAM stosowaną do ekstrakcji cech spektralnych. Rysunek 5 przedstawia mechanizm CA wykorzystywany do fuzji cech czasowo-częstotliwościowych.

Rycina 1: Struktura rozszerzonej splotowej sieci przyczynowej. Schematyczna ilustracja architektury czasowej sieci splotowej (TCN) wykorzystującej sploty przyczynowe i rozszerzone. Współczynnik rozszerzenia rośnie wraz z głębokością sieci, aby zwiększyć pole recepcyjne i uchwycić długoterminowe zależności czasowe w sygnałach akustycznych. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rycina 2: Struktura połączenia rezydualnego. Schemat bloku rezydualnego wykorzystanego w architekturze TCN. Blok zawiera sploty przyczynowe, normalizację wag, funkcje aktywacji ReLU, warstwy dropoutu oraz połączenie rezydualne, aby ułatwić stabilne trenowanie głębokiej sieci i ograniczyć degradację gradientu. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rysunek 3: Architektura autoenkodera (AE). Schematycznyzarys AE wykorzystanego do redukcji wymiarowości cech. Koder kompresuje wejściowe cechy akustyczne do reprezentacji latentnej, a dekoder rekonstruuje pierwotną przestrzeń cech z reprezentacji skompresowanej. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 4: Architektura modułu CBAM (Convolutional Block Attention Module). Przepływ pracy CBAM wykorzystywanego do wzmocnienia cech w dziedzinie częstotliwości. Moduł sekwencyjnie stosuje mechanizmy uwagi kanałowej oraz uwagi przestrzennej w celu udoskonalenia reprezentacji cech wyodrębnionych ze spektrogramów Mel. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rycina 5: Mechanizm fuzji cech Cross-Attention (CA). Schematyczny opis modułu CA wykorzystywanego do fuzji cech z domeny czasu i częstotliwości. Macierze Query, Key i Value są generowane z dwóch modalności cech w celu modelowania zależności między modalnościami i stworzenia zfuzowanych reprezentacji cech. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

1. Konfiguracja platformy akustycznych sygnatur uszkodzeń izolacji oraz akwizycja danych

1. Zbudować w laboratorium bezkontaktową platformę detekcyjną opartą na macierzy mikrofonów. Złożyć system, wykorzystując wysokonapięciowy obwód testowy, szafę testową zawierającą modele defektów, system pomiarowy TEV (Transient Earth Voltage) oraz system macierzy mikrofonowej. System TEV został wykorzystany jako elektryczny kanał referencyjny do weryfikacji wyładowań.
   UWAGA: Należy upewnić się, że obwód wysokiego napięcia zawiera autotransformator (T1), transformator testowy (T2), rezystor ochronny 200 kΩ (R) oraz kondensator sprzęgający 1 nF (Cx). Schemat układu przedstawiono na Rysunku 6.
   OSTROŻNIE: Testy wysokiego napięcia wiążą się z ryzykiem porażenia prądem. Należy przestrzegać instytucjonalnych procedur bezpieczeństwa elektrycznego i upewnić się, że wszystkie komponenty wysokiego napięcia są odpowiednio izolowane i uziemione przed uruchomieniem.
2. Skonfigurować w szafie testowej cztery odrębne modele uszkodzeń izolacji w celu symulacji typowych defektów eksploatacyjnych: wyładowania powierzchniowego, wyładowania wiszącego, wyładowania wewnętrznego oraz wyładowania punktowego (Rysunek 7).
3. Przygotować modele uszkodzeń izolacji do testów.
   1. Wyonać wszystkie modele na izolacyjnych płytkach z żywicy epoksydowej o wymiarach 100 mm × 100 mm × 5 mm, używając polerowanych elektrod.
   2. Przygotować model wyładowania powierzchniowego, mocując na górnej powierzchni dwie miedziane elektrody taśmowe o wymiarach 20 mm × 10 mm × 1 mm z przerwą pełzającą wynoszącą 15 mm. Pozostawić odsłoniętą pośrednią powierzchnię epoksydową.
   3. Przygotować model wyładowania wiszącego, montując miedzianą elektrodę prętową o średnicy 2 mm w odległości 5 mm nad uziemioną miedzianą płytką (40 mm × 40 mm × 1 mm) za pomocą wspornika epoksydowego. Elektroda prętowa musi być elektrycznie odizolowana od płytki.
   4. Przygotować model wyładowania wewnętrznego poprzez odlanie bloku epoksydowego zawierającego cylindryczną sztuczną pustkę powietrzną (średnica 10 mm × wysokość 2 mm) wycentrowaną między dwiema miedzianymi płytkami (40 mm × 40 mm × 1 mm). Środek pustki należy umieścić około 2,5 mm poniżej górnej powierzchni.
   5. Przygotować model wyładowania punktowego, pozycjonując igłową elektrodę ze stali nierdzewnej o promieniu wierzchołka ok. 0,5 mm naprzeciwko uziemionej miedzianej płytki w szczelinie powietrznej 10 mm.
   6. Oczyścić wszystkie elektrody etanolem i całkowicie osuszyć przed montażem.
   7. Złożyć geometrię elektrod i defektów w szafie testowej oraz zweryfikować wszystkie odstępy między elektrodami za pomocą suwmiarki przed każdym testem napięcia.
4. Rozmieścić sensor macierzy mikrofonowej wykorzystujący zmodyfikowaną spiralną strukturę pierścieniową składającą się ze 112 kanałów. Rozkład współrzędnych przedstawiono na Rysunku 8.
5. Ustawić częstotliwość próbkowania na 200 kHz i skonfigurować długość próbki na 8192 punkty na ramkę. Parametry sensora podano w Tabeli 1.
6. Skonfigurować sprzęt macierzy mikrofonowej.
   1. Zamontować 112 mikrofonów na płasko na zmodyfikowanej spiralnej ramie pierścieniowej w pozycjach współrzędnych pokazanych na Rysunku 8. Zachować odstępy między elementami zdefiniowane w pliku współrzędnych macierzy, w zakresie od 10 mm do 25 mm.
   2. Umieścić przenośny kalibrator akustyczny oraz ultradźwiękowe źródło referencyjne 40 kHz w odległości 300 mm od środka macierzy mikrofonowej.
   3. Skalibrować wszystkie aktywne kanały mikrofonowe przed każdą sesją akwizycji, używając akustycznego sygnału referencyjnego 94 dB SPL, 1 kHz oraz ultradźwiękowego sygnału referencyjnego 40 kHz.
   4. Nagrać 5 s sygnałów kalibracyjnych z każdego kanału mikrofonowego.
   5. Obliczyć czułość RMS i odpowiedź fazową każdego kanału względem kanału centralnego macierzy.
   6. Zachować tylko kanały z odchyleniem czułości w granicach ±2 dB przy 1 kHz, ±3 dB przy 40 kHz oraz bez przesterowań lub anormalnego podwyższenia poziomu szumów.
   7. Wykluczyć z dalszych analiz kanały, które nie spełniają kryteriów akceptacji.
   8. Powtórzyć procedurę kalibracji po każdej wymianie mikrofonu lub przesunięciu macierzy mikrofonowej.
7. Skonfigurować wielokanałowy system akwizycji danych do jednoczesnego próbkowania wszystkich aktywnych kanałów mikrofonowych.
   1. Skonfigurować system DAQ do jednoczesnej akwizycji wszystkich 112 kanałów mikrofonowych przy użyciu wspólnego zegara próbkowania 200 kHz.
   2. Ustawić rozdzielczość akwizycji na 16 bitów, skonfigurować sprzężenie AC i pobierać 8192 punkty na ramkę.
   3. Rozdzielić sprzętowy wyzwalacz startowy do wszystkich modułów akwizycji poprzez wspólną szynę wyzwalacza TTL z narastającym zboczem.
   4. Przechowywać wszystkie kanały mikrofonowe w ramach tego samego rekordu ramki i zachować znacznik czasu wyzwalacza oraz indeks kanału dla każdej akwizycji.
   5. Przed rozpoczęciem formalnego zbierania danych sprawdzić pierwsze 100 pobranych ramek pod kątem zgubionych próbek, nasycenia kanałów i dryftu zegara.
8. Uzasadnić konfigurację macierzy mikrofonowej. Wybrano macierz 112-kanałową, aby zwiększyć gęstość próbkowania przestrzennego dla formowania wiązki i szacowania opóźnień GCC-PHAT, co zwiększa tłumienie środowiskowego szumu pozaosiowego w porównaniu z rzadką macierzą o małej liczbie kanałów. Choć do geometrycznej lokalizacji 3D wystarczające mogą być około cztery kanały, niniejszy protokół wykorzystuje gęste próbkowanie przestrzenne w celu wzmocnienia sygnału i stabilizacji cech, a nie tylko do samej lokalizacji. Wersje z mniejszą liczbą kanałów powinny zostać oddzielnie zwalidowane przed wdrożeniem terenowym w warunkach ograniczonych kosztowo.
9. Przyłożyć wysokie napięcie do obwodu testowego, aby wywołać zjawiska wyładowań częściowych w modelach.
10. Utrzymać środowisko eksperymentalne podczas testów.
    1. Podczas akwizycji danych utrzymywać w laboratorium temperaturę 22°C ± 2°C, wilgotność względną 45%–55% oraz ciśnienie atmosferyczne 101 ± 2 kPa.
    2. Zmierzyć akustyczny szum tła przed uruchomieniem systemu wysokiego napięcia.
    3. Przystąpić do akwizycji danych tylko wtedy, gdy poziom szumu tła ważonego A wynosi ≤40 dB(A).
    4. Zweryfikować, czy poziom szumu ultradźwiękowego każdego aktywnego kanału mikrofonowego jest co najmniej o 20 dB niższy od poziomu impulsu wyładowania zaobserwowanego podczas testów pilotażowych.
    5. Podczas zbierania danych utrzymywać zamknięte drzwi i okna oraz wyłączyć niepotrzebne urządzenia rotacyjne.
    6. Uziemić ramę wysokiego napięcia i obudowę DAQ przed akwizycją.
    7. Zapobiegać poruszaniu się personelu w pobliżu macierzy mikrofonowej podczas nagrywania.
11. stale monitorować aktywność wyładowań za pomocą sensora TEV podłączonego do terminala PC.
    1. Ustawić próg monitorowania TEV na 6 dB powyżej poziomu szumu tła przed testem i nie niżej niż równoważny poziom wejściowy 10 mV.
    2. Skonfigurować kanał referencyjny TEV z analogową szerokością pasma 3–100 MHz i wzmocnieniem 40 dB.
    3. Rejestrować aktywność impulsów TEV za pomocą logowania obwiedni i impulsów na terminalu PC.
    4. Skonfigurować system TEV do korzystania ze sprzętowego wyzwalania z narastającym zboczem.
    5. Użyć tej samej wartości progu zarówno do monitorowania TEV, jak i do generowania wyzwalania.
    6. Akceptować ramkę akustyczną tylko wtedy, gdy aktywność impulsów TEV występuje w odpowiadającym jej oknie akwizycji i powtarza się w kolejnych ramkach przy wybranym napięciu.
12. Stopniowo regulować napięcie w zakresie od 4 do 12 kV.
13. Nagrywać sygnały akustyczne, gdy dla konkretnego modelu zaobserwowane zostanie wyraźne i stabilne zjawisko uszkodzenia izolacji. Wyraźne i stabilne zjawisko uszkodzenia definiuje się jako stan wyładowania, w którym aktywność TEV i wzorce impulsów akustycznych są wielokrotnie obserwowane przy docelowym napięciu bez oczywistego przerywanego wygasania, nasycenia kanału akustycznego, niepowiązanego szumu mechanicznego lub zewnętrznego szumu uderzeniowego. Utrzymywać napięcie, aż wzorzec wyładowań pozostanie stabilny przez co najmniej 60 s przed nagrywaniem ramek akustycznych.
14. Zebrać 1000 zestawów poprawnych danych dla każdego z czterech typów uszkodzeń. Ramkę próbki klasyfikować jako poprawną tylko wtedy, gdy referencja TEV wskazuje aktywność wyładowań, kanał akustyczny nie jest nasycony, ramka nie zawiera oczywistego zewnętrznego szumu uderzeniowego lub manipulacyjnego, a etykieta próbki zgadza się z aktywnym modelem defektu. Wykluczyć ramki z nasyceniem kanału akustycznego, brakiem potwierdzenia TEV, niespójnym etykietowaniem uszkodzeń, przerywanym wygasaniem wyładowań, zewnętrznym uderzeniem mechanicznym lub niestabilnym szumem tła.
15. Zsynchronizować system TEV i system akwizycji akustycznej podczas zbierania danych.
    1. Połączyć wyjście wyzwalacza TEV z wejściem wyzwalacza akustycznego DAQ poprzez wspólną szynę wyzwalacza TTL.
    2. Użyć wyjścia impulsów TEV jako sprzętowego wyzwalacza dla akwizycji danych akustycznych.
    3. Nagrać znacznik wyzwalacza jako cyfrowy kanał czasowy w pliku danych akustycznych.
    4. Wykonać wstępne wyrównanie strumieni akwizycji TEV i akustycznej za pomocą znacznika czasu wyzwalacza.
    5. Oszacować pozostałe opóźnienia między mikrofonami za pomocą GCC-PHAT przed formowaniem wiązki.
    6. Zweryfikować, czy dokładność synchronizacji TEV-akustycznej mieści się w granicach ±1 próbki akustycznej, co odpowiada ≤5 μs przy częstotliwości próbkowania 200 kHz.

Rysunek 6: Platforma detekcji uszkodzeń izolacji z macierzą mikrofonów. Układ eksperymentalny wykorzystany do akustycznej detekcji uszkodzeń izolacji. Platforma składa się z wysokonapięciowego obwodu testowego, szafki testowej do uszkodzeń izolacji, systemu macierzy mikrofonów, czujnika TEV oraz komputerowego systemu monitorowania do akwizycji i weryfikacji danych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 7: Modele uszkodzeń izolacji wykonane w laboratorium. Reprezentatywne modele uszkodzeń izolacji wykorzystane do pozyskiwania danych. (A) Model wyładowania powierzchniowego. (B) Model wyładowania zawieszonego. (C) Model wyładowania wewnętrznego. (D) Model wyładowania punktowego. Modele zostały skonstruowane w celu symulacji czterech typowych stanów uszkodzenia izolacji w kontrolowanych warunkach laboratoryjnych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 8: Rozmieszczenie macierzy mikrofonów. Przestrzenne ustawienie 112-kanałowej macierzy mikrofonów z zastosowaniem zmodyfikowanej konfiguracji spiralnej pierścieniowej. Rozkład współrzędnych ilustruje rozmieszczenie czujników wykorzystanych do akwizycji sygnałów akustycznych i późniejszej analizy formowania wiązki. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Typ parametru	Wartość parametru
Struktura macierzy	Zmodyfikowana spirala pierścieniowa
Liczba kanałów	112
Częstotliwość próbkowania	200 kHz
Liczba punktów próbkowania na klatkę	8192

Tabela 1: Parametry macierzy mikrofonowej.Specyfikacja techniczna systemu macierzy mikrofonowej wykorzystanego do akwizycji sygnałów akustycznych podczas eksperymentów z uszkodzeniem izolacji. Tabela zawiera podsumowanie geometrii macierzy, liczby kanałów, częstotliwości próbkowania oraz liczby punktów próbkowania pozyskiwanych w jednej ramce. Kliknij tutaj, aby pobrać tę tabelę.

2. Ekstrakcja cech w dziedzinie czasu za pomocą TCN-AE

1. Wprowadź wstępnie przetworzone szeregi czasowe danych akustycznych do TCN, aby uchwycić dynamiczne zmienności czasowe^13,14. Po fuzji sygnałów znormalizuj każdą ramkę akustyczną o długości 8192 punktów, stosując procedurę normalizacji użytą podczas trenowania modelu, a następnie wprowadź znormalizowaną sekwencję 1D do TCN.
2. Skonfiguruj architekturę TCN.
   1. Zbuduj TCN, wykorzystując trzy bloki rezdualne rozmieszczone sekwencyjnie w celu ekstrakcji cech czasowych.
   2. Przypisz 64 filtry splotowe do każdego bloku rezdualnego i ustaw rozmiar jądra splotu na 3.
   3. Zaimplementuj rozszerzone sploty przyczynowe (dilated causal convolutions) i skonfiguruj współczynniki rozszerzenia (dilation factors) jako d = 1, 2 i 4, aby stopniowo zwiększać czasowe pole recepcyjne.
   4. Zastosuj funkcję aktywacji ReLU po każdej operacji splotu.
   5. Zastosuj współczynnik dropout wynoszący 0,20 po każdym bloku rezdualnym, aby ograniczyć przeuczenie podczas trenowania.
   6. Przeprowadź normalizację wag jako metodę regularyzacji w każdym bloku rezdualnym.
   7. Wprowadź połączenia rezdualne w całej sieci i używaj projekcji splotowych 1 × 1 wszędzie tam, gdzie jest to konieczne, aby dopasować wymiary cech między ścieżką rezdualną a przetransformowaną.
3. Zastosuj sploty przyczynowe do sekwencji wejściowej. Dostosuj dopełnienie zerami (zero-padding) przed sekwencją w zależności od rozmiaru jądra, aby zapewnić, że wyjście w dowolnym kroku czasowym zależy wyłącznie od bieżących i poprzednich danych wejściowych.
4. Wykonaj splot przyczynowy, używając wagi jądra (w_i) oraz rozmiaru jądra (K) w następujący sposób (Równanie 1):
      (1)
5. Zaimplementuj sploty rozszerzone, aby zwiększyć pole recepcyjne sieci bez zwiększania liczby parametrów. Zwiększaj współczynnik rozszerzenia d wykładniczo wraz z głębokością sieci, aby uchwycić długoterminowe zależności czasowe.
6. Oblicz splot rozszerzony, używając współczynnika rozszerzenia (d) w następujący sposób (Równanie 2). Podczas trenowania TCN stosuj progresję współczynnika rozszerzenia d = 1, 2 i 4, aby stopniowo zwiększać czasowe pole recepcyjne bez zwiększania liczby punktów próbkowania w każdej ramce akustycznej.
      (2)
7. Zintegruj połączenia rezdualne, aby zniwelować problem zanikającego gradientu podczas trenowania głębokiej sieci.
8. Przepuść sekwencję wejściową przez blok rozszerzonego splotu przyczynowego. Wykonaj regularyzację wag i zastosuj nieliniową aktywację ReLU, a następnie warstwę Dropout.
9. Dodaj przetworzone wyjście bezpośrednio do oryginalnej sekwencji wejściowej (Rysunek 2). Zastosuj normalizację wag w każdym bloku rezdualnym i użyj współczynnika dropout 0,20 przed wykonaniem dodawania rezdualnego. W razie potrzeby użyj projekcji splotowej 1 × 1, aby dopasować wymiary cech między ścieżką rezdualną a przetransformowaną.
10. Wprowadź wysokowymiarowe cechy czasowe wyekstrahowane przez TCN do AE w celu redukcji wymiarowości cech¹⁵.
11. Skonfiguruj architekturę AE.
    1. Zbuduj enkoder, używając trzech warstw w pełni połączonych o wymiarach odpowiednio 512, 256 i 128 neuronów.
    2. Zdefiniuj reprezentację w przestrzeni utajonej za pomocą 128-wymiarowego wektora cech.
    3. Zbuduj dekoder, używając trzech warstw w pełni połączonych o wymiarach odpowiednio 128, 256 i 512 neuronów.
    4. Zastosuj funkcję aktywacji ReLU po każdej warstwie w pełni połączonej zarówno w enkoderze, jak i dekoderze.
    5. Skonfiguruj AE tak, aby rekonstruował reprezentację cech wejściowych z wektora przestrzeni utajonej i optymalizuj rekonstrukcję za pomocą funkcji straty błędu średniokwadratowego (MSE) opisanej w kroku 2.16.
12. Skompresuj dane wejściowe do niżej wymiarowej reprezentacji w przestrzeni utajonej za pomocą enkodera.
13. Zrekonstruuj oryginalne dane za pomocą dekodera (Rysunek 3).
14. Wykonaj transformacje kodowania i dekodowania, używając funkcji aktywacji ReLU (σ), macierzy wag (W₁ i W₂) oraz członów bias (b₁ i b₂) zgodnie z Równaniami 3 i 4.
       (3)
      (4)
15. Wytrenuj AE, aby zachować krytyczne informacje poprzez minimalizację błędu rekonstrukcji.
16. Wykorzystaj błąd średniokwadratowy (MSE) jako funkcję straty i oblicz błąd rekonstrukcji za pomocą Równania 5.
    1. Wytrenuj AE, używając optymalizatora Adam z szybkością uczenia 0,001.
    2. Ustaw rozmiar partii (batch size) na 50 i trenuj sieć przez maksymalnie 100 epok.
    3. Monitoruj stratę walidacyjną podczas trenowania i zastosuj wczesne zatrzymanie (early stopping) z wartością cierpliwości (patience) wynoszącą 10 epok.
    4. Użyj stałego podziału zbioru danych, składającego się z 2400 próbek treningowych, 400 próbek walidacyjnych i 400 próbek testowych.
    5. Przeprowadź trenowanie modelu w środowisku głębokiego uczenia opartym na języku Python, podsumowanym w Tabeli Materiałów.
    6. Oblicz błąd rekonstrukcji za pomocą Równania 5.
         (5)

3. Ekstrakcja cech w dziedzinie częstotliwości za pomocą spektrogramu Mel i modułu CBAM

1. Zastosuj funkcje preemfazy, ramowania i okienkowania do surowych akustycznych sygnałów wyładowań częściowych.
   1. Usuń przesunięcie DC z każdej ramki akustycznej o długości 8192 punktów.
   2. Zastosuj preemfazę zgodnie z wzorem:
      
   3. Znormalizuj każdą ramkę, używając jej maksymalnej wartości bezwzględnej amplitudy po usunięciu przesunięcia DC.
   4. Podziel każdą ramkę przy użyciu okna Hamminga o długości 1024 próbek.
   5. Zastosuj długość skoku wynoszącą 512 próbek, co odpowiada 50% nakładaniu się sąsiednich okien.
   6. Oblicz krótko-czasową transformatę Fouriera (STFT), stosując FFT o długości 1024 punktów.
   7. Nie stosuj dodatkowego programowego filtrowania pasmowo-przepustowego poza ograniczeniami szerokości pasma sprzętowego front-endu oraz kryteriami wykluczania jakości ramki opisanymi powyżej.
2. Wykonaj transformatę Fouriera na przetworzonych sygnałach.
3. Przekształć oryginalną częstotliwość liniową (f) na skalę Mel. Krok ten linearyzuje ludzką percepcję częstotliwości i zmniejsza wagę pasm zakłóceń¹⁶.
4. Oblicz częstotliwość w skali Mel (f_mel) przy użyciu oryginalnej częstotliwości liniowej (f) (Równanie 6).
      (6)
5. Podziel częstotliwości na sekwencję trójkątnych banków filtrów.
6. Oblicz sumę ważoną wszystkich amplitud sygnału w obrębie szerokości pasma każdego filtra. Zastosuj funkcję logarytmiczną do wyniku, aby zwiększyć spójność percepcyjną w odniesieniu do zmienności amplitudy.
7. Oblicz wynik banku filtrów Mel zgodnie z Równaniem 7. Tutaj S(m) jest wynikiem m-tego filtra, k to indeks częstotliwości, a H_m(k) definiuje filtr trójkątny.
     (7)
8. Wygeneruj spektrogramy Mel.
   1. Oblicz krótko-czasową transformatę Fouriera, używając rozmiaru FFT 1024.
   2. Zastosuj 256 banków filtrów Mel do otrzymanego widma częstotliwości.
   3. Wygeneruj spektrogramy Mel w zakresie częstotliwości 0–100 kHz.
   4. Zmień rozmiar lub przedstaw otrzymane spektrogramy Mel jako mapy cech o wymiarach 256 × 256 pikseli do dalszego przetwarzania CBAM.
   5. Przekształć spektrogram mocy Mel na skalę decybelową.
   6. Zastosuj normalizację min-max dla każdego spektrogramu, używając logarytmicznie skompresowanego spektrogramu Mel (S_dB):
      
   7. Wykonaj normalizację niezależnie dla każdego obrazu spektrogramu Mel o wymiarach 256 × 256.
   8. Przytnij znormalizowane wartości do zakresu [0,1] przed wprowadzeniem spektrogramu do gałęzi CBAM.
9. Wprowadź otrzymane spektrogramy Mel do modułu CBAM w celu wyodrębnienia głównych charakterystyk widmowych¹⁷.
10. Przetwórz dane poprzez sekwencyjne mechanizmy uwagi kanałowej (channel-attention) i uwagi przestrzennej (spatial-attention) (Rysunek 4).
11. Skonfiguruj architekturę CBAM.
    1. Skonfiguruj moduł uwagi kanałowej, stosując współczynnik redukcji kanałów równy 16.
    2. Przetwórz wejściowe mapy cech o wymiarach 256 × 256 × 64.
    3. Zastosuj globalne uśrednianie (global average pooling) i globalne maksymalne próbkowanie (global max pooling) w celu wygenerowania deskryptorów kanałów.
    4. Prześlij próbkowane deskryptory przez wspólny wielowarstwowy perceptron i zastosuj funkcję aktywacji Sigmoid, aby wygenerować wagi uwagi kanałowej.
    5. Wygeneruj wagi uwagi przestrzennej, stosując jądro splotowe 3 × 3 do skonkatenowanych przestrzennych deskryptorów uśrednionych i maksymalnych.
    6. Zastosuj funkcję aktywacji Sigmoid, aby uzyskać końcową mapę uwagi przestrzennej.
12. Wyodrębnij wagi uwagi kanałowej.
13. Zastosuj globalne uśrednianie oraz globalne maksymalne próbkowanie wzdłuż wymiarów kanałów wejściowej mapy cech.
14. Przetwórz wygenerowane wektory globalnych deskryptorów przez warstwę w pełni połączoną (FC), aby uzyskać wagę uwagi kanałowej (M_c).
15. Oblicz wagi uwagi kanałowej zgodnie z Równaniem 8. Tutaj M_c jest wagą uwagi kanałowej, FC oznacza warstwę w pełni połączoną, a σ reprezentuje funkcję aktywacji Sigmoid.
      (8)
16. Wyodrębnij wagi uwagi przestrzennej.
17. Zastosuj globalne maksymalne próbkowanie oraz globalne uśrednianie wzdłuż osi kanałów.
18. Skonkatenuj otrzymane przestrzenne mapy deskryptorów i przetwórz je przez warstwę splotową, aby wygenerować wagę uwagi przestrzennej (M_s).
19. Oblicz wagi uwagi przestrzennej zgodnie z Równaniem 9. Tutaj M_s jest wagą uwagi przestrzennej, jest deskryptorem przestrzennym wygenerowanym przez globalne uśrednianie, a jest deskryptorem przestrzennym wygenerowanym przez globalne maksymalne próbkowanie.
       (9)
    1. Skonkatenuj przestrzenne deskryptory uśrednione i maksymalne wzdłuż wymiaru kanałów.
    2. Zastosuj splot 3 × 3 z krokiem (stride) = 1 i dopełnieniem typu „same”, aby wygenerować mapę cech uwagi przestrzennej.
    3. Zastosuj funkcję aktywacji Sigmoid do wyniku splotu, aby uzyskać wagi uwagi przestrzennej.
    4. Pomnóż elementowo wagi uwagi przestrzennej przez wejściową mapę cech, aby wygenerować ulepszoną reprezentację przestrzenną.

4. Fuzja cech wielomodalnych z wykorzystaniem CA

1. Wdróż mechanizm CA w celu syntezy wyekstrahowanych cech temporalnych i spektralnych¹⁸. W przeciwieństwie do self-attention, wyekstrahuj informacje kontekstowe z jednej modalności, aby dynamicznie wzmocnić reprezentację drugiej (Rysunek 5).
2. Skonfiguruj architekturę CA.
   1. Ustaw wymiar osadzenia (embedding dimension) na 128.
   2. Skonfiguruj moduł CA z 4 głowicami uwagi (attention heads).
   3. Ustaw wymiary projekcji Query, Key i Value na 128 dla każdej z nich.
   4. Zastosuj współczynnik dropout wynoszący 0.10 wewnątrz modułu CA.
   5. Nie stosuj warstw normalizacji po uwadze ani warstw feed-forward po module cross-attention.
   6. Złączy wyjścia ze wszystkich głowic uwagi.
   7. Zastosuj dropout ze współczynnikiem 0.10.
   8. Spłaszcz (flatten) wynikową reprezentację cech.
   9. Przekaż spłaszczony wektor cech bezpośrednio do klasyfikatora 1D-CNN.
3. Zainicjuj macierze Query (Q), Key (K) i Value (V) z dwóch odrębnych sekwencji wejściowych (cech w dziedzinie czasu i częstotliwości).
4. Oblicz macierz Query korzystając z Równania 10, gdzie X₁ oznacza macierz cech temporalnych wygenerowaną przez ścieżkę TCN-AE, a W_Q i b_Q wskazują odpowiednio na wyuczoną macierz wag i wyraz przesunięcia (bias term).
      (10)
5. Oblicz macierz Key korzystając z Równania 11, gdzie X₂ oznacza macierz cech w dziedzinie częstotliwości wygenerowaną przez ścieżkę Mel-CBAM, a W_K i b_K wskazują odpowiednio na wyuczoną macierz wag i wyraz przesunięcia.
      (11)
6. Oblicz macierz Value korzystając z Równania 12, gdzie W_V i b_V wskazują odpowiednio na wyuczoną macierz wag i wyraz przesunięcia.
      (12)
7. Oblicz interakcję CA w oparciu o relację między elementami Query i Key.
8. Oblicz macierz wag uwagi korzystając z Równania 13. Tutaj α_ij określa wagę uwagi i-tego elementu względem j-tego elementu, a d_k jest wymiarem wektorów klucza.
      (13)
9. Zaktualizuj końcową reprezentację cech, obliczając sumę ważoną macierzy Value zgodnie z obliczonymi wagami uwagi.
10. Oblicz zfuzowaną reprezentację cech korzystając z Równania 14. Tutaj O_i jest wyjściem sekwencji reprezentującym odporny, zfuzowany czasowo-częstotliwościowy odcisk akustyczny usterki izolacji.
    ​   (14)
    1. Wygeneruj zfuzowaną reprezentację cech o wymiarze wyjściowym 128.
    2. Połącz wyjścia uwagi cross-time i cross-frequency.
    3. Spłaszcz zfuzowaną reprezentację przed klasyfikacją.
    4. Przekaż spłaszczoną reprezentację cech do 1D-CNN oraz w pełni połączonego klasyfikatora Softmax przedstawionego na Rysunku 9.

Rycina 9: Ogólny schemat identyfikacji usterek izolacji. Przepływ pracy proponowanej metody identyfikacji usterek izolacji. Surowe sygnały z macierzy mikrofonowej są łączone i wstępnie przetwarzane, po czym następuje ekstrakcja cech w dziedzinie czasu przy użyciu ścieżki TCN–AE, ekstrakcja cech w dziedzinie częstotliwości za pomocą spektrogramów Mel i CBAM, fuzja cech w oparciu o CA oraz końcowa klasyfikacja usterek przy użyciu jednowymiarowej konwolucyjnej sieci neuronowej. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

5. Wyrównanie i fuzja sygnałów z macierzy mikrofonowej za pomocą metody GCC-PHAT

1. Wybierz dwa sygnały z mikrofonów do szacowania opóźnienia i przekształć je do dziedziny częstotliwości za pomocą FFT.
   1. Do obliczeń GCC-PHAT w oparciu o FFT wykorzystaj pełną ramkę akustyczną o długości 8192 punktów zarejestrowaną z częstotliwością 200 kHz.
   2. Zastosuj FFT do każdego wybranego sygnału mikrofonowego przed obliczeniem widma mocy wzajemnej z wagą PHAT.
   3. Oszacuj opóźnienie czasowe międzykanałowe względem wybranego mikrofonu referencyjnego, korzystając z widma mocy wzajemnej z wagą PHAT oraz procedury IFFT przedstawionej na Rysunku 10.
   4. Zastosuj GCC-PHAT względem wybranego mikrofonu referencyjnego przed wyrównaniem wszystkich 112 aktywnych kanałów mikrofonowych.
   5. Zastosuj okno Hanna do pełnej ramki akustycznej o długości 8192 punktów przed przetwarzaniem FFT.
   6. Nie stosuj nakładających się okien podczas szacowania opóźnienia metodą GCC-PHAT.
   7. Uzupełnij każdą okienkowaną ramkę zerami do 16 384 punktów przed obliczeniami FFT i IFFT.
   8. Wykorzystaj sygnał uzupełniony zerami, aby poprawić rozdzielczość piku opóźnienia podczas szacowania opóźnienia czasowego.
2. Uzyskaj reprezentacje w dziedzinie częstotliwości oraz wybranych sygnałów mikrofonowych.
3. Oblicz widmo mocy wzajemnej, aby ocenić podobieństwo między dwoma sygnałami.
4. Wprowadź funkcję ważącą transformacji fazowej (PHAT), aby wyostrzyć pik korelacji wzajemnej i złagodzić efekty pogłosu.
5. Oblicz widmo mocy wzajemnej z wagą PHAT za pomocą Równania 15. Tutaj oraz są reprezentacjami w dziedzinie częstotliwości dwóch sygnałów mikrofonowych, a oznacza sprzężenie zespolone.
      (15)
6. Zastosuj IFFT, aby obliczyć funkcję uogólnionej korelacji wzajemnej (GCC).
7. Zidentyfikuj zmienną opóźnienia czasowego τ, lokalizując pik funkcji GCC.
8. Oblicz funkcję GCC za pomocą Równania 16. Tutaj jest funkcją uogólnionej korelacji wzajemnej i reprezentuje oszacowane opóźnienie czasowe.
      (16)
9. Wykonaj kompensację czasową, aby wyrównać sygnały na podstawie oszacowanego opóźnienia.
10. Zsynchronizuj każdy kanał względem mikrofonu referencyjnego za pomocą Równania 17. Tutaj jest sygnałem skompensowanym o opóźnienie, a τ_i to oszacowane opóźnienie względem mikrofonu referencyjnego.
    1. Jako mikrofon referencyjny wybierz mikrofon znajdujący się najbliżej geometrycznego środka macierzy.
    2. Zweryfikuj, czy wybrany mikrofon spełnia kryteria akceptacji kalibracji opisane w kroku 1.6.
    3. Jeśli mikrofon centralny nie spełnia kryteriów kalibracji, jako mikrofon referencyjny wybierz najbliższy skalibrowany mikrofon względem geometrycznego środka.
    4. Oszacuj opóźnienie τ_i dla każdego aktywnego kanału mikrofonowego względem wybranego mikrofonu referencyjnego.
    5. Wyrównaj wszystkie 112 aktywnych kanałów mikrofonowych względem wybranego mikrofonu referencyjnego przed formowaniem wiązki.
          (17)
11. Wykonaj formowanie wiązki metodą opóźnij-i-sumuj (delay-and-sum), aby zintegrować informacje przestrzenne.
12. Wzmocnij sygnał pochodzący z kierunku docelowego, jednocześnie tłumiąc szum otoczenia za pomocą Równania 18. Tutaj y(t) jest wyjściowym sygnałem formowanym w wiązkę, jest sygnałem skompensowanym o opóźnienie z i-tego mikrofonu, a N to całkowita liczba kanałów mikrofonowych.
    1. Wykonaj formowanie wiązki metodą opóźnij-i-sumuj po kompensacji opóźnienia GCC-PHAT.
    2. Zastosuj równą wagę dla wszystkich aktywnych kanałów mikrofonowych.
    3. Ustaw N = 112 dla 112 aktywnych kanałów mikrofonowych użytych podczas akwizycji.
    4. Zdefiniuj kierunek docelowy, korzystając ze znanej lokalizacji geometrycznej aktywnego modelu defektu względem środka macierzy mikrofonów.
    5. Podczas fuzji sygnałów skieruj formier wiązki opóźnij-i-sumuj w stronę centrum aktywnego modelu defektu.
    6. Wykorzystaj zdefiniowaną geometrię szafy testowej do określenia kierunku sterowania.
    7. Nie wykonuj estymacji kierunku docelowego w oparciu o dane podczas trenowania lub testowania modelu.
          (18)

Rycina 10: Procedura wyrównywania sygnałów GCC-PHAT. Schemat blokowy algorytmu uogólnionej korelacji wzajemnej z transformacją fazową (GCC-PHAT). Sygnały z mikrofonów w dziedzinie częstotliwości są przetwarzane w celu uzyskania widma mocy wzajemnej oraz funkcji wagowej, po czym następuje odwrotna transformata Fouriera w celu oszacowania opóźnienia czasowego między kanałami. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

6. Optymalizacja sieci za pomocą algorytmu CS

1. Zainicjuj parametry algorytmu CS w celu optymalizacji modelu 1D-CNN.
   1. Ustaw wielkość populacji, odpowiadającą liczbie gniazd, na 20.
   2. Ustaw prawdopodobieństwo odkrycia (Pa) na 0.25.
   3. Ustaw maksymalną liczbę iteracji optymalizacji na 50.
   4. Ustaw ziarno losowości (random seed) na 42 w celu zapewnienia powtarzalności.
   5. Ustaw parametr skalowania wielkości kroku α na 0.01.
   6. Zdefiniuj zakresy poszukiwania hiperparametrów zgodnie z przedziałami podsumowanymi w Tabeli 2.
   7. Zakończ optymalizację po osiągnięciu maksymalnej liczby iteracji lub po uzyskaniu zbieżności dopasowania walidacyjnego (validation-fitness convergence).
2. Generuj nowe rozwiązania, symulując zachowanie obligacyjnego pasożytnictwa lęgowego kukułek w połączeniu z lotami Lévy’ego.
3. Zaktualizuj bieżące rozwiązanie (gniazdo) , stosując losową wielkość kroku pochodną z charakterystyki lotu Lévy’ego.
4. Oblicz zaktualizowaną pozycję gniazda, korzystając z Równania 19. Tutaj α jest parametrem skalowania wielkości kroku, a oznacza mnożenie elementowe.
   1. Ustaw parametr skalowania wielkości kroku (α) na 0.01.
   2. Ustaw parametr lotu Lévy’ego (λ) na 1.5.
   3. Zakoduj każde kandydujące gniazdo jako zestaw hiperparametrów 1D-CNN, obejmujący konfigurację warstw konwolucyjnych, rozmiar jądra, szybkość uczenia (learning rate), wielkość partii (batch size) oraz ustawienia optymalizatora.
   4. Generuj kandydujące gniazda za pomocą aktualizacji lotem Lévy’ego i oceniaj każdego kandydata na podstawie wyników uzyskiwanych na zbiorze walidacyjnym.
   5. Zachowaj rozwiązania kandydujące, które poprawiają dopasowanie walidacyjne.
         (19)
5. Oblicz zmienne losowe dla lotu Lévy’ego, korzystając ze standardowego rozkładu normalnego skalowanego parametrem σ.
6. Oblicz σ korzystając z Równania 20. Tutaj reprezentuje funkcję Gamma, a β jest zazwyczaj ustawiane na 1.5.
      (20)
7. Wytrenuj model 1D-CNN, stosując pięć warstw konwolucyjnych, rozmiar jądra 3, funkcję aktywacji ReLU, optymalizację metodą stochastycznego spadku gradientu (SGD), początkową szybkość uczenia 0.001, wielkość partii 50 oraz funkcję straty entropii krzyżowej (cross-entropy loss).
8. Oceń zoptymalizowany model na zbiorze testowym.
   1. Wytrenuj końcowy model 1D-CNN, stosując wczesne zatrzymanie (early stopping) na podstawie straty walidacyjnej z wartością cierpliwości (patience) wynoszącą 10 epok.
   2. Ustaw ziarno losowości na 42 dla podziału zbioru danych i trenowania modelu.
   3. Oceń zoptymalizowany model, korzystając ze stałego zbioru testowego podsumowanego w Tabeli 2.
   4. Przedstaw pełną ewaluację macierzy pomyłek oddzielnie od wyników ablacji, przy całkowitej dokładności 99.05% (3962/4000) i wskaźnikach rozpoznawania poszczególnych klas w zakresie od 98.6% do 99.4%.

Kategoria	Parametr	Wartość / Ustawienie
Zestaw danych i dane wejściowe	Całkowita liczba ramek akustycznych	4,000
	Klasy błędów	wyładowanie powierzchniowe; wyładowanie w zawiesinie; wyładowanie wewnętrzne; wyładowanie punktowe
	Częstotliwość próbkowania	200 kHz
	Długość ramki	8 192 punktów na klatkę
	Kanały macierzy mikrofonowej	112
	Wprowadzenie modelu	Reprezentacja cech akustycznych w dziedzinie czasu i częstotliwości z fuzją za pomocą mechanizmu cross-attention
Podział zbioru danych	Rozmiar zbioru treningowego	2400 próbek
	Rozmiar zbioru walidacyjnego	400 próbek
	Wielkość zbioru testowego	400 próbek
	Pełna ocena rozmiaru macierzy pomyłek	4000 próbek
	Strategia podziału	Pojedynczy stały podział
	Ziarno losowe	42
architektura TCN	Liczba bloków rezydualnych	3
	Liczba filtrów na blok rezydualny	64
	Rozmiar jądra splotu	3
	Harmonogram dylatacji	1, 2, 4
	Wskaźnik rezygnacji	0.20
Architektura autoenkodera	Wymiary warstwy kodera	512 → 256 → 128
	Wymiar przestrzeni utajonej	128
	Wymiary warstwy dekodera	128 → 256 → 512
Trenowanie autoenkodera	Optymalizator	Adam
	Wskaźnik uczenia	0.001
	Wielkość partii	50
	Liczba epok trenowania	100 epok
	Kryterium wczesnego zatrzymania	Błąd średniokwadratowy (MSE) walidacji; patience = 20 epok
Ustawienia spektrogramu Mel-a	rozmiar FFT	1 024 punkty
	Liczba filtrów Mel	256
	Zakres częstotliwości	0–100 kHz
	Wymiary spektrogramu	256 × 256
Konfiguracja CBAM	Współczynnik redukcji kanałów	16
	Wymiary mapy cech	256 × 256 × 64
Konfiguracja uwagi krzyżowej	Wymiar zanurzenia	128
	Liczba głowic uwagi	4
	Wymiar projekcji zapytania	łącznie 128; po 32 na głowę
	Kluczowy wymiar projekcji	łącznie 128; po 32 na osobę
	Wymiar projekcji wartości	łącznie 128; po 32 na osobę
	Wskaźnik rezygnacji	0.10
Klasyfikator 1D-CNN	Liczba warstw splotowych	5
	Rozmiar jądra splotu	3
	Funkcja aktywacji	ReLU
	Warstwa wyjściowa	Softmax dla 4 klas
	Funkcja straty	Strata entropii krzyżowej
Ustawienia szkolenia	Optymalizator	Stochastyczny spadek gradientu (SGD)
	Wstępna szybkość uczenia	0.001
	Wielkość partii	50
	Maksymalna liczba iteracji trenowania	1,000
	Wczesne zatrzymanie	Monitorowanie straty walidacyjnej
	Cierpliwość wczesnego zatrzymania	100 iteracji
	Końcowa strata treningowa	Brak danych w dostarczonym manuskrypcie
	Końcowa strata walidacyjna	Brak w dostarczonym manuskrypcie
Optymalizacja metodą poszukiwania kukułki	Cel optymalizacji	Hiperparametry 1D-CNN
	Wielkość populacji / liczba gniazd	20
	Prawdopodobieństwo wykrycia (Pa)	0.25
	Parametr skalowania wielkości kroku (α)	0.01
	parametr lotu Lévy’ego (β)	1.5
	parametr lotu Lévy’ego (λ)	1.5
	Maksymalna liczba iteracji optymalizacji	50
	Zakresy poszukiwania hiperparametrów	Filtry konwolucyjne {32, 64, 128, 256}; rozmiar jądra {3, 5, 7}; tempo uczenia 1×10⁻⁴–1×10⁻²; rozmiar partii {25, 50, 100}; dropout 0,10–0,50; spadek wag (weight decay) 1×10⁻⁵–1×10⁻³
Walidacja i raportowanie	Rysunek 13 Precyzja ablacji CA	98.20%
	Tabela 2. Dokładność macierzy pomyłek	99.05% (3,962/4,000)
	Walidacja krzyżowa / powtórzone uruchomienia	Nie wykonano

Tabela 2: Konfiguracja zbioru danych, parametry trenowania modelu i ustawienia optymalizacji dla klasyfikacji uszkodzeń izolacji. Tabela podsumowuje skład zbioru danych, strategię partycjonowania danych, architekturę 1D-CNN, konfigurację trenowania, ustawienia optymalizacji algorytmem Cuckoo Search, metryki walidacji oraz kwestie wyboru parametrów wykorzystane do opracowania i oceny proponowanego systemu diagnostyki uszkodzeń. Brakujące wartości specyficzne dla implementacji powinny zostać pobrane z końcowych logów trenowania i optymalizacji w celu zapewnienia powtarzalności. Prosimy kliknąć tutaj, aby pobrać tę tabelę.

Wyniki

Schemat ekstrakcji cech w dziedzinie czasu i częstotliwości

Zaproponowana metoda identyfikacji uszkodzeń izolacji integruje ścieżki ekstrakcji cech czasowych i spektralnych w celu scharakteryzowania złożonych sygnatur akustycznych generowanych przez defekty izolacji. Ekstrakcję cech w dziedzinie czasu przeprowadzono przy użyciu sieci TCN zawierającej rozszerzone sploty przyczynowe, aby uchwycić długodystansowe zależności czasowe w sekwencjach akustycznych (

Dyskusja

Niniejszy artykuł metodyczny opisuje znormalizowany, niekontaktowy protokół identyfikacji złożonych uszkodzeń izolacji w sprzęcie elektroenergetycznym poprzez rozpoznawanie akustycznych śladów palców. Dzięki integracji TCN-AE wraz z przetwarzanym przez Mel-CBAM widmem Mel, ustalony przepływ danych izoluje zarówno dynamiczne wahania czasowe, jak i zlokalizowane cechy spektralne. Następna fuzja wielomodalna poprzez mechanizm CA ma na celu zmniejszenie rozmycia informacji, które często towarzyszy prostej konkatenacji cech. ...

Materiały

```html

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Autoencoder (AE)	Niestandardowy model	Architektura enkoder-dekoder do kompresji cech	Redukcja wymiarowości cech
Moduł Cross-Attention	Niestandardowy model	Moduł fuzji cech czasowo-częstotliwościowych	Fuzja cech międzymodalnych
Algorytm GCC-PHAT	Niestandardowy algorytm	Implementacja oparta na FFT/IFFT	Estymacja opóźnienia czasowego i wyrównanie sygnału
Obwód testowy wysokiego napięcia	Własna platforma laboratoryjna	Autotransformator T1, transformator testowy T2, rezystor ochronny 200 kΩ, kondensator sprzężenia 1 nF; napięcie robocze 4–12 kV	Generacja warunków uszkodzenia izolacji
Mel spektrogram + CBAM	Niestandardowy model	Wyodrębnianie widma częstotliwości Mel z ulepszeniem uwagi	Wyodrębnianie cech w dziedzinie częstotliwości
System mikrofonowy	Własna platforma laboratoryjna	112-kanałowa zmodyfikowana spiralna kołnierzowa; częstotliwość próbkowania 200 kHz; 8192 punkty na klatkę	Rejestrowanie akustyczne
Mikrofony	Zgodne moduły mikrofonowe do ultradźwięków z własnej produkcji	112 zgodnych kanałów; czułość -38 +/- 3 dBV/Pa; zakres częstotliwości 20 Hz-100 kHz; kalibrowane na 94 dB SPL/1 kHz i 40 kHz; granice dopuszczalne: +/-2 dB przy 1 kHz i +/-3 dB przy 40 kHz	Wykrywanie akustyczne
Wielokanałowy system DAQ	Zsynchronizowana platforma DAQ z własnej produkcji	112-kanałowe jednoczesne rejestrowanie; 16-bitowy ADC; 200 kHz/kanał; 8192 punkty/klatkę; wspólny zegar próbkowania; uruchamianie sprzętowe TTL na krawędzi wznoszącej	Rejestrowanie danych i synchronizacja
Jednowymiarowa sieć CNN + optymalizacja CS	Niestandardowy model	Pięć warstw splotu; rozmiar rdzenia 3; SGD; stawka uczenia 0,001; wielkość partii 50	Klasyfikacja uszkodzeń
Środowisko treningowe Python	Python / PyTorch	Python 3.9; PyTorch 2.0; NumPy 1.24; scikit-learn 1.2; librosa 0.10; CUDA 11.8	Trening i ewaluacja modelu
Sieć konwolucyjna czasowa (TCN)	Niestandardowy model	Rozmyte konwolucje przyczynowe z połączeniami resztowymi	Wyciąganie cech w dziedzinie czasu
Szafka testowa z modelami uszkodzeń	Własna platforma laboratoryjna	Modele wyładowań powierzchniowych, zawieszonych, wewnętrznych i punktowych	Symulacja uszkodzeń izolacji
System testowania napięcia ziemi przejściowego (TEV)	Komercyjny moduł monitorowania TEV	Kanał odniesienia TEV; pasmo analogowe 3-100 MHz; wzmocnienie 40 dB; uruchamianie TTL na krawędzi wznoszącej; próg uruchamiania ustawiony 6 dB powyżej podstawy szumów tła lub >=10 mV ekwiwalenta na wejściu czujnika	Weryfikacja aktywności wyładowań

```