Fusão de atenção cruzada de características acústicas tempo-frequência para reconhecimento de falhas de isolamento em equipamentos de energia usando um sistema de matriz de microfones

Resumo

Este protocolo descreve um método sem contato para reconhecer falhas de isolamento em equipamentos de energia extraindo e fundindo características acústicas no domínio do tempo e da frequência para classificação automatizada de falhas.

Resumo

O objetivo desse protocolo é fornecer um método sem contato para reconhecer falhas de isolamento em equipamentos de energia, extraindo e fundindo características acústicas no domínio do tempo e da frequência para classificação automatizada de falhas. Impressões acústicas geradas por falhas de isolamento exibem características não lineares e não gaussianas, o que pode limitar a eficácia das abordagens convencionais de extração de características de domínio único. Para enfrentar esse desafio, este protocolo apresenta uma estrutura de extração de características tempo-frequência e fusão baseada em um mecanismo de atenção cruzada (CA) para a identificação de quatro tipos de falhas de isolamento. Características no domínio do tempo são primeiramente extraídas usando uma rede convolucional temporal acoplada a um autoencoder para capturar variações dinâmicas em sinais acústicos sequenciais. Paralelamente, características no domínio da frequência são extraídas de espectrogramas Mel usando um módulo de atenção em bloco convolucional para aprimorar a representação das características espectrais. Um mecanismo de CA é então empregado para fundir adaptativamente características temporais e espectrais, fortalecendo as relações entre os dois domínios de características. A representação das características fundidas é posteriormente inserida em uma rede neural convolucional unidimensional otimizada usando o algoritmo Cuckoo Search para classificação de falhas. Resultados representativos demonstram que essa estrutura caracteriza efetivamente impressões acústicas complexas e alcança alto desempenho de classificação em relação às abordagens convencionais de extração de características. O protocolo oferece uma estratégia robusta sem contato para diagnóstico de falhas de isolamento e monitoramento de condição de equipamentos de energia elétrica.

Introdução

A identificação precoce de falhas de isolamento em equipamentos de energia é fundamental para garantir a segurança e estabilidade da rede^elétrica 1,2,3,4. Estatísticas indicam que aproximadamente 60% das falhas em equipamentos de energia estão diretamente associadas à degradação do^{isolamento 5}. Métodos convencionais de monitoramento elétrico, no entanto, frequentemente sofrem de resposta retardada, baixa capacidade anti-interferência e a necessidade de instalação invasiva baseada em^{contato 5}. Recentemente, o reconhecimento acústico de impressões digitais emergiu como uma abordagem diagnóstica promissora sem contato devido à sua rápida resposta e facilidade de implementação ^6,7. No entanto, os sinais de falha de isolamento são inerentemente não lineares e não^{gaussianos 8}. Suas características acústicas são frequentemente mascaradas por ruídos ambientais e vibrações estruturais, dificultando que métodos tradicionais de extração de domínio único (domínio do tempo ou frequência) capturem as características essenciais da falha.

A pesquisa atual em extração de características acústicas enfrenta dois desafios principais. Primeiro, a análise no domínio do tempo, como a energia de curto prazo ou taxas de cruzamento zero, reflete flutuações de sinal, mas frequentemente perde detalhes espectrais de granulação fina. Segundo, métodos no domínio da frequência, como a Transformada Rápida de Fourier (FFT) e as transformadas wavelet, podem extrair características espectrais, mas têm dificuldade em capturar a evolução temporal dinâmica do sinal. Estudos anteriores tentaram preencher essa lacuna. Por exemplo, Dai et ^al.9 utilizaram transformada de Fourier de curto prazo (STFT) para gerar mapas de tempo-frequência bidimensionais. No entanto, devido ao princípio da incerteza, a resolução da STFT é limitada pela largura da janela, forçando um equilíbrio entre localização temporal e resolução de frequência. Outras abordagens, como os coeficientes cepstrais de frequência Mel (MFCCs) e coeficientes cepstrais de frequência gama (GFCCs⁾¹⁰, frequentemente resultam em representações de características que são muito simplistas para manter a robustez sob condições de alta interferência. Embora distribuições avançadas e características baseadas em^{entropia 11} tenham alcançado alta precisão em conjuntos de dados específicos, frequentemente carecem de generalização devido ao tamanho limitado das amostras. Além disso, a simples concatenação de características no domínio do tempo e da frequência não estabelece um mecanismo de correlação intrínseco, frequentemente levando a alta redundância e discriminabilidade insuficiente. Modelos tradicionais de aprendizado de máquina também são propensos a superajuste ao lidar com as características de amostra pequena e alto ruído típicas dos conjuntos de dados de falhas^{de isolamento 12}. Desenvolvimentos recentes evoluíram de descritores manuais convencionais e representações tempo-frequência para extração de características baseadas em redes neurais profundas e estratégias de fusão guiadas pela atenção. No entanto, muitas abordagens existentes ainda processam informações temporais e espectrais de forma independente ou as combinam por meio de simples concatenação de características, limitando sua capacidade de capturar relações cruzadas dentro de sinais acústicos complexos.

Para abordar essas limitações, este protocolo apresenta uma metodologia sinérgica de extração e fusão de características tempo-frequência centrada em um mecanismo de atenção cruzada (AC). O objetivo principal desse método é estabelecer um modelo de correlação intermodal que atribua pesos de forma adaptativa a características críticas, reduzindo assim a diluição de informações comumente associada às estratégias tradicionais de concatenação. O protocolo emprega uma arquitetura acoplada de rede temporal convolucional (TCN) e autoencoder (AE) para construir um caminho de processamento no domínio do tempo, utilizando convoluções causais dilatadas para capturar dependências de longo alcance dentro de sequências acústicas. Simultaneamente, uma arquitetura paralela de espectrograma Mel e módulo de atenção convolucional em bloco (CBAM) foi projetada para aprimorar características espectrais locais e a atenção por canal. Central para essa abordagem está a introdução de um mecanismo de CA, que emprega interações consulta–chave–valor para modelar as interdependências entre os domínios do tempo e da frequência. Conceitos semelhantes de fusão baseados em atenção foram relatados em máquinas ruidosas e tarefas acústicas-diagnósticas, onde os pesos de atenção enfatizam regiões temporais ou espectrais discriminativas sob interferência; no entanto, a maioria dos classificadores de descarga parcial existentes ainda depende de representações de domínio único ou fusão tardia, motivando o projeto atual de CA. Por fim, uma rede neural convolucional unidimensional (1D-CNN), otimizada usando o algoritmo Cuckoo Search (CS), é empregada para classificação robusta de falhas.

Esse método oferece vantagens significativas em relação às abordagens diagnósticas convencionais, ao fornecer uma solução de alto desempenho, sem contato, que permanece eficaz em ambientes eletromagnéticos complexos. Métricas de desempenho são reportadas separadamente para o estudo de ablação e para o modelo final de classificação. O estudo de ablação alcançou 98,2% de precisão para a configuração CA, enquanto o modelo final de classificação alcançou uma precisão geral de 99,05% (3962/4000), com taxas de reconhecimento por classe variando de 98,6% a 99,4%. É particularmente adequado para pesquisadores e engenheiros que buscam implementar monitoramento automatizado de chaves de 10 kV ou equipamentos similares de distribuição de energia, onde a detecção baseada em contato é impraticável. Ao seguir esse protocolo, os usuários podem caracterizar efetivamente impressões acústicas complexas e alcançar identificação confiável de falhas sob condições elevadas de ruído de fundo. Modelos acústicos baseados em transformadores, incluindo arquiteturas de transformadores de espectrograma de áudio (AST), são promissores para modelagem espectrotemporal de contexto de longo alcance; No entanto, eles não foram selecionados para o protocolo atual porque o conjunto de dados disponível é relativamente pequeno e a estrutura proposta prioriza treinamento estável, menor custo computacional e ramos interpretáveis de processamento em domínios de tempo e frequência. A avaliação de arquiteturas baseadas em transformadores representa uma direção importante para estudos futuros.

Protocolo

Este estudo não envolveu participantes humanos, animais vertebrados ou espécimes biológicos. Portanto, não eram necessárias aprovações de ética institucional, aprovação de uso de animais e aprovação de sujeitos humanos.

A Figura 1 ilustra a estrutura de convolução causal dilatada usada na arquitetura TCN. A Figura 2 ilustra a estrutura de conexão residual usada durante a extração de características temporais. A Figura 3 ilustra a arquitetura AE usada para redução de dimensões de características. A Figura 4 ilustra a arquitetura CBAM usada para extração de características espectrais. A Figura 5 ilustra o mecanismo de CA usado para a fusão de características tempo-frequência.

Figura 1: Estrutura de Convolução Causal Dilatada. Ilustração esquemática da arquitetura da rede temporal convolucional (TCN) empregando convoluções causais e dilatadas. O fator de dilatação aumenta com a profundidade da rede para expandir o campo receptivo e capturar dependências temporais de longo alcance em sinais acústicos. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 2: Estrutura de Conexão Residual. Diagrama do bloco residual usado na arquitetura TCN. O bloco incorpora convoluções causais, normalização de peso, funções de ativação de ReLU, camadas de dropout e uma conexão residual para facilitar o treinamento estável em redes profundas e mitigar a degradação do gradiente. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 3: Arquitetura do Autoencoder (AE). Representação esquemática do AE usado para redução de dimensões de características. O codificador comprime as características acústicas de entrada em uma representação latente, e o decodificador reconstrói o espaço original de características a partir da representação comprimida. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 4: Arquitetura do Módulo de Atenção em Blocos Convolucional (CBAM). Fluxo de trabalho do CBAM usado para aprimoramento de características no domínio da frequência. O módulo aplica sequencialmente mecanismos de atenção em canal e atenção espacial para refinar representações de características extraídas dos espectrogramas Mel. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 5: Mecanismo de Fusão de Características de Atenção Cruzada (CA). Representação esquemática do módulo CA usado para fundir características temporais e no domínio da frequência. Matrizes de consulta, chave e valor são geradas a partir das duas modalidades de características para modelar dependências intermodais e produzir representações de características fundidas. Por favor, clique aqui para ver uma versão ampliada desta figura.

1. Configuração da Plataforma de Impressão Acústica de Falhas de Isolamento e Aquisição de Dados

1. Construir uma plataforma de detecção de matriz de microfones sem contato dentro do laboratório. Montar o sistema usando um circuito de teste de alta tensão, um gabinete de teste contendo modelos de defeito, um sistema de teste de Tensão Terrestre Transitória (TEV) e o sistema de microfones. O sistema TEV era operado como canal de referência elétrica para verificação de descargas.
   NOTA: Certifique-se de que o circuito de alta tensão inclua um autotransformador (T1), um transformador de teste (T2), um resistor de proteção (R) de 200 kΩ e um capacitor de acoplamento (Cx) de 1 nF. Consulte a Figura 6 para o layout do esquema.
   ATENÇÃO: Testes de alta tensão apresentam risco de choque elétrico. Siga os procedimentos institucionais de segurança elétrica e garanta que todos os componentes de alta voltagem estejam devidamente isolados e aterrados antes da operação.
2. Configure quatro modelos distintos de falha de isolamento dentro do gabinete de teste para simular defeitos operacionais comuns: descarga superficial, descarga suspensa, descarga interna e descarga pontual (Figura 7).
3. Prepare os modelos de falha de isolamento para testes.
   1. Fabricar todos os modelos em placas isolantes de resina epóxi de 100 mm × 100 mm × 5 mm usando eletrodos polidos.
   2. Prepare o modelo de descarga superficial fixando dois eletrodos de tira de cobre de 20 mm × 10 mm × 1 mm na superfície superior com uma folga de fluência de 15 mm. Deixe a superfície epóxi exposta.
   3. Prepare o modelo de descarga suspensa montando um eletrodo de vareta de cobre de 2 mm de diâmetro 5 mm acima de uma placa de cobre aterrada (40 mm × 40 mm × 1 mm) usando um suporte epóxi. Mantenha o eletrodo da haste eletricamente isolado da placa.
   4. Prepare o modelo de descarga interna fundindo um bloco epóxi contendo um vácuo de ar artificial cilíndrico (10 mm de diâmetro × 2 mm de altura) centralizado entre duas placas de cobre (40 mm × 40 mm × 1 mm). Posicione o centro do vazio aproximadamente 2,5 mm abaixo da superfície superior.
   5. Prepare o modelo de descarga pontual posicionando um eletrodo de agulha de aço inoxidável com um raio de ponta aproximado de 0,5 mm, oposto a uma placa de cobre aterrada sobre um espaço de ar de 10 mm.
   6. Limpe todos os eletrodos com etanol e seque completamente antes da montagem.
   7. Monte a geometria eletrodo-defeito no gabinete de teste e verifique todos os espaçamentos dos eletrodos usando um calibre antes de cada teste de tensão.
4. Implante o sensor de matriz de microfones empregando uma estrutura espiral anular modificada composta por 112 canais. Consulte a Figura 8 para a distribuição de coordenadas.
5. Defina a taxa de amostragem para 200 kHz e configure o comprimento da amostra para 8192 pontos por quadro. Consulte a Tabela 1 para os parâmetros do sensor.
6. Configure o hardware do array de microfones.
   1. Monte os 112 microfones alinhados na estrutura espiral anular modificada nas posições coordenadas mostradas na Figura 8. Mantenha o espaçamento entre elementos definido pelo arquivo de coordenadas do array, variando de 10 mm a 25 mm.
   2. Posicione um calibrador acústico portátil e uma fonte de referência ultrassônica de 40 kHz a 300 mm do centro do conjunto de microfones.
   3. Calibre todos os canais ativos de microfone antes de cada sessão de aquisição usando um sinal de referência acústico de 94 dB, 1 kHz acústico e um sinal de referência ultrassônico de 40 kHz.
   4. Grave 5 sinais de calibração de s de cada canal de microfone.
   5. Calcule a sensibilidade RMS e a resposta de fase de cada canal em relação ao canal central do array.
   6. Manter apenas canais com desvio de sensibilidade dentro de ±2 dB a 1 kHz, dentro de ±3 dB a 40 kHz, e sem clipping ou elevação anormal do fundo do ruído.
   7. Exclua os canais que não atendem aos critérios de aceitação da análise subsequente.
   8. Repita o procedimento de calibração após qualquer substituição do microfone ou movimento do conjunto de microfones.
7. Configure o sistema de aquisição de dados multicanal para realizar amostragem simultânea em todos os canais ativos do microfone.
   1. Configure o sistema DAQ para aquisição simultânea de todos os 112 canais de microfone usando um clock de amostragem compartilhado de 200 kHz.
   2. Defina a resolução de aquisição para 16 bits, configure o acoplamento AC e adquira 8192 pontos por quadro.
   3. Distribua um disparo de partida por hardware para todos os módulos de aquisição por meio de um barramento TTL de borda positiva comum.
   4. Armazene todos os canais de microfone dentro do mesmo registro de quadro e mantenha o carimbo de hora do disparo e o índice de canal para cada aquisição.
   5. Inspecione os primeiros 100 quadros adquiridos para amostras perdidas, saturação do canal e desvio de clock antes de iniciar a coleta formal de dados.
8. Justifique a configuração do conjunto de microfones. O arranjo de 112 canais foi selecionado para melhorar a densidade de amostragem espacial para formação de feixe e estimativa de atraso do GCC-PHAT, aumentando assim a supressão do ruído ambiental fora do eixo em relação a um arranjo esparso de baixa contagem de canais. Embora aproximadamente quatro canais possam ser suficientes para localização geométrica 3D, o protocolo atual utiliza amostragem espacial densa para aprimoramento do sinal e estabilidade de características, em vez de apenas localização. Versões de canal reduzido devem ser validadas separadamente antes da implantação em campo sensível ao custo.
9. Aplique alta tensão ao circuito de teste para induzir fenômenos de descarga parcial entre os modelos.
10. Mantenha o ambiente experimental durante os testes.
    1. Mantenha o laboratório entre 22°C ± 2°C, umidade relativa de 45%–55% e 101 ± 2 kPa de pressão atmosférica durante a aquisição de dados.
    2. Meça o ruído acústico de fundo antes de energizar o sistema de alta voltagem.
    3. Prossiga com a aquisição de dados apenas quando o nível de ruído de fundo ponderado em A for ≤40 dB(A).
    4. Verifique se o fundo de ruído ultrassônico de cada canal ativo de microfone está pelo menos 20 dB abaixo do nível de descarga-impulso observado durante os testes piloto.
    5. Mantenha portas e janelas fechadas e desligue equipamentos rotativos não essenciais durante a coleta de dados.
    6. Aterre o chassi de alta tensão e o chassi DAQ antes da aquisição.
    7. Impeça o movimento do pessoal próximo ao conjunto de microfones durante a gravação.
11. Monitore a atividade de descarga continuamente utilizando o sensor TEV conectado a um terminal PC.
    1. Defina o limiar de monitoramento do TEV para 6 dB acima do nível mínimo de ruído de fundo pré-teste e não abaixo de um nível de entrada equivalente de 10 mV.
    2. Configure o canal de referência TEV com uma largura de banda analógica de 3–100 MHz e ganho de 40 dB.
    3. Registre a atividade de pulsos TEV usando envelope e logging de pulsos no terminal do PC.
    4. Configure o sistema TEV para usar disparo por hardware de borda positiva.
    5. Use o mesmo valor de limiar tanto para monitoramento TEV quanto para geração de gatilhos.
    6. Aceite um quadro acústico apenas quando a atividade de pulsos TEV ocorre dentro da janela de aquisição correspondente e é repetida entre quadros consecutivos na tensão selecionada.
12. Ajuste progressivamente a tensão entre 4 e 12 kV.
13. Registre os sinais acústicos assim que um fenômeno de falha de isolamento distinto e estável for observado para um modelo específico. Defina um fenômeno de falha distinto e estável como um estado de descarga no qual a atividade do TEV e padrões de impulso acústico são observados repetidamente na tensão-alvo sem extinção intermitente óbvia, saturação do canal acústico, ruído mecânico não relacionado ou ruído de impacto externo. Mantenha a tensão até que o padrão de descarga permaneça estável por pelo menos 60 s antes de gravar os quadros acústicos.
14. Colete 1000 conjuntos de dados válidos para cada um dos quatro tipos de falha. Classifique um quadro de amostra como válido apenas quando a referência TEV indica atividade de descarga, o canal acústico não está saturado, o quadro não contém impacto externo ou ruído de manuseio óbvio, e o rótulo da amostra corresponde ao modelo de defeito ativo. Exclua quadros com saturação do canal acústico, ausência de confirmação TEV, rotulagem de falhas inconsistente, extinção intermitente de descarga, impacto mecânico externo ou ruído de fundo instável.
15. Sincronize o sistema TEV com o sistema de aquisição acústica durante a coleta de dados.
    1. Conecte a saída do gatilho TEV à entrada do gatilho acústico DAQ através do barramento compartilhado TTL.
    2. Use a saída de pulso TEV como gatilho de hardware para aquisição acústica de dados.
    3. Registre o marcador de gatilho como um canal de temporização digital no arquivo de dados acústicos.
    4. Realize o alinhamento inicial dos fluxos TEV e de aquisição acústica usando o carimbo de data do disparo.
    5. Estimar os atrasos residuais entre microfones usando GCC-PHAT antes da formação de feixe.
    6. Verifique se a precisão da sincronização TEV-acústica está dentro de ±1 amostra acústica, correspondendo a ≤5 μs em uma taxa de amostragem de 200 kHz.

Figura 6: Plataforma de Detecção de Falhas de Isolamento com Matriz de Microfones. Configuração experimental usada para detecção de falhas de isolamento acústico. A plataforma consiste em um circuito de teste de alta tensão, gabinete de teste de falhas de isolamento, sistema de matriz de microfones, sensor TEV e sistema de monitoramento baseado em computador para aquisição e verificação de dados. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 7: Modelos de falhas de isolamento construídos em laboratório. Modelos representativos de isolamento e falha usados para aquisição de dados. (A) Modelo de descarga superficial. (B) Modelo de descarga suspensa. (C) Modelo de descarga interna. (D) Modelo de descarga pontual. Os modelos foram construídos para simular quatro condições comuns de falha de isolamento sob condições laboratoriais controladas. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 8: Distribuição do Conjunto de Microfones. Disposição espacial do arranjo de microfones de 112 canais empregando uma configuração espiral anular modificada. A distribuição de coordenadas ilustra a posição dos sensores usada para aquisição acústica de sinais e subsequente análise de formação de feixe. Por favor, clique aqui para ver uma versão ampliada desta figura.

Tipo de parâmetro	Valor do Parâmetro
Estrutura do array	Espiral anular modificada
Número de canais	112
Taxa de amostragem	200 kHz
Pontos de amostragem por quadro	8192

Tabela 1: Parâmetros do Array de Microfones. Especificações técnicas do sistema de microfones usado para aquisição de sinais acústicos durante experimentos de falha de isolamento. A tabela resume a geometria do array, número de canais, taxa de amostragem e o número de pontos de amostragem adquiridos por quadro. Por favor, clique aqui para baixar esta Tabela.

2. Extração de Características no Domínio do Tempo via TCN-AE

1. Insira os dados acústicos pré-processados da série temporal no TCN para capturar variações temporais^{dinâmicas 13,14}. Após a fusão do sinal, normalize cada quadro acústico de 8192 pontos usando o procedimento de normalização aplicado durante o treinamento do modelo e insira a sequência 1D normalizada no TCN.
2. Configure a arquitetura TCN.
   1. Construa o TCN usando três blocos residuais dispostos sequencialmente para extração temporal de características.
   2. Atribua 64 filtros convolucionais a cada bloco residual e defina o tamanho do núcleo da convolução para 3.
   3. Implemente convoluções causais dilatadas e configure os fatores de dilatação como d = 1, 2 e 4 para expandir progressivamente o campo receptivo temporal.
   4. Aplique a função de ativação do ReLU após cada operação convolucional.
   5. Aplique uma taxa de dropout de 0,20 após cada bloco residual para reduzir o sobreajuste durante o treinamento.
   6. Realizar a normalização do peso como método de regularização dentro de cada bloco residual.
   7. Incorpore conexões residuais em toda a rede e use projeções convolucionais 1 × 1 sempre que necessário para corresponder as dimensões das características entre os caminhos residual e transformado.
3. Aplique convoluções causais à sequência de entrada. Adapte o preenchimento zero antes da sequência com base no tamanho do kernel para garantir que a saída em qualquer passo de tempo dependa estritamente das entradas atuais e anteriores.
4. Execute a convolução causal usando o peso do núcleo (_{w i}) e o tamanho do núcleo (K) da seguinte forma (Equação 1):
   (1)
5. Implemente convoluções dilatadas para expandir o campo receptivo da rede sem aumentar a contagem de parâmetros. Aumente o fator de dilatação d exponencialmente à medida que a profundidade da rede avança para capturar dependências temporais de longo alcance.
6. Calcule a convolução dilatada usando o fator de dilatação (d) da seguinte forma (Equação 2). Use a progressão do fator de dilatação d = 1, 2 e 4 durante o treinamento das CNT para expandir progressivamente o campo receptivo temporal sem aumentar o número de pontos amostrados em cada quadro acústico.
   (2)
7. Integre conexões residuais para mitigar gradientes nulos durante o treinamento profundo em rede.
8. Passe a sequência de entrada pelo bloco de convolução causal dilatado. Realize regularização de peso e aplique uma ativação não linear ReLU seguida por uma camada Dropout.
9. Adicione a saída processada diretamente à sequência original de entrada (Figura 2). Aplique a normalização de peso dentro de cada bloco residual e use uma taxa de dropout de 0,20 antes de realizar a adição residual. Use uma projeção convolucional 1 × 1 quando necessário para corresponder às dimensões das características entre os caminhos residual e transformado.
10. Alimente as características temporais de alta dimensão extraídas pelo TCN em um AE para redução de dimensão de características¹⁵.
11. Configure a arquitetura do AE.
    1. Construa o codificador usando três camadas totalmente conectadas com dimensões 512, 256 e 128 neurônios, respectivamente.
    2. Defina a representação do espaço latente usando um vetor de características de 128 dimensões.
    3. Construa o decodificador usando três camadas totalmente conectadas com dimensões 128, 256 e 512 neurônios, respectivamente.
    4. Aplique a função de ativação do ReLU após cada camada totalmente conectada tanto no codificador quanto no decodificador.
    5. Configure o AE para reconstruir a representação da característica de entrada a partir do vetor do espaço latente e otimize a reconstrução usando a função de perda de erro quadrático médio (MSE) descrita no Passo 2.16.
12. Comprima os dados de entrada em uma representação de espaço latente de dimensão inferior via codificador.
13. Reconstrua os dados originais usando o decodificador (Figura 3).
14. Execute as transformações de codificação e decodificação usando a função de ativação do ReLU (σ), matrizes de pesos (W₁ e W₂) e termos de viés (b₁ e b₂) conforme dados pelas Equações 3 e 4.
    (3)
    (4)
15. Treine o AE para preservar informações críticas minimizando o erro de reconstrução.
16. Utilize o erro quadrático médio (MSE) como função de perda e calcule o erro de reconstrução usando a Equação 5.
    1. Treine o AE usando o otimizador Adam com taxa de aprendizado de 0,001.
    2. Defina o tamanho do lote para 50 e treine a rede para um máximo de 100 épocas.
    3. Monitore a perda de validação durante o treinamento e aplique paradas precoces com um valor de paciência de 10 épocas.
    4. Use a partição fixa do conjunto de dados composta por 2400 amostras de treinamento, 400 amostras de validação e 400 amostras de teste.
    5. Realize treinamento de modelos no ambiente de deep learning baseado em Python, resumido na Tabela de Materiais.
    6. Calcule o erro de reconstrução usando a Equação 5.
       (5)

3. Extração de características no domínio da frequência via espectrograma mel e CBAM

1. Aplique funções de pré-ênfase, enquadramento e janela aos sinais acústicos brutos de descarga parcial.
   1. Remova o deslocamento DC de cada quadro acústico de 8192 pontos.
   2. Aplique pré-ênfase usando:
      
   3. Normalize cada quadro usando sua amplitude absoluta máxima após a remoção do deslocamento DC.
   4. Segmente cada quadro usando uma janela de Hamming de 1024 amostras.
   5. Use um comprimento de salto de 512 amostras, correspondendo a 50% de sobreposição entre janelas adjacentes.
   6. Calcule a transformada de Fourier de curto prazo (STFT) usando uma FFT de 1024 pontos.
   7. Não aplique filtragem passa-banda adicional por software além da limitação de largura de banda do hardware front-end e dos critérios de exclusão de qualidade de quadros descritos acima.
2. Realize uma transformada de Fourier nos sinais processados.
3. Converta a frequência linear original (f) para a escala de Mel. Esse passo lineariza a percepção de frequência humana e reduz o peso das bandas^{de interferência 16}.
4. Calcule a frequência em escala Mel (f_mel) usando a frequência linear original (f) (Equação 6).
   (6)
5. Particione as frequências em uma sequência de bancos triangulares de filtros.
6. Calcule a soma ponderada de todas as amplitudes de sinal dentro de cada largura de banda do filtro. Aplique uma função logarítmica à saída para aumentar a consistência perceptiva em relação às variações de amplitude.
7. Calcule a saída do banco de filtro de mel usando a Equação 7. Aqui, S(m) é a saída do filtro m-ésima, k é o índice de frequência, e H_m(k) define o filtro triangular.
   (7)
8. Gerar os espectrogramas Mel.
   1. Calcule a transformada de Fourier de curto prazo usando um tamanho FFT de 10²4.
   2. Aplique bancos de filtros de 256 Mel ao espectro de frequência resultante.
   3. Gerar espectrogramas de Mel na faixa de frequência de 0–100 kHz.
   4. Redimensione ou represente os espectrogramas Mel resultantes como mapas de características de 256 × 256 pixels para processamento CBAM subsequente.
   5. Converta o espectrograma de potência Mel para a escala de decibéis.
   6. Aplique a normalização min-max por espectrograma usando o espectrograma Mel comprimido logarítmicamente (S_dB):
      
   7. Realize a normalização independentemente para cada imagem do espectrograma 256 × 256 Mel.
   8. Corte os valores normalizados para a faixa [0,1] antes de inserir o espectrograma no ramo CBAM.
9. Insira os espectrogramas Mel resultantes no CBAM para extrair características espectrais^{principais 17}.
10. Processe os dados por meio de mecanismos sequenciais de atenção por canal e atenção espacial (Figura 4).
11. Configure a arquitetura CBAM.
    1. Configure o módulo de atenção ao canal usando uma razão de redução de canal de 16.
    2. Mapas de recursos de entrada de processos com dimensões de 256 × 256 × 64.
    3. Aplique o agrupamento global de média e global de máximo agrupamento para gerar descritores de canais.
    4. Passe os descritores agrupados por um perceptron multicamada compartilhado e aplique uma função de ativação Sigmoid para gerar pesos de atenção ao canal.
    5. Gerar pesos de atenção espacial usando um núcleo convolucional 3 × 3 aplicado aos descritores espaciais concatenados com média e máxima.
    6. Aplique uma função de ativação Sigmoid para produzir o mapa final de atenção espacial.
12. Extraia os pesos de atenção do canal.
13. Aplique o agrupamento global de média e o agrupamento global de máximo entre as dimensões do canal do mapa de características de entrada.
14. Processe os vetores de descrição globais gerados através de uma camada totalmente conectada (FC) para obter o peso de atenção ao canal (M_c).
15. Calcule os pesos de atenção do canal usando a Equação 8. Aqui, M_c é o peso de atenção do canal, FC denota a camada totalmente conectada, e σ representa a função de ativação Sigmoide.
    (8)
16. Extraia os pesos de atenção espacial.
17. Aplique pooling global max e global average pooling ao longo do eixo do canal.
18. Concatene os mapas espaciais de descritores resultantes e processe-os através de uma camada convolucional para gerar o peso de atenção espacial (M_s).
19. Calcule os pesos de atenção espacial usando a Equação 9. Aqui, M_s é o peso de atenção espacial, é o descritor espacial gerado pelo agrupamento médio global, e é o descritor espacial gerado pelo agrupamento global de máximas.
    (9)
    1. Concatene os descritores espaciais médio-pooled e max-pooled ao longo da dimensão do canal.
    2. Aplique uma convolução 3 × 3 com passo = 1 e o mesmo preenchimento para gerar o mapa de características de atenção espacial.
    3. Aplique uma função de ativação Sigmoid à saída da convolução para obter os pesos de atenção espacial.
    4. Multiplique os pesos de atenção espacial elemento a elemento pelo mapa de características de entrada para gerar a representação espacial refinada.

4. Fusão de Características Cruzadas Modais Usando CA

1. Implementar um mecanismo de CA para sintetizar as características temporais extraídas e as características^{espectrais 18}. Ao contrário da autoatenção, extrair informações contextuais de uma modalidade para aprimorar dinamicamente a representação da outra (Figura 5).
2. Configure a arquitetura da CA.
   1. Defina a dimensão de embedding para 128.
   2. Configure o módulo de CA com 4 cabeças de atenção.
   3. Defina as dimensões de projeção de Consulta, Chave e Valor para 128 cada.
   4. Aplique uma taxa de desistência de 0,10 dentro do módulo de CA.
   5. Não aplique camadas de normalização pós-atenção ou camadas de feed-forward após o módulo de atenção cruzada.
   6. Concatene as saídas de todas as cabeças de atenção.
   7. Solicite desistência com taxa de 0,10.
   8. Achatar a representação de características resultante.
   9. Transfira o vetor de características achatado diretamente para o classificador 1D-CNN.
3. Inicialize as matrizes de Consulta (Q), Chave (K) e Valor (V) a partir das duas sequências de entrada distintas (características no domínio do tempo e na frequência).
4. Calcule a matriz de consulta usando a Equação 10, onde X₁ denota a matriz de características temporais produzida pela via TCN-AE, e W_Q, e b_Q indicam respectivamente a matriz de pesos aprendidos e o termo de viés.
   (10)
5. Calcule a matriz Key usando a Equação 11, onde X₂ denota a matriz de características no domínio da frequência produzida pela via Mel-CBAM, e W_K, e b_K indicam respectivamente a matriz de pesos aprendidos e o termo de viés.
   (11)
6. Calcule a matriz de valores usando a Equação 12. onde W_V e b_V indicam respectivamente a matriz de pesos aprendida e o termo de viés.
   (12)
7. Calcule a interação com a CA com base na relação entre a Consulta e os elementos-chave.
8. Calcule a matriz de atenção e peso usando a Equação 13. Aqui, α_ij especifica o peso de atenção do i-ésimo elemento em relação ao j-ésimo elemento, e d_k é a dimensionalidade dos vetores chave.
   (13)
9. Atualize a representação final das características calculando a soma ponderada da matriz de valores de acordo com os pesos de atenção calculados.
10. Calcule a representação das características fundidas usando a Equação 14. Aqui, O_i é a saída de sequência que representa a robusta impressão acústica tempo-frequência fundida da falha de isolamento.
    (14)
    1. Gerar a representação de características fundidas com uma dimensão de saída de 128.
    2. Combine as saídas de atenção de tempo cruzado e de frequência cruzada.
    3. Achatar a representação fundida antes da classificação.
    4. Passe a representação de características achatadas para o classificador Softmax 1D-CNN e totalmente conectado mostrado na Figura 9.

Figura 9: Estrutura Geral para a Identificação de Falhas de Isolamento. Fluxo de trabalho do método proposto de identificação de falhas de isolamento. Sinais brutos de matriz de microfones são fundidos e pré-processados, seguidos pela extração de características no domínio do tempo usando um caminho TCN–AE, extração de características no domínio da frequência usando espectrogramas Mel e CBAM, fusão de características baseada em CA e classificação final de falhas usando uma rede neural convolucional unidimensional. Por favor, clique aqui para ver uma versão ampliada desta figura.

5. Alinhar e Fusar Sinais de Matriz de Microfones via GCC-PHAT

1. Selecione dois sinais de microfone para estimativa de atraso e converta-os para o domínio da frequência usando a FFT.
   1. Use o quadro acústico completo de 8192 pontos adquirido a 200 kHz para o cálculo GCC-PHAT baseado em FFT.
   2. Aplique a FFT a cada sinal de microfone selecionado antes de calcular o espectro de potência cruzada ponderado pelo PHAT.
   3. Estime o atraso de tempo entre canais em relação ao microfone de referência selecionado usando o espectro de potência cruzada ponderado por PHAT e o procedimento IFFT mostrado na Figura 10.
   4. Aplique o GCC-PHAT em relação ao microfone de referência selecionado antes de alinhar todos os 112 canais ativos do microfone.
   5. Aplique uma janela de Hann ao quadro acústico completo de 8192 pontos antes do processamento FFT.
   6. Não use janelas sobrepostas durante a estimativa de atraso do GCC-PHAT.
   7. Zero-pad cada quadro em janela até 16.384 pontos antes dos cálculos FFT e IFFT.
   8. Use o sinal zero-acolchoado para melhorar a resolução do pico de atraso durante a estimativa de atraso temporal.
2. Obtenha as representações no domínio da frequência e dos sinais de microfone selecionados.
3. Calcule o espectro de potência cruzada para avaliar a semelhança entre os dois sinais.
4. Introduza a função de ponderação da transformada de fase (PHAT) para aguçar o pico de correlação cruzada e mitigar os efeitos de reverberação.
5. Calcule o espectro de potência cruzada ponderado pelo PHAT usando a Equação 15. Aqui, e são as representações no domínio da frequência dos dois sinais de microfone e denota o conjugado complexo.
   (15)
6. Aplique a IFFT para calcular a função de correlação cruzada generalizada (GCC).
7. Identifique a variável de atraso de tempo τ localizando o pico da função GCC.
8. Calcule a função GCC usando a Equação 16. Aqui, é a função de correlação cruzada generalizada e representa o atraso de tempo estimado.
   (16)
9. Realize a compensação de tempo para alinhar os sinais com base no atraso estimado.
10. Sincronize cada canal em relação ao microfone de referência usando a Equação 17. Aqui, é o sinal compensado por atraso e τ_i é o atraso estimado em relação ao microfone de referência.
    1. Selecione o microfone localizado mais próximo do centro geométrico do array como microfone de referência.
    2. Verifique se o microfone selecionado atende aos critérios de aceitação de calibração descritos no Passo 1.6.
    3. Se o microfone central não atender aos critérios de calibração, selecione o microfone calibrado mais próximo ao centro geométrico como microfone de referência.
    4. Estima o atraso τ_i para cada canal ativo do microfone em relação ao microfone de referência selecionado.
    5. Alinhe todos os 112 canais ativos do microfone ao microfone de referência selecionado antes da formação do feixe.
       (17)
11. Execute a formação de feixe por atraso e soma para fundir as informações espaciais.
12. Aumente o sinal originado na direção alvo enquanto suprime o ruído ambiente usando a Equação 18. Aqui, y(t) é o sinal de saída formado por feixe, é o sinal compensado por atraso do i-ésimo microfone, e N é o número total de canais de microfone.
    1. Realize a formação de feixe por atraso e soma após a compensação de atraso do GCC-PHAT.
    2. Use peso igual para todos os canais ativos do microfone.
    3. Conjunto N = 112 para os 112 canais ativos de microfone usados durante a aquisição.
    4. Defina a direção do alvo usando a localização geométrica conhecida do modelo ativo de defeito em relação ao centro do microfone.
    5. Direcione o formador de feixe de atraso e soma em direção ao centro do modelo ativo de defeito durante a fusão do sinal.
    6. Use a geometria pré-definida do gabinete de testes para determinar a direção de direção.
    7. Não realize uma estimativa da direção do alvo baseada em dados durante o treinamento ou teste do modelo.
       (18)

Figura 10: Procedimento de Alinhamento de Sinal GCC-PHAT. Fluxo de trabalho do algoritmo de correlação cruzada generalizada com transformada de fase (GCC-PHAT). Os sinais de microfone no domínio da frequência são processados para obter o espectro de potência cruzada e a função de ponderação, seguidos pela transformação inversa de Fourier para estimar o atraso temporal entre canais. Por favor, clique aqui para ver uma versão ampliada desta figura.

6. Otimize a Rede via o Algoritmo CS

1. Inicialize os parâmetros do algoritmo CS para otimizar a 1D-CNN.
   1. Defina o tamanho da população, correspondente ao número de ninhos, para 20.
   2. Defina a probabilidade de descoberta (Pa) para 0,25.
   3. Defina o número máximo de iterações de otimização para 50.
   4. Defina a semente aleatória em 42 para suportar a reprodutibilidade.
   5. Defina o parâmetro de escala do passo α para 0,01.
   6. Defina os limites de busca por hiperparâmetros de acordo com os intervalos resumidos na Tabela 2.
   7. Terminar a otimização quando o número máximo de iterações for atingido ou quando a convergência validação-aptidão for alcançada.
2. Gerar novas soluções simulando o comportamento de parasitismo obrigatório de ninhada dos cucos combinado com voos de Lévy.
3. Atualize a solução atual (ninho) usando um tamanho aleatório de passo derivado da característica de voo de Lévy.
4. Calcule a posição atualizada do ninho usando a Equação 19. Aqui, α é o parâmetro de escala do tamanho do passo e denota multiplicação por entrada.
   1. Defina o parâmetro de escala do tamanho do passo (α) para 0,01.
   2. Defina o parâmetro de voo de Lévy (λ) para 1,5.
   3. Codifique cada ninho candidato como um conjunto de hiperparâmetros 1D-CNN, incluindo configuração da camada convolucional, tamanho do kernel, taxa de aprendizado, tamanho do lote e configuração do otimizador.
   4. Gerar ninhos de candidatos usando atualizações Lévy-flight e avaliar cada candidato usando desempenho do conjunto de validação.
   5. Retenha soluções candidatas que melhorem a validação da aptidão física.
      (19)
5. Calcule as variáveis aleatórias para o voo de Lévy usando uma distribuição normal padrão escalonada pelo parâmetro σ.
6. Calcule σ usando a Equação 20. Aqui, representa a função Gama e β é tipicamente definida como 1,5.
   (20)
7. Treine a 1D-CNN usando cinco camadas convolucionais, tamanho de kernel de 3, ativação do ReLU, otimização por descida estocástica de gradiente (SGD), taxa inicial de aprendizado de 0,001, tamanho de lote de 50 e função de perda de entropia cruzada.
8. Avalie o modelo otimizado no conjunto de testes.
   1. Treine o último 1D-CNN usando paradas precoces de validação-perda com um valor de paciência de 10 épocas.
   2. Defina a semente aleatória para 42 para particionamento de conjuntos de dados e treinamento de modelos.
   3. Avalie o modelo otimizado usando o conjunto de testes fixo resumido na Tabela 2.
   4. Relate a avaliação completa da matriz de confusão separadamente do resultado da ablação, com uma precisão geral de 99,05% (3962/4000) e taxas de reconhecimento por classe variando de 98,6% a 99,4%.

Categoria	Parâmetro	Valor / Cenário
Conjunto de dados e entrada	Quadros acústicos totais	4,000
	Classes de falha	Descarga superficial; dispensa suspensa; descarga interna; Descarga pontual
	Taxa de amostragem	200 kHz
	Comprimento do quadro	8.192 pontos por frame
	Canais de matriz de microfones	112
	Entrada do modelo	Representação de características acústicas de tempo-frequência fundidas por atenção cruzada
Divisão do conjunto de dados	Tamanho do conjunto de treinamento	2.400 amostras
	Tamanho do conjunto de validação	400 amostras
	Tamanho do conjunto de teste	400 amostras
	Tamanho completo da avaliação da matriz de confusão	4.000 amostras
	Estratégia dividida	Separação fixa simples
	Semente aleatória	42
Arquitetura TCN	Número de blocos residuais	3
	Filtros por bloco residual	64
	Tamanho do núcleo de convolução	3
	Cronograma de dilatação	1, 2, 4
	Taxa de evasão escolar	0.20
Arquitetura do autocodificador	Dimensões da camada codificadora	512 → 256 → 128
	Dimensão do espaço latente	128
	Dimensões da camada decodificadora	128 → 256 → 512
Treinamento com autoencoder	Otimizador	Adam
	Taxa de aprendizado	0.001
	Tamanho do lote	50
	Número de épocas de treinamento	100 épocas
	Critério de parada precoce	MSE de validação; Paciência = 20 épocas
Configurações do espectrograma mel	Tamanho da FFT	1.024 pontos
	Número de filtros Mel	256
	Faixa de frequência	0–100 kHz
	Dimensões do espectrograma	256 × 256
Configuração CBAM	Razão de redução de canal	16
	Dimensões do mapa de características	256 × 256 × 64
Configuração de atenção cruzada	Dimensão de incorporação	128
	Número de cabeças de atenção	4
	Dimensão de projeção de consulta	128 no total; 32 por pessoa
	Dimensão de projeção de chaves	128 no total; 32 por pessoa
	Dimensão de projeção de valor	128 no total; 32 por pessoa
	Taxa de evasão escolar	0.10
Classificador 1D-CNN	Número de camadas convolucionais	5
	Tamanho do núcleo de convolução	3
	Função de ativação	ReLU
	Camada de saída	Softmax de 4 classes
	Função de perda	Perda de entropia cruzada
Ambientes de treinamento	Otimizador	Descida Estocástica em Gradiente (SGD)
	Taxa inicial de aprendizado	0.001
	Tamanho do lote	50
	Iterações máximas de treinamento	1,000
	Parada antecipada	Monitoramento de perda de validação
	Paciência para parar cedo	100 iterações
	Derrota no treino final	Não disponível no manuscrito fornecido
	Perda final de validação	Não disponível no manuscrito fornecido
Otimização para Cuckoo Search	Meta de otimização	Hiperparâmetros 1D-CNN
	Tamanho da população / número de ninhos	20
	Probabilidade de descoberta (Pa)	0.25
	Parâmetro de escala de tamanho de passo (α)	0.01
	Parâmetro de voo de lévy (β)	1.5
	Parâmetro de voo de Lévy (λ)	1.5
	Iterações máximas de otimização	50
	Limites de busca por hiperparâmetros	Filtros conv {32, 64, 128, 256}; tamanho do núcleo {3, 5, 7}; taxa de aprendizado 1×10⁻⁴–1×10⁻²; tamanho do lote {25, 50, 100}; desistência 0,10–0,50; decaimento de peso 1×10⁻⁵–1×10⁻³
Validação e relatórios	Figura 13 Precisão da ablação de CA	98.20%
	Tabela 2 Precisão da matriz de confusão	99.05% (3,962/4,000)
	Validação cruzada / execuções repetidas	Não apresentado

Tabela 2: Configuração do conjunto de dados, parâmetros de treinamento de modelos e configurações de otimização para classificação de isolamento e falha. A tabela resume a composição do conjunto de dados, a estratégia de particionamento de dados, a arquitetura 1D-CNN, a configuração de treinamento, as configurações de otimização da Cuckoo Search, métricas de validação e considerações de seleção de parâmetros usadas para desenvolver e avaliar o framework proposto para diagnóstico de falhas. Valores específicos da implementação ausentes devem ser reportados nos logs finais de treinamento e otimização para facilitar a reprodutibilidade. Por favor, clique aqui para baixar esta Tabela.

Resultados

Estrutura de Extração de Características no Domínio do Tempo e Frequência

O método proposto de identificação de falhas de isolamento integra vias temporais e espectrais de extração de características para caracterizar as assinaturas acústicas complexas geradas por defeitos de isolamento. A extração de características no domínio do tempo foi realizada usando um TCN incorporando convoluções causais dilatadas para capturar dependências temporais ...

Discussão

Este artigo de método delineia um protocolo padronizado, sem contato, para identificar falhas complexas de isolamento em equipamentos elétricos por meio do reconhecimento acústico de impressões digitais. Ao integrar um TCN-AE junto com um espectrograma Mel processado por um Mel-CBAM, o pipeline estabelecido isola tanto flutuações dinâmicas de séries temporais quanto características espectrais localizadas. A subsequente fusão cruzada por meio de um mecanismo de CA tem como objetivo reduzi...

Materiais

```html

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Autoencoder (AE)	Modelo personalizado	Arquitetura codificador-decodificador para compressão de recursos	Redução de dimensionalidade de recursos
Módulo Cross-Attention	Modelo personalizado	Módulo de fusão de recursos tempo-frequência	Fusão de recursos cross-modal
Algoritmo GCC-PHAT	Algoritmo personalizado	Implementação baseada em FFT/IFFT	Estimação de atraso temporal e alinhamento de sinal
Circuito de teste de alta tensão	Plataforma de laboratório autoconstruída	Autotransformador T1, transformador de teste T2, resistor de proteção de 200 kΩ, capacitor de acoplamento de 1 nF; tensão operacional 4–12 kV	Geração de condições de falha de isolamento
Espectrograma Mel + CBAM	Modelo personalizado	Extração espectral de frequência Mel com aprimoramento de atenção	Extração de recursos no domínio da frequência
Sistema de matriz de microfones	Plataforma de laboratório autoconstruída	Matriz espiral anular modificada de 112 canais; taxa de amostragem de 200 kHz; 8192 pontos por quadro	Aquisição acústica
Sensores de microfone	Módulos de microfone ultrassônicos combinados autoconstruídos	112 canais combinados; sensibilidade -38 +/- 3 dBV/Pa; resposta de frequência de 20 Hz-100 kHz; calibrado em 94 dB SPL/1 kHz e 40 kHz; limites de aceitação: +/-2 dB a 1 kHz e +/-3 dB a 40 kHz	Detecção acústica
Sistema DAQ multicanal	Plataforma DAQ sincronizada autoconstruída	Aquisição simultânea de 112 canais; ADC de 16 bits; 200 kHz/canal; 8192 pontos/quadro; relógio de amostragem compartilhado; gatilho TTL de borda positiva	Aquisição de dados e sincronização
CNN unidimensional + otimização CS	Modelo personalizado	Cinco camadas convolucionais; tamanho do kernel 3; SGD; taxa de aprendizado 0,001; tamanho do lote 50	Classificação de falhas
Ambiente de treinamento Python	Python / PyTorch	Python 3.9; PyTorch 2.0; NumPy 1.24; scikit-learn 1.2; librosa 0.10; CUDA 11.8	Treinamento e avaliação do modelo
Rede Convolucional Temporal (TCN)	Modelo personalizado	Convolulções dilatadas causais com conexões residuais	Extração de recursos no domínio do tempo
Gabinete de teste com modelos de defeito	Plataforma de laboratório autoconstruída	Modelos de descarga superficial, descarga suspensa, descarga interna e descarga pontual	Simulação de falhas de isolamento
Sistema de teste de Tensão Terrestre Transitória (TEV)	Módulo de monitoramento TEV comercial	Canal de referência TEV; largura de banda analógica de 3–100 MHz; ganho de 40 dB; gatilho TTL de borda positiva; limiar de gatilho definido 6 dB acima do piso de ruído de fundo ou > =10 mV equivalente na entrada do sensor	Verificação da atividade de descarga

```