.jpg)
Este artículo presenta una solución innovadora para la clasificación automatizada de defectos en probadores de hipot AC/DC mediante análisis espectral de las formas de onda de corriente de fuga y técnicas de aprendizaje automático, diseñada para mejorar la precisión y la escalabilidad en pruebas de aislamiento de alta tensión.
Introducción: Las pruebas hipot AC/DC son esenciales en el aseguramiento de la calidad de equipos eléctricos y permiten evaluar la integridad del aislamiento frente a descargas o fugas. La medición de la corriente de fuga durante estas pruebas revela pistas sobre defectos como descargas parciales, tracking, degradación del dieléctrico o contaminación. Hasta ahora el análisis se apoya en la interpretación humana de magnitudes y formas de onda, lo que limita el rendimiento, la repetibilidad y la objetividad.
Contribución principal: Proponemos un sistema automatizado que combina una descomposición espectral híbrida con un clasificador neuronal recurrente para categorizar defectos en tiempo real. El método alcanza una precisión superior al 98 por ciento en conjuntos de datos prototipo y permite a los sistemas hipot de próxima generación identificar el origen del defecto con confianza, reduciendo tiempos de reparación y paralización de equipos.
Metodología: El flujo de trabajo consta de dos etapas principales: descomposición espectral de la corriente de fuga y clasificación mediante redes neuronales recurrentes bidireccionales.
Descomposición espectral híbrida: Aplicamos Empirical Mode Decomposition EMD como preprocesado para separar la señal en Intrinsic Mode Functions IMF que aíslan componentes no estacionarios y reducen el ruido. A continuación se seleccionan las IMF correlacionadas con tipos de defecto y se aplica Short Time Fourier Transform STFT sobre esas IMF con ventanas y solapamientos optimizados para capturar firmas transitorias. De las representaciones tiempo-frecuencia extraemos características robustas como entropía espectral, frecuencia dominante, ancho de banda y centroide espectral que actúan como huella digital de cada tipo de fallo.
Clasificador: Un modelo BDLSTM bidireccional aprende dependencias temporales en las secuencias de características espectrales. La arquitectura incorpora una capa de embedding para reducir dimensionalidad, capas BDLSTM encadenadas para modelado jerárquico y capas densas con softmax para asignar probabilidades a clases de defecto. Esta configuración permite aprovechar información pasada y futura de la señal, mejorando la discriminación entre eventos similares.
Datos y validación: El conjunto de pruebas consistió en 10 000 formas de onda de corriente de fuga generadas mediante un simulador de escenarios hipot que reproducía defectos reales: descargas parciales PD con componentes de alta frecuencia de baja magnitud, tracking con picos intermitentes, degradación de aislamiento con aumento gradual de fuga y contaminación con pulsos ruidosos. Los datos cubrieron múltiples niveles de tensión y frecuencia. Se usó partición 70 por ciento entrenamiento, 15 por ciento validación y 15 por ciento prueba, junto a validación cruzada 10 veces y búsqueda de hiperparámetros por grid search para robustez.
Métricas: Evaluamos precisión global, precisión por clase, recall, F1 y AUC ROC. El sistema alcanzó precisión 98.2 por ciento, precisión media 97.5 por ciento, recall medio 98.8 por ciento y AUC ROC 0.995. El BDLSTM superó modelos comparativos como SVM y Random Forest, especialmente en la discriminación de señales no estacionarias.
Aplicaciones prácticas: La clasificación automatizada aporta beneficios directos en control de calidad en líneas de producción, permitiendo inspecciones rápidas y uniformes, y en estrategias de mantenimiento predictivo al detectar cambios sutiles en el comportamiento del aislamiento antes de fallos catastróficos. Integrado en bancos de prueba, el sistema puede emitir alertas, priorizar acciones y generar reportes técnicos para ingenieros.
Implementación industrial y escalabilidad: Para llevar esta solución al entorno productivo es clave integrar procesamiento en tiempo real, pipelines de datos robustos y despliegue en infraestructuras cloud. La arquitectura propuesta permite despliegues on prem o en la nube, aprovechando contenedores y servicios gestionados para inferencia y retraining continuo con datos reales.
Sobre Q2BSTUDIO: Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad y soluciones cloud. Ofrecemos servicios de software a medida y aplicaciones a medida diseñadas para integrar modelos de IA en procesos industriales y soluciones de control de calidad. Como especialistas en IA para empresas desarrollamos agentes IA y soluciones de aprendizaje automático que transforman datos de prueba en decisiones accionables. Además proporcionamos servicios cloud aws y azure que facilitan el despliegue, la escalabilidad y la continuidad operativa. Descubra nuestras capacidades en inteligencia artificial en servicios de inteligencia artificial para empresas y conozca el desarrollo de software a medida en soluciones de aplicaciones y software a medida.
Servicios complementarios: En Q2BSTUDIO también ofrecemos ciberseguridad y pentesting para proteger la integridad de los sistemas de prueba, servicios de inteligencia de negocio y Power BI para visualización y toma de decisiones, así como soluciones de automatización de procesos para integrar pruebas hipot en flujos productivos. Estas áreas permiten cerrar el ciclo desde adquisición de datos hasta alertas operativas y dashboards ejecutivos.
Futuro y líneas de trabajo: Las próximas etapas incluyen incorporación de detección dinámica de fallos mediante aprendizaje por refuerzo, adaptación en línea con datos de campo y ampliación de la base de entrenamiento con registros reales para mejorar la generalización. También se estudiará la fusión de sensores y la integración con plataformas de mantenimiento predictivo y gemelos digitales.
Conclusión: La combinación de descomposición espectral híbrida y clasificación con BDLSTM permite una clasificación automática de defectos en probadores hipot AC/DC con alta precisión y robustez, facilitando inspecciones más rápidas y objetivas y reduciendo tiempos de inactividad. Q2BSTUDIO está preparada para acompañar a fabricantes y laboratorios en la integración de estas capacidades mediante soluciones de software a medida, inteligencia artificial y servicios cloud adaptados a sus necesidades.
Contacto: Para evaluar un piloto o integrar esta tecnología en su flujo de pruebas, contacte con nuestro equipo técnico en Q2BSTUDIO y descubra cómo podemos crear una solución personalizada que incluya agentes IA, servicios de ciberseguridad y cuadros de mando con Power BI.
