Processamento de sinais de descargas parciais utilizando dicionários sobre-completos e representações esparsas

• Autor(a) principal: Fernando Thomé de Azevedo Silva
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/RAOA-BBTQHC
• topic: Descargas parciais Processamento esparso Atenuação de ruídos; Engenharia elétrica; Descargas elétricas

O fenômeno de descargas parciais (DPs) em materiais dielétricos pode causar a sua degradação. Por isso, a medição de DPs é amplamente utilizada para diagnosticar as condições do isolamento de equipamentos elétricos, tais como transformadores, cabos e motores. Contudo, a medição de DPs em campo é limitada devido às características inerentes desse tipo de sinal, como baixa amplitude (na ordem de milivolts) e amplo espectro de frequências. Além disso, frequentemente a medição é inviabilizada devido às interferências causadas por ruídos presentes no ambiente, onde também estão presentes tensões de grande amplitude (da ordem de quilovolts), que dificultam o diagnóstico in loco. A utilização de filtros digitais lineares para atenuação de ruídos em descargas parciais é limitada, uma vez que sinais de DPs e os ruídos geralmente ocupam faixas de frequências não facilmente separáveis. Portanto, a filtragem de DPs demanda a utilização de técnicas de processamento de sinais mais avançadas, principalmente com o objetivo de atenuar ruídos específicos deste tipo de sinal. Técnicas de processamento de sinais baseadas em dicionários analíticos compõem-se, de maneira geral, da busca pela melhor combinação de um conjunto de sinais elementares (átomos do dicionário) para realizar a representação do sinal. Citam-se, como exemplo, as decomposições por Fourier ou Wavelets. Entretanto, a utilização de dicionários sobre completos, compostos, por exemplo, da junção de diferentes famílias Wavelets, permite obter representações mais próximas das características do sinal em questão. No entanto, ao utilizar dicionários sobre completos, obtém-se um sistema de equações indeterminadas (sistema mal condicionado), que permite infinitas soluções. Para se chegar a uma solução particular, é preciso inserir restrições ao problema (regularização) e utilizar uma abordagem iterativa que minimize o erro de representação. Esta abordagem pode ser modelada como um típico problema de otimização, e uma de suas soluções consiste em buscar por representações esparsas por meio da minimização da norma L1, conhecida como Método de Busca da Base. Este trabalho apresenta um método de filtragem de sinais de DPs baseado em um algoritmo iterativo que utiliza dicionários de wavelets sobre completos e, a partir de representações esparsas, busca obter uma reconstrução livre de ruídos (Método de Busca da Base para Filtragem). O algoritmo utilizado é o SALSA (Split Variable Augmented Lagrangian Shrinkage Algorithm), que baseia-se na abordagem do Lagrangiano aumentado, associados à técnica de separação de variáveis. O procedimento de otimização é detalhado no documento, bem como suas características, limitações e as metodologias utilizadas para configuração, ajuste de parâmetros e composição do dicionário sobrecompleto. A eficiência da filtragem foi avaliada considerando uma base de sinais de DPs composta por casos reais (medidos em laboratório) e sintéticos (gerados por modelos numéricos). A abordagem proposta obteve resultados significativos na filtragem de ruídos tipo AM e Gaussianos, obtendo também expressivo resultados na filtragem de ruídos de natureza impulsiva, embora com algumas limitações neste caso. O desempenho foi avaliado a partir de comparações entre os sinais originais e filtrados, considerando análises visuais e numéricas obtidas por métricas de desempenho comumente utilizadas