Riconoscimento automatico di difetti per la diagnostica predittiva su sistemi di isolamento

Una macchina elettrica, durante il ciclo di vita, presenta fenomeni di invecchiamento nel sistema di isolamento. Questi si caratterizzano come impulsi di corrente, conosciuti come "scariche parziali", e sono sia il sintomo sia la causa del deterioramento dell'isolamento stesso. Per questo motivo vengono programmate azioni di manutenzione periodiche per limitare i danni che possono provocare. Risulta però utile monitorare continuamente lo stato di una macchina, sia per non fermarla per una manutenzione non necessaria, sia per valutare online la condizione dell'isolamento, in modo tale da intervenire immediatamente nel caso in cui un difetto grave si manifesti improvvisamente. Le scariche parziali possono essere più o meno pericolose in funzione di alcuni fattori quali l'intensità, la frequenza con cui si manifestano e la posizione all'interno di un motore elettrico. Risulta dunque necessario distinguere la/e sorgente/i che generano tali fenomeni. Perciò, in questa tesi, vengono presentati diversi approcci e tecniche per il riconoscimento automatico di difetti, sia con algoritmi di apprendimento supervisionato che non. Nel primo caso si identificano soluzioni di apprendimento rapido che possono essere realizzate su dispositivi hardware, con un ottimo compromesso tra capacità di generalizzazione e occupazione di area. Nel secondo, vengono confrontati diversi algoritmi presenti in letteratura e proposta una scelta alternativa dei parametri in ingresso ad essi, che porta a risultati soddisfacenti.