基于麦克风阵列系统的时间-频率声学特征交叉注意力融合用于电力设备绝缘故障识别

摘要

本方案描述了一种非接触式方法，通过提取和融合时域与频域声学特征，实现对电力设备绝缘故障的自动分类识别。

摘要

本方案旨在通过提取和融合时域与频域声学特征，实现对电力设备绝缘故障的非接触式识别，从而完成自动化的故障分类。绝缘故障产生的声学指纹具有非线性和非高斯特性，这会限制传统单域特征提取方法的有效性。为应对这一挑战，本方案提出一种基于交叉注意力（CA）机制的时频特征提取与融合框架，用于识别四种类型的绝缘故障。首先，利用时序卷积网络结合自编码器提取时域特征，以捕捉序列声学信号中的动态变化。与此同时，从梅尔频谱图中利用卷积块注意力模块提取频域特征，以增强频谱特征的表征能力。随后，采用CA机制自适应地融合时序与频谱特征，强化两个特征域之间的关联关系。融合后的特征表示被输入至一个一维卷积神经网络中，并采用布谷鸟搜索算法对其进行优化，以实现故障分类。代表性结果表明，该框架能够有效表征复杂的声学指纹，在分类性能上优于传统的特征提取方法。本方案为电力设备的绝缘故障诊断与状态监测提供了一种可靠的非接触式策略。

引言

电力设备绝缘故障的早期识别对于保障电网的安全与稳定至关重要^1,2,3,4。统计数据显示，约60%的电力设备故障与绝缘老化直接相关⁵。然而，传统的电气监测方法通常存在响应滞后、抗干扰能力差以及需要侵入式接触安装等问题⁵。近年来，声学指纹识别因其响应迅速、易于实施，已成为一种颇具前景的非接触式诊断方法^6,7。然而，绝缘故障信号本质上具有非线性和非高斯特性⁸，其声学特征常被环境噪声和结构振动所掩盖，导致传统单域（时域或频域）特征提取方法难以捕捉故障的本质特征。

当前在声学特征提取方面的研究面临两个主要挑战。首先，时域分析方法（如短时能量或过零率）能够反映信号的波动情况，但往往丢失频谱的精细细节。其次，频域分析方法（如快速傅里叶变换（FFT）和小波变换）虽可提取频谱特征，却难以捕捉信号在时间上的动态演化过程。以往研究曾尝试弥合这一差距。例如，Dai 等人⁹采用短时傅里叶变换（STFT）生成二维时频图。然而，由于不确定性原理的限制，STFT 的分辨率受窗宽制约，必须在时间定位精度与频率分辨率之间做出权衡。其他方法，如梅尔频率倒谱系数（MFCCs）和伽马通频率倒谱系数（GFCCs）¹⁰，其特征表示往往过于简单，在强干扰条件下难以保持鲁棒性。尽管基于先进分布和熵的特征¹¹在特定数据集上实现了较高的准确率，但由于样本量有限，其泛化能力通常不足。此外，简单地将时域与频域特征进行拼接，无法建立内在的相关性机制，常导致特征冗余度高且判别能力不足。传统机器学习模型在处理典型绝缘故障数据集所具有的小样本、高噪声特性时，也容易出现过拟合现象¹²。近年来的发展已从传统的手工设计特征和时频表示，逐步转向基于深度神经网络的特征提取以及注意力引导的融合策略。然而，许多现有方法仍独立处理时序与频谱信息，或仅通过简单的特征拼接进行融合，限制了其对复杂声学信号中跨域关系的捕捉能力。

为解决这些局限性，本方案提出了一种以交叉注意力（CA）机制为核心的协同时频特征提取与融合方法。该方法的主要目标是建立一种跨模态关联模型，能够自适应地为关键特征分配权重，从而减少传统拼接策略中常见的信息稀释问题。本方案采用耦合的时间卷积网络（TCN）与自编码器（AE）架构，构建时域处理路径，利用扩张因果卷积捕捉声学序列中的长程依赖关系。同时，设计了并行的梅尔频谱图与卷积块注意力模块（CBAM）架构，以增强局部频谱特征及通道维度上的注意力。该方法的核心是引入交叉注意力（CA）机制，通过查询-键-值交互建模时域与频域之间的相互依赖关系。类似的基于注意力的融合方法已在噪声机械与声学诊断任务中有所报道，其中注意力权重可在干扰条件下突出具有判别性的时域或频域区域；然而，目前大多数局部放电分类器仍依赖于单域表征或晚期融合，这促使了本研究中CA机制的设计。最后，采用基于布谷鸟搜索（Cuckoo Search, CS）算法优化的一维卷积神经网络（1D-CNN），实现鲁棒的故障分类。

该方法通过提供一种高性能、非接触式解决方案，在复杂的电磁环境中仍保持有效，相较于传统诊断方法具有显著优势。消融实验和最终分类模型的性能指标分别报告。消融实验中，CA配置的准确率达到98.2%；而最终分类模型的整体准确率为99.05%（3962/4000），各类别的识别率介于98.6%至99.4%之间。该方法特别适用于致力于实现10 kV开关设备或类似配电设备自动监测的研究人员和工程师，尤其在基于接触式传感不可行的场景下。通过遵循本方案，用户可有效表征复杂的声学指纹，并在较高背景噪声条件下实现可靠的故障识别。基于Transformer的声学模型（包括音频频谱图Transformer（AST）架构）在长距离谱时域上下文建模方面具有潜力；然而，由于当前可用数据集相对较小，且所提出的框架优先考虑训练稳定性、较低计算成本以及可解释的时间域和频率域处理分支，因此未在本方案中采用此类模型。对基于Transformer架构的评估将是未来研究的重要方向。

方案

本研究未涉及人类参与者、脊椎动物或生物样本，因此无需机构伦理审批、动物使用审批或人类受试者审批。

图1展示了TCN架构中使用的扩张因果卷积结构。图2展示了时间特征提取过程中使用的残差连接结构。图3展示了用于特征维度降维的自编码器（AE）架构。图4展示了用于光谱特征提取的卷积注意力模块（CBAM）架构。图5展示了用于时频特征融合的通道注意力（CA）机制。

图1：扩张因果卷积结构。 采用因果卷积与扩张卷积的时间卷积网络（TCN）架构示意图。随着网络深度增加，扩张因子逐步增大，以扩展感受野，从而捕捉声学信号中的长程时间依赖关系。请点击此处查看该图的放大版本。

图 2：残差连接结构。 TCN 架构中所用残差块的示意图。该模块包含因果卷积、权重归一化、ReLU 激活函数、Dropout 层以及一条残差连接，以促进深度网络训练的稳定性并缓解梯度退化问题。请点击此处查看该图的放大版本。

图3：自动编码器（AE）架构。 用于特征维度降维的自动编码器（AE）示意图。编码器将输入的声学特征压缩为潜在表示，解码器则从该压缩表示中重建原始特征空间。请点击此处查看此图的放大版本。

图4：卷积块注意力模块（CBAM）架构。 用于频域特征增强的CBAM工作流程。该模块依次应用通道注意力机制和空间注意力机制，以优化从梅尔频谱图中提取的特征表示。请点击此处查看该图的放大版本。

图 5：交叉注意力（CA）特征融合机制。用于融合时域和频域特征的 CA 模块示意图。查询（Query）、键（Key）和值（Value）矩阵由两种特征模态生成，以建模跨模态依赖关系并生成融合后的特征表示。请点击此处查看该图的放大版本。

1. 绝缘故障声学指纹平台的搭建与数据采集

1. 在实验室中构建一个非接触式麦克风阵列检测平台。使用高压测试电路、包含缺陷模型的测试柜、暂态地电压（Transient Earth Voltage, TEV）测试系统以及麦克风阵列系统组装该平台。TEV系统作为放电验证的电气参考通道运行。
   注意：确保高压电路包含自耦变压器（T1）、试验变压器（T2）、200 kΩ保护电阻（R）和1 nF耦合电容（Cx）。系统原理图布局参见图6。
   警告：高压测试存在电击风险。操作前请遵循机构的电气安全规程，并确保所有高压组件均已正确绝缘和接地。
2. 在测试柜内配置四种不同的绝缘故障模型，以模拟常见的运行缺陷：表面放电、悬浮放电、内部放电和点放电（图7）。
3. 准备用于测试的绝缘故障模型。
   1. 使用抛光电极在100 mm × 100 mm × 5 mm的环氧树脂绝缘板上制作所有模型。
   2. 通过将两个20 mm × 10 mm × 1 mm的铜条电极固定在上表面，留出15 mm的爬电间隙，制备表面放电模型。中间的环氧树脂表面保持裸露。
   3. 使用环氧支撑物将一根直径为2 mm的铜棒电极安装在接地铜板（40 mm × 40 mm × 1 mm）上方5 mm处，制备悬浮放电模型。确保铜棒电极与铜板之间保持电气隔离。
   4. 通过浇注环氧树脂块制备内部放电模型，其中包含一个位于两块铜板（40 mm × 40 mm × 1 mm）之间的圆柱形人工气隙（直径10 mm，高度2 mm），气隙中心距上表面约2.5 mm。
   5. 将一根尖端半径约为0.5 mm的不锈钢针电极置于与接地铜板相距10 mm的空气中，制备点放电模型。
   6. 使用乙醇清洁所有电极，并在组装前彻底干燥。
   7. 在测试柜中组装电极-缺陷结构，并在每次电压测试前使用卡尺验证所有电极间距。
4. 部署采用改进环形螺旋结构的麦克风阵列传感器，共包含112个通道。阵列坐标分布参见图8。
5. 将采样率设置为200 kHz，并将每帧采样长度配置为8192个点。传感器参数参见表1。
6. 配置麦克风阵列硬件。
   1. 将112个麦克风平整地安装在改进环形螺旋框架上，安装位置如图8所示。保持阵列坐标文件中定义的单元间距，范围为10 mm至25 mm。
   2. 将便携式声学校准器和40 kHz超声参考源置于距离麦克风阵列中心300 mm处。
   3. 在每次采集会话前，使用94 dB SPL、1 kHz声学参考信号和40 kHz超声参考信号对所有激活的麦克风通道进行校准。
   4. 从每个麦克风通道记录5秒的校准信号。
   5. 计算每个通道相对于阵列中心通道的均方根（RMS）灵敏度和相位响应。
   6. 仅保留1 kHz时灵敏度偏差在±2 dB以内、40 kHz时在±3 dB以内，且无削波或异常噪声基底抬升的通道。
   7. 将不满足验收标准的通道从后续分析中排除。
   8. 在更换麦克风或移动麦克风阵列后，需重复校准程序。
7. 配置多通道数据采集系统，实现对所有激活麦克风通道的同步采样。
   1. 配置数据采集（DAQ）系统，使用共享的200 kHz采样时钟同步采集全部112个麦克风通道。
   2. 将采集分辨率为16位，配置为交流耦合，每帧采集8192个点。
   3. 通过公共正沿TTL触发总线向所有采集模块分发硬件启动触发信号。
   4. 将所有麦克风通道存储在同一帧记录中，并为每次采集保留触发时间戳和通道索引。
   5. 在正式数据采集开始前，检查前100帧采集数据是否存在丢样、通道饱和或时钟漂移现象。
8. 说明麦克风阵列配置的合理性。选择112通道阵列是为了提高波束成形和GCC-PHAT延迟估计的空间采样密度，从而相较于稀疏低通道数阵列，增强对非轴向环境噪声的抑制能力。尽管几何三维定位大约仅需四个通道即可实现，但本方案采用密集空间采样，旨在提升信号增强效果和特征稳定性，而不仅限于定位。在成本敏感的现场部署前，应单独验证低通道版本的有效性。
9. 对测试电路施加高压，以在各模型上诱发局部放电现象。
10. 在测试期间维持实验环境稳定。
    1. 在数据采集期间，保持实验室温度为22°C ± 2°C，相对湿度为45%–55%，大气压力为101 ± 2 kPa。
    2. 在高压系统通电前测量背景声学噪声。
    3. 仅当A计权背景噪声水平≤40 dB(A)时，方可进行数据采集。
    4. 验证每个激活麦克风通道的超声噪声基底至少比试运行期间观测到的放电脉冲水平低20 dB。
    5. 在数据采集期间保持门窗关闭，并关闭非必要的旋转设备。
    6. 在采集前将高压框架和DAQ机箱接地。
    7. 在录音期间避免人员在麦克风阵列附近移动。
11. 利用连接至PC终端的TEV传感器持续监测放电活动。
    1. 将TEV监测阈值设置为高于预测试背景噪声基底6 dB，且不低于等效输入电平10 mV。
    2. 将TEV参考通道配置为模拟带宽3–100 MHz，增益40 dB。
    3. 在PC终端上使用包络检测和脉冲记录功能记录TEV脉冲活动。
    4. 配置TEV系统使用正沿硬件触发。
    5. TEV监测和触发生成应使用相同的阈值。
    6. 仅当在对应采集窗口内出现TEV脉冲活动，并在选定电压下连续帧中重复出现时，才接受该声学帧。
12. 将电压在4 kV至12 kV之间逐步调节。
13. 当某一特定模型出现明显且稳定的绝缘故障现象时，开始记录声学信号。将明显且稳定的故障现象定义为：在目标电压下，TEV活动和声学脉冲模式可被重复观测，且无明显间歇性熄灭、声学通道饱和、无关机械噪声或外部冲击噪声的状态。在记录声学帧之前，保持电压直至放电模式稳定至少60秒。
14. 为四种故障类型各采集1000组有效数据。仅当TEV参考指示放电活动、声学通道未饱和、帧中无明显外部冲击或操作噪声，且样本标签与激活的缺陷模型一致时，才将样本帧分类为有效。排除存在声学通道饱和、缺乏TEV确认、故障标签不一致、间歇性放电熄灭、外部机械冲击或背景噪声不稳定等情况的帧。
15. 在数据采集期间同步TEV系统与声学采集系统。
    1. 通过共享TTL触发总线，将TEV触发输出连接至声学DAQ触发输入。
    2. 使用TEV脉冲输出作为声学数据采集的硬件触发信号。
    3. 将触发标记作为数字时间通道记录在声学数据文件中。
    4. 使用触发时间戳对TEV和声学采集流进行初步对齐。
    5. 在波束成形前使用GCC-PHAT估计麦克风间的残余延迟。
    6. 验证TEV-声学同步精度在±1个声学采样点以内，对应200 kHz采样率下的≤5 μs。

图6：基于麦克风阵列的绝缘故障检测平台。 用于声学绝缘故障检测的实验装置。该平台由高压测试电路、绝缘故障测试柜、麦克风阵列系统、TEV传感器以及基于计算机的数据采集与验证监控系统组成。 请点击此处查看该图的放大版本。

图7：实验室构建的绝缘故障模型。 用于数据采集的典型绝缘故障模型。（A）表面放电模型。（B）悬浮放电模型。（C）内部放电模型。（D）点放电模型。这些模型用于在受控的实验室条件下模拟四种常见的绝缘故障情况。请点击此处查看此图的放大版本。

图8：麦克风阵列分布。 采用改进型环形螺旋构型的112通道麦克风阵列的空间布局。坐标分布展示了用于声学信号采集及后续波束成形分析的传感器布置方式。请点击此处查看该图的放大版本。

参数类型	参数值
阵列结构	改进型环形螺旋
通道数量	112
采样率	200 kHz
每帧采样点数	8192

表1：麦克风阵列参数。用于绝缘故障实验中声学信号采集的麦克风阵列系统的 技术规格。该表格总结了阵列几何结构、通道数量、采样率以及每帧采集的采样点数。请点击此处下载此表格。

2. 通过 TCN-AE 进行时域特征提取

1. 将预处理后的时间序列声学数据输入至TCN中，以捕捉动态的时间变化^13,14。在信号融合后，使用模型训练期间所采用的归一化方法对每个包含8192个点的声学帧进行归一化处理，并将归一化后的1D序列输入TCN。
2. 配置TCN网络结构。
   1. 构建由三个按顺序排列的残差块组成的TCN，用于时间特征提取。
   2. 为每个残差块分配64个卷积滤波器，并将卷积核大小设置为3。
   3. 采用空洞因果卷积，并将空洞因子配置为d = 1、2和4，以逐步扩大时间感受野。
   4. 每次卷积操作后应用ReLU激活函数。
   5. 在每个残差块后应用0.20的丢弃率，以减少训练过程中的过拟合。
   6. 在每个残差块内使用权重归一化作为正则化方法。
   7. 在整个网络中引入残差连接，并在残差路径与变换路径之间特征维度不匹配时，使用1 × 1卷积投影进行匹配。
3. 对输入序列应用因果卷积。根据卷积核大小在序列前进行零填充，以确保任意时间步的输出仅依赖于当前及之前的输入。
4. 使用卷积核权重(w_i)和卷积核大小(K)执行因果卷积，如下所示（公式1）：
      (1)
5. 采用空洞卷积以在不增加参数数量的前提下扩展网络的感受野。随着网络深度的增加，指数级提升空洞因子d，以捕捉长距离时间依赖关系。
6. 使用空洞因子(d)计算空洞卷积，如下所示（公式2）。在TCN训练过程中采用空洞因子序列d = 1、2和4，以在不增加每个声学帧采样点数的情况下逐步扩展时间感受野。
      (2)
7. 引入残差连接，以缓解深度网络训练过程中的梯度消失问题。
8. 将输入序列通过空洞因果卷积块。执行权重正则化，随后应用ReLU非线性激活函数和Dropout层。
9. 将处理后的输出直接加到原始输入序列上（图2）。在每个残差块内应用权重归一化，并在执行残差相加前使用0.20的丢弃率。当残差路径与变换路径之间特征维度不匹配时，使用1 × 1卷积投影进行匹配。
10. 将TCN提取的高维时间特征输入自编码器（AE），以实现特征维度的降低¹⁵。
11. 配置AE网络结构。
    1. 构建编码器，包含三个全连接层，神经元数量分别为512、256和128。
    2. 使用128维特征向量定义潜在空间表示。
    3. 构建解码器，包含三个全连接层，神经元数量分别为128、256和512。
    4. 在编码器和解码器的每个全连接层后均应用ReLU激活函数。
    5. 配置AE从潜在空间向量重建输入特征表示，并使用第2.16步中描述的均方误差（MSE）损失函数优化重建过程。
12. 通过编码器将输入数据压缩为低维的潜在空间表示。
13. 使用解码器重建原始数据（图3）。
14. 使用ReLU激活函数（σ）、权重矩阵（W₁和W₂）以及偏置项（b₁和b₂）执行编码和解码变换，如公式3和公式4所示。
       (3)
      (4)
15. 通过最小化重建误差来训练AE，以保留关键信息。
16. 采用均方误差（MSE）作为损失函数，并使用公式5计算重建误差。
    1. 使用Adam优化器训练AE，学习率为0.001。
    2. 将批量大小设置为50，并将网络最多训练100个轮次。
    3. 在训练过程中监控验证损失，并采用早停策略，耐心值设为10个轮次。
    4. 使用固定的数据集划分，包括2400个训练样本、400个验证样本和400个测试样本。
    5. 在基于Python的深度学习环境中执行模型训练，该环境详见材料表。
    6. 使用公式5计算重建误差。
         (5)

3. 基于梅尔频谱图与CBAM的频域特征提取

1. 对原始局部放电声学信号应用预加重、分帧和加窗函数。
   1. 从每个8192点的声学帧中移除直流偏置。
   2. 使用以下方法应用预加重：
      
   3. 去除直流偏置后，使用每个帧的峰值绝对幅度对其进行归一化。
   4. 使用1024个样本的汉明窗对每一帧进行分段。
   5. 使用512个样本的帧移长度，对应相邻窗口之间50%的重叠。
   6. 使用1024点FFT计算短时傅里叶变换（STFT）。
   7. 不要在硬件前端带宽限制以及上述帧质量排除标准之外，应用额外的软件带通滤波。
2. 对处理后的信号进行傅里叶变换。
3. 将原始线性频率（f）转换为梅尔刻度。此步骤可线性化人耳对频率的感知，并降低干扰频带的权重¹⁶.
4. 计算梅尔频率 (f_黑色素) 使用原始的线性频率 (f) (公式 6).
      (6)
5. 将频率划分为一系列三角形滤波器组。
6. 计算每个滤波器带宽内所有信号幅度的加权和。对输出应用对数函数，以增强幅度变化的感知一致性。
7. 使用梅尔滤波器组计算输出 方程 7。在此处， S(m) 是……的输出结果 m-滤光片， k 是频率指数，且 H_m(k) 定义了三角形滤波器。
     (7)
8. 生成梅尔频谱图。
   1. 使用1024点FFT长度计算短时傅里叶变换。
   2. 对得到的频谱应用256个梅尔滤波器组。
   3. 在0–100 kHz频率范围内生成梅尔频谱图。
   4. 将生成的梅尔频谱图调整大小或表示为256 × 256像素的特征图，以供后续CBAM处理。
   5. 将梅尔功率谱图转换为分贝尺度。
   6. 对数压缩的梅尔频谱图进行逐频谱图的最小-最大归一化处理 （S_dB):
      
   7. 对每幅 256 × 256 的 Mel-频谱图图像独立进行归一化处理。
   8. 在将频谱图输入CBAM分支之前，将归一化值裁剪至[0,1]范围内。
9. 将得到的梅尔频谱图输入至CBAM，以提取主要的频谱特征¹⁷.
10. 通过顺序的通道注意力和空间注意力机制处理数据（图4).
11. 配置CBAM架构。
    1. 使用16的通道缩减比率来配置通道注意力模块。
    2. 处理尺寸为 256 × 256 × 64 的输入特征图。
    3. 应用全局平均池化和全局最大池化以生成通道描述符。
    4. 将池化的描述符通过一个共享的多层感知机，并应用Sigmoid激活函数以生成通道注意力权重。
    5. 使用一个3 × 3卷积核对拼接后的平均池化和最大池化空间描述符进行卷积，生成空间注意力权重。
    6. 应用Sigmoid激活函数以生成最终的空间注意力图。
12. 提取通道注意力权重。
13. 应用全局平均池化  以及全局最大池化  输入特征图的通道维度上。
14. 通过全连接（FC）层处理生成的全局描述符向量，以获得通道注意力权重（M_c).
15. 使用通道注意力权重的计算方法 方程 8。在这里， M_c 是通道注意力权重， 流式细胞术 表示全连接层，且 σ 表示Sigmoid激活函数。
      (8)
16. 提取空间注意力权重。
17. 应用全局最大池化  以及全局平均池化  沿通道轴方向
18. 将得到的空间描述符图进行拼接，并通过卷积层处理以生成空间注意力权重（M_s).
19. 使用空间注意力权重进行计算 公式 9。在此处， M_s 是空间注意力权重，  是由全局平均池化生成的空间描述符，且  是由全局最大池化生成的空间描述符。
       (9)
    1. 沿通道维度拼接平均池化和最大池化的空间描述符。
    2. 应用 3 × 3 卷积  步幅为1且使用相同填充以生成空间注意力特征图。
    3. 对卷积输出应用Sigmoid激活函数，以获得空间注意力权重。
    4. 将空间注意力权重与输入特征图进行逐元素相乘，以生成优化后的空间表示。

使用 CA 进行跨模态特征融合

1. 采用交叉注意力（CA）机制来合成提取的时间特征和频谱特征¹⁸。与自注意力不同，该机制从一种模态中提取上下文信息，以动态增强另一种模态的表示（图5）。
2. 配置交叉注意力（CA）架构。
   1. 将嵌入维度设为128。
   2. 将CA模块配置为4个注意力头。
   3. 将查询（Query）、键（Key）和值（Value）的投影维度均设为128。
   4. 在CA模块内部应用0.10的dropout率。
   5. 在交叉注意力模块之后，不应用注意力后归一化层或前馈层。
   6. 将所有注意力头的输出进行拼接。
   7. 应用dropout，dropout率为0.10。
   8. 对得到的特征表示进行展平。
   9. 将展平后的特征向量直接传递给1D-CNN分类器。
3. 从两个不同的输入序列（时域和频域特征）初始化查询（Q）、键（K）和值（V）矩阵。
4. 使用公式10计算查询矩阵，其中X₁表示由TCN-AE路径生成的时间特征矩阵，W_Q和b_Q分别为对应的学习权重矩阵和偏置项。
      (10)
5. 使用公式11计算键矩阵，其中X₂表示由Mel-CBAM路径生成的频域特征矩阵，W_K和b_K分别为对应的学习权重矩阵和偏置项。
      (11)
6. 使用公式12计算值矩阵，其中W_V和b_V分别为对应的学习权重矩阵和偏置项。
      (12)
7. 基于查询与键元素之间的关系，计算交叉注意力（CA）交互。
8. 使用公式13计算注意力权重矩阵。其中，α_ij表示第i个元素相对于第j个元素的注意力权重，d_k为键向量的维度。
      (13)
9. 根据计算出的注意力权重，通过对值矩阵进行加权求和，更新最终的特征表示。
10. 使用公式14计算融合后的特征表示。其中，O_i为序列输出，表示绝缘故障的鲁棒时频声学指纹。
    ​   (14)
    1. 生成输出维度为128的融合特征表示。
    2. 合并跨时间与跨频率的注意力输出。
    3. 在分类前对融合表示进行展平。
    4. 将展平后的特征表示传递给图9所示的1D-CNN和全连接Softmax分类器。

图9：绝缘故障识别的整体框架。 所提出的绝缘故障识别方法的工作流程。原始的麦克风阵列信号经过融合与预处理后，通过TCN–AE通路进行时域特征提取，利用梅尔谱图和CBAM进行频域特征提取，再通过基于CA的特征融合，最终使用一维卷积神经网络实现故障分类。请点击此处查看该图的放大版本。

5. 通过 GCC-PHAT 对麦克风阵列信号进行对齐与融合

1. 选择两个麦克风信号用于延迟估计，并使用快速傅里叶变换（FFT）将其转换到频域。
   1. 采用以 200 kHz 采样获得的完整 8192 点声学帧进行基于 FFT 的 GCC-PHAT 计算。
   2. 在计算 PHAT 加权互功率谱之前，对每个选定的麦克风信号应用 FFT。
   3. 利用 PHAT 加权互功率谱和 图 10 所示的 IFFT 过程，相对于选定的参考麦克风估计通道间的时间延迟。
   4. 在对所有 112 个活动麦克风通道进行对齐之前，先相对于选定的参考麦克风应用 GCC-PHAT。
   5. 在进行 FFT 处理之前，对完整的 8192 点声学帧应用汉宁窗（Hann window）。
   6. 在 GCC-PHAT 延迟估计过程中不要使用重叠窗。
   7. 在进行 FFT 和 IFFT 计算之前，将每个加窗后的帧补零至 16,384 点。
   8. 使用补零后的信号以提高时间延迟估计过程中的延迟峰值分辨率。
2. 获取所选麦克风信号的频域表示 和 。
3. 计算互功率谱以评估两个信号之间的相似性。
4. 引入相位变换（PHAT）加权函数，以锐化互相关峰值并减轻混响效应。
5. 使用 方程 15 计算 PHAT 加权互功率谱。其中， 和 是两个麦克风信号的频域表示，而 表示复共轭。
      (15)
6. 应用逆快速傅里叶变换（IFFT）计算广义互相关（GCC）函数。
7. 通过定位 GCC 函数的峰值来确定时间延迟变量 τ。
8. 使用 方程 16 计算 GCC 函数。其中， 是广义互相关函数，代表估计的时间延迟。
      (16)
9. 根据估计的延迟执行时间补偿，以对齐信号。
10. 使用 方程 17 将每个通道 相对于参考麦克风进行同步。其中， 是延迟补偿后的信号，而 τ_i 是相对于参考麦克风估计的延迟。
    1. 选择位于阵列几何中心最近的麦克风作为参考麦克风。
    2. 验证所选麦克风是否满足步骤 1.6 中描述的校准验收标准。
    3. 如果中心麦克风不满足校准标准，则选择距离几何中心最近且已校准的麦克风作为参考麦克风。
    4. 相对于选定的参考麦克风，估计每个活动麦克风通道的延迟 τ_i。
    5. 在波束成形之前，将所有 112 个活动麦克风通道对齐至选定的参考麦克风。
          (17)
11. 执行延迟求和波束成形以融合空间信息。
12. 使用 方程 18 增强来自目标方向的信号，同时抑制环境噪声。其中，y(t) 是波束成形后的输出信号， 是第 i 个麦克风的延迟补偿信号，N 是麦克风通道的总数。
    1. 在完成 GCC-PHAT 延迟补偿后执行延迟求和波束成形。
    2. 对所有活动麦克风通道使用等权重。
    3. 在采集过程中使用了 112 个活动麦克风通道，因此设置 N = 112。
    4. 根据活动缺陷模型相对于麦克风阵列中心的已知几何位置定义目标方向。
    5. 在信号融合过程中，将延迟求和波束成形器指向活动缺陷模型的中心。
    6. 利用预定义的测试柜几何结构确定导向方向。
    7. 在模型训练或测试期间，不要执行数据驱动的目标方向估计。
          (18)

图10：GCC-PHAT信号对齐流程。 广义互相关相位变换（GCC-PHAT）算法的工作流程。对频域麦克风信号进行处理以获得互功率谱和加权函数，随后通过逆傅里叶变换估计通道间的时间延迟。 请点击此处查看该图的放大版本。

6. 通过 CS 算法优化网络

1. 初始化CS算法参数以优化1D-CNN。
   1. 将种群大小（对应于鸟巢数量）设为20。
   2. 将发现概率（Pa）设为0.25。
   3. 将优化迭代的最大次数设为50。
   4. 将随机种子设为42，以支持结果的可重复性。
   5. 将步长缩放参数 α 设为0.01。
   6. 根据表2中总结的范围定义超参数搜索边界。
   7. 当达到最大迭代次数或验证适应度收敛时，终止优化过程。
2. 通过模拟布谷鸟的专性巢寄生行为结合莱维飞行生成新解。
3. 使用源自莱维飞行特性的随机步长，更新当前解（鸟巢）。
4. 使用方程19计算更新后的鸟巢位置。其中，α为步长缩放参数，表示逐元素乘法。
   1. 将步长缩放参数（α）设为0.01。
   2. 将莱维飞行参数（λ）设为1.5。
   3. 将每个候选鸟巢编码为一组1D-CNN超参数，包括卷积层配置、卷积核大小、学习率、批量大小和优化器设置。
   4. 使用莱维飞行更新生成候选鸟巢，并通过验证集性能评估每个候选解。
   5. 保留能够提升验证适应度的候选解。
         (19)
5. 使用由参数σ缩放的标准正态分布计算莱维飞行的随机变量。
6. 使用方程20计算σ。其中，表示伽马函数，β通常设为1.5。
      (20)
7. 使用五个卷积层、卷积核大小为3、ReLU激活函数、随机梯度下降（SGD）优化、初始学习率为0.001、批量大小为50以及交叉熵损失函数来训练1D-CNN。
8. 在测试集上评估优化后的模型。
   1. 使用验证损失早停策略（耐心值为10个训练周期）训练最终的1D-CNN。
   2. 将随机种子设为42，用于数据集划分和模型训练。
   3. 使用表2中总结的固定测试集评估优化后的模型。
   4. 将完整的混淆矩阵评估结果与消融实验结果分别报告，总体准确率为99.05%（3962/4000），各类别的识别率介于98.6%至99.4%之间。

类别	参数	数值 / 设置
数据集与输入	总声学帧数	4,000
	故障类别	表面放电；悬浮放电；内部放电；点放电
	采样率	200 kHz
	帧长	每帧 8,192 个点
	麦克风阵列通道数	112
	模型输入	跨注意力融合的时频声学特征表示
数据集划分	训练集大小	2,400 个样本
	验证集大小	400 个样本
	测试集大小	400 个样本
	完整混淆矩阵评估大小	4,000 个样本
	划分策略	单次固定划分
	随机种子	42
TCN 架构	残差块数量	3
	每个残差块的滤波器数	64
	卷积核大小	3
	扩张率序列	1, 2, 4
	Dropout 率	0.20
自编码器架构	编码器层维度	512 → 256 → 128
	潜在空间维度	128
	解码器层维度	128 → 256 → 512
自编码器训练	优化器	Adam
	学习率	0.001
	批量大小	50
	训练轮数	100 轮
	早停准则	验证集 MSE；耐心 = 20 轮
Mel-谱图设置	FFT 大小	1,024 个点
	Mel 滤波器数量	256
	频率范围	0–100 kHz
	谱图维度	256 × 256
CBAM 配置	通道压缩比	16
	特征图维度	256 × 256 × 64
跨注意力配置	嵌入维度	128
	注意力头数量	4
	查询投影维度	总计 128；每头 32
	键投影维度	总计 128；每头 32
	值投影维度	总计 128；每头 32
	Dropout 率	0.10
一维卷积神经网络分类器（1D-CNN）	卷积层数量	5
	卷积核大小	3
	激活函数	ReLU
	输出层	四分类 Softmax
	损失函数	交叉熵损失
训练设置	优化器	随机梯度下降（SGD）
	初始学习率	0.001
	批量大小	50
	最大训练迭代次数	1,000
	早停机制	验证损失监控
	早停耐心值	100 次迭代
	最终训练损失	所提供稿件中未提供
	最终验证损失	所提供稿件中未提供
布谷鸟搜索优化	优化目标	1D-CNN 超参数
	种群大小 / 巢穴数量	20
	发现概率（Pa）	0.25
	步长缩放参数（α）	0.01
	Lévy 飞行参数（β）	1.5
	Lévy 飞行参数（λ）	1.5
	最大优化迭代次数	50
	超参数搜索边界	卷积滤波器数 {32, 64, 128, 256}；卷积核大小 {3, 5, 7}；学习率 1×10⁻⁴–1×10⁻²；批量大小 {25, 50, 100}；Dropout 0.10–0.50；权重衰减 1×10⁻⁵–1×10⁻³
验证与报告	图13 跨注意力消融准确率	98.20%
	表2 混淆矩阵准确率	99.05%（3,962/4,000）
	交叉验证 / 多次运行	未进行

表2：绝缘故障分类的数据集配置、模型训练参数和优化设置。 该表格总结了用于开发和评估所提出的故障诊断框架的数据集构成、数据划分策略、一维卷积神经网络（1D-CNN）架构、训练配置、布谷鸟搜索（Cuckoo Search）优化设置、验证指标以及参数选择考虑因素。缺失的特定实现参数值应从最终的训练和优化日志中获取，以确保可重复性。请点击此处下载该表格。

结果

时域与频域特征提取框架

所提出的绝缘故障识别方法融合了时域和频域特征提取路径，以表征绝缘缺陷产生的复杂声学特征。时域特征提取采用时间卷积网络（TCN），结合空洞因果卷积，以捕捉声学序列中的长程时间依赖性（图1）。TCN架构中引入残差连接，以促进深层网络训练的稳定性，并实现跨多个网络层的有效信息传递（图2）。提取的时域特征随后通过自编码器（AE）进行压缩，生成低维的潜在表示，同时保留关键的声学信息（图3）。

同时，从梅尔频谱图中提取了频域特征，并通过卷积块注意力模块（CBAM）进行处理，以通过顺序的通道注意力和空间注意力操作增强显著的频谱特征（图4）。随后，利用所提出的注意力融合机制（CA）整合时域和频域特征表示，该机制自适应地建模两个特征域之间的关系，生成融...

讨论

本文介绍了一种标准化的非接触式方法，通过声学指纹识别来检测电气电力设备中的复杂绝缘故障。该方法通过结合TCN-AE与经Mel-CBAM处理的Mel频谱图，构建的分析流程能够分离出动态时间序列波动和局部频谱特征。随后通过CA机制进行跨模态融合，旨在减少简单特征拼接常导致的信息稀释问题。该诊断框架采用由CS优化的1D-CNN进行优化，在本研究评估的四类绝缘故障中表现出较高的分类性能。最终分类器的整体准确率达到99.05%，而CA配置在消融实验中的准确率为98.2%。这些数值分别来自最终分类分析和消融研究所得的不同评估结果。

本方案中的关键步骤是多通道声学数据的采集与同步。成功实施该步骤需要使用广义互相关-相位变换（GCC-PHAT）算法进行精确的时间延迟估计（TDE）和信号对齐。改进型环形螺旋麦克风阵列的物理几何结构必须与模型开发过程中所用的配置保持一致，因为传感器位置的偏差可能影响延迟估计和波束成形性能。此外，在数据采集过程中使用暂态地电压（TEV）传感器可为局部放电活动提供电气参考，有助于区分真实的放电事件与机械或环境声学干扰。因此，当分类性能不理想时，故障排查应重点针对麦克风阵列...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
自动编码器（AE）	自定义模型	用于特征压缩的编码器-解码器架构	特征降维
交叉注意力模块	自定义模型	时频特征融合模块	跨模态特征融合
GCC-PHAT 算法	自定义算法	基于FFT/IFFT的实现	时间延迟估计与信号对齐
高压测试电路	自建实验室平台	自耦变压器 T1，试验变压器 T2，200 kΩ 保护电阻，1 nF 耦合电容；工作电压 4–12 kV	绝缘故障条件的产生
梅尔频谱图 + CBAM	自定义模型	基于注意力增强的梅尔频率谱提取	频域特征提取
麦克风阵列系统	自建实验室平台	112通道改良环形螺旋阵列；200 kHz采样率；每帧8192个数据点	声学采集
麦克风传感器	自制匹配超声麦克风模块	112 个匹配通道；灵敏度 -38 ± 3 dBV/Pa；频率响应范围 20 Hz–100 kHz；在 94 dB SPL/1 kHz 和 40 kHz 处校准；验收限值：1 kHz 时为 ±2 dB，40 kHz 时为 ±3 dB	声学检测
多通道数据采集系统	自建同步数据采集平台	112通道同步采集；16位模数转换器；每通道200 kHz；每帧8192个采样点；共享采样时钟；正边沿TTL硬件触发	数据采集与同步
一维卷积神经网络 + CS 优化	自定义模型	五个卷积层；卷积核大小为3；SGD；学习率为0.001；批量大小为50	故障分类
Python 训练环境	Python / PyTorch	Python 3.9；PyTorch 2.0；NumPy 1.24；scikit-learn 1.2；librosa 0.10；CUDA 11.8	模型训练与评估
时序卷积网络（TCN）	自定义模型	带残差连接的扩张因果卷积	时域特征提取
带缺陷模型的测试柜	自建实验室平台	表面放电、悬浮放电、内部放电和点放电模型	绝缘故障仿真
暂态地电压（TEV）检测系统	商用TEV监测模块	TEV 参考通道；3-100 MHz 模拟带宽；40 dB 增益；正边沿 TTL 触发；触发阈值设为高于背景噪声基底 6 dB 处 >传感器输入端等效为10 mV	放电活动的验证