Cross-Attention-Fusion von Zeit-Frequenz-Akustikmerkmalen zur Erkennung von Isolationsfehlern in Stromgeräten mittels Mikrofonarray-System

Zusammenfassung

Dieses Protokoll beschreibt eine kontaktlose Methode zur Erkennung von Isolationsfehlern in Leistungsgeräten, indem zeit- und frequenzbereichsakustische Merkmale für die automatisierte Fehlerklassifikation extrahiert und fusioniert werden.

Zusammenfassung

Ziel dieses Protokolls ist es, eine kontaktlose Methode zur Erkennung von Isolationsfehlern in Leistungsgeräten bereitzustellen, indem zeit- und frequenzbereichsakustische Merkmale für die automatisierte Fehlerklassifikation extrahiert und fusioniert werden. Akustische Fingerabdrücke, die durch Isolationsfehler erzeugt werden, weisen nichtlineare und nicht-gaußsche Eigenschaften auf, was die Wirksamkeit herkömmlicher Methoden zur Extraktion einzelner Merkmale einschränken kann. Um diese Herausforderung zu bewältigen, stellt dieses Protokoll ein Zeit-Frequenz-Extraktions- und Fusionsmodell für Merkmalsmerkmale vor, das auf einem Cross-Attention-(CA)-Mechanismus zur Identifikation von vier Isolierungsfehlertypen basiert. Zeitdomänenmerkmale werden zunächst mittels eines temporalen Faltungsnetzwerks extrahiert, das mit einem Autoencoder kombiniert wird, um dynamische Variationen aufeinanderfolgender akustischer Signale zu erfassen. Parallel dazu werden Frequenzbereichsmerkmale aus Mel-Spektrogrammen mit einem konvolutionalen Block-Aufmerksamkeitsmodul extrahiert, um die spektrale Merkmaldarstellung zu verbessern. Ein CA-Mechanismus wird dann eingesetzt, um zeitliche und spektrale Merkmale adaptiv zu fusionieren und so die Beziehungen zwischen den beiden Merkmalsdomänen zu stärken. Die Repräsentation des fusionierten Merkmals wird anschließend in ein eindimensionales konvolutionelles neuronales Netzwerk eingegeben, das mit dem Cuckoo Search-Algorithmus für die Fehlerklassifikation optimiert wurde. Repräsentative Ergebnisse zeigen, dass dieses Rahmenwerk komplexe akustische Fingerabdrücke effektiv charakterisiert und im Vergleich zu herkömmlichen Ansätzen zur Extraktion von Merkmalen eine hohe Klassifikationsleistung erreicht. Das Protokoll bietet eine robuste, kontaktlose Strategie für die Diagnose von Isolationsfehlern und die Zustandsüberwachung elektrischer Stromgeräte.

Einleitung

Die frühzeitige Erkennung von Isolationsfehlern in Stromgeräten ist entscheidend für die Sicherheit und Stabilität des Stromnetzes 1,2,3,4. Statistiken zeigen, dass etwa 60 % der Ausfälle von Stromgeräten direkt mit der Isolationsdegradation^{zusammenhängen}. Konventionelle elektrische Überwachungsmethoden leiden jedoch oft unter verzögerter Reaktion, schlechten Interferenzschutzfunktionen und der Notwendigkeit invasiver, kontaktbasierter Installation⁵. In letzter Zeit hat sich die akustische Fingerabdruckerkennung aufgrund ihrer schnellen Reaktion und der einfachen^{Implementierung als} vielversprechender nicht-kontaktloser Diagnoseansatz ^etabliert. Dennoch sind Isolationsfehlersignale von Natur aus nichtlinear und nicht-gaußsch⁸. Ihre akustischen Merkmale werden häufig durch Umgebungsgeräusche und strukturelle Schwingungen überdeckt, was es traditionellen Eindomänen-(Zeit- oder Frequenzbereichs-) Extraktionsmethoden erschwert, die wesentlichen Eigenschaften der Störung zu erfassen.

Die aktuelle Forschung zur akustischen Merkmalsextraktion steht vor zwei Hauptherausforderungen. Erstens spiegelt die Zeitdomänenanalyse, wie Kurzzeitenergie oder Nulldurchquerungsraten, Signalfluktuationen wider, verliert jedoch oft feinkörnige spektrale Details. Zweitens können Frequenzdomänenmethoden wie die schnelle Fourier-Transformation (FFT) und Wavelet-Transformationen spektrale Merkmale extrahieren, haben jedoch Schwierigkeiten, die dynamische zeitliche Entwicklung des Signals zu erfassen. Frühere Studien haben versucht, diese Lücke zu schließen. So nutzten Dai et ^al.9 beispielsweise die Short-Time-Fourier-Transformation (STFT), um zweidimensionale Zeit-Frequenz-Abbildungen zu erzeugen. Aufgrund des Unschärfeprinzips ist die Auflösung von STFT jedoch durch die Fensterbreite eingeschränkt, was einen Kompromiss zwischen Zeitlokalisierung und Frequenzauflösung erzwingt. Andere Ansätze, wie Mel-Frequenz-Cepstralkoeffizienten (MFCCs) und Gammaton-Frequenz-Cepstralkoeffizienten (GFCCs)¹⁰, führen oft zu Merkmalsrepräsentationen, die zu einfach sind, um unter Hochinterferenzbedingungen Robustheit aufrechtzuerhalten. Obwohl fortgeschrittene Verteilungen und entropiebasierte Features¹¹ in bestimmten Datensätzen eine hohe Genauigkeit erreicht haben, fehlt ihnen oft die Generalisierbarkeit aufgrund begrenzter Stichprobengrößen. Darüber hinaus versäumt eine einfache Verkettung von Zeit- und Frequenzbereichsmerkmalen es, einen intrinsischen Korrelationsmechanismus zu etablieren, was oft zu hoher Redundanz und unzureichender Unterscheidbarkeit führt. Traditionelle Machine-Learning-Modelle neigen zudem zu Overfitting, wenn sie mit den für Isolierungsfehlerdaten typischen Isolierungsfehlerdatensätzen¹² typische Kleinstichproben- und Rauscheigenschaften arbeiten. Jüngste Entwicklungen haben sich von konventionellen handgefertigten Deskriptoren und Zeit-Frequenz-Darstellungen hin zu einer auf tiefen neuronalen Netzen basierenden Merkmalsextraktion und aufmerksamkeitsgesteuerten Fusionsstrategien entwickelt. Dennoch verarbeiten viele bestehende Ansätze zeitliche und spektrale Informationen weiterhin unabhängig oder kombinieren sie durch einfache Merkmalsverkettung, was ihre Fähigkeit einschränkt, domänenübergreifende Beziehungen innerhalb komplexer akustischer Signale zu erfassen.

Um diese Einschränkungen zu beheben, bietet dieses Protokoll eine synergetische Zeit-Frequenz-Extraktions- und Fusionsmethodik, die auf einem Cross-Attention-(CA)-Mechanismus basiert. Das Hauptziel dieser Methode ist es, ein crossmodales Korrelationsmodell zu etablieren, das kritischen Merkmalen adaptiv Gewichtungen zuweist und so die Informationsverdünnung, die üblicherweise mit traditionellen Verkettungsstrategien verbunden ist, reduziert. Das Protokoll verwendet eine gekoppelte temporale Faltungsnetzwerk- (TCN) und eine Autoencoder-(AE)-Architektur, um einen Zeitdomänen-Verarbeitungsweg zu konstruieren, wobei dilatierte kausale Faltungen genutzt werden, um Langstreckenabhängigkeiten innerhalb akustischer Sequenzen zu erfassen. Gleichzeitig wird eine parallele Mel-Spektrogramm- und Convolutional Block Attention Module (CBAM)-Architektur entwickelt, um lokale spektrale Merkmale und kanalweise Aufmerksamkeit zu verbessern. Zentral für diesen Ansatz ist die Einführung eines CA-Mechanismus, der Abfrage-Schlüssel-Wert-Interaktionen nutzt, um Wechselwirkungen zwischen Zeit- und Frequenzdomänen zu modellieren. Ähnliche aufmerksamkeitsbasierte Fusionskonzepte wurden in verrauschten Maschinen und akustisch-diagnostischen Aufgaben berichtet, bei denen Aufmerksamkeitsgewichte diskriminierende zeitliche oder spektrale Bereiche unter Interferenz betonen; die meisten bestehenden Teilentladungsklassifikatoren basieren jedoch weiterhin auf Einzeldomänen-Darstellungen oder später Fusion, was das heutige CA-Design motiviert. Schließlich wird ein eindimensionales konvolutionales neuronales Netzwerk (1D-CNN) verwendet, das mit dem Cuckoo Search (CS)-Algorithmus optimiert ist, für die robuste Fehlerklassifikation.

Diese Methode bietet erhebliche Vorteile gegenüber herkömmlichen diagnostischen Ansätzen, da sie eine leistungsstarke, kontaktlose Lösung bietet, die auch in komplexen elektromagnetischen Umgebungen wirksam bleibt. Leistungskennzahlen werden separat für die Ablationsstudie und das endgültige Klassifikationsmodell angegeben. Die Ablationsstudie erreichte eine Genauigkeit von 98,2 % für die CA-Konfiguration, während das endgültige Klassifikationsmodell eine Gesamtgenauigkeit von 99,05 % (3962/4000) erreichte, mit klassenspezifischen Erkennungsraten von 98,6 % bis 99,4 %. Es eignet sich besonders für Forscher und Ingenieure, die eine automatisierte Überwachung von 10-kV-Schaltanlagen oder ähnlichen Stromverteilungsanlagen implementieren möchten, wenn kontaktbasierte Messungen unpraktisch sind. Durch die Befolgung dieses Protokolls können Nutzer komplexe akustische Fingerabdrücke effektiv charakterisieren und eine zuverlässige Fehlererkennung unter erhöhten Hintergrundgeräuschbedingungen erreichen. Transformatorbasierte akustische Modelle, einschließlich Audiospektrogramm-Transformatorarchitekturen (AST), sind vielversprechend für die Langstrecken-Spektrotemporal Kontextmodellierung; Sie wurden jedoch nicht für das vorliegende Protokoll ausgewählt, da der verfügbare Datensatz vergleichsweise klein ist und das vorgeschlagene Framework stabiles Training, geringere Rechenkosten sowie interpretierbare Zeit- und Frequenzbereichsverarbeitungszweige priorisiert. Die Bewertung transformatorbasierter Architekturen stellt eine wichtige Richtung für zukünftige Studien dar.

Protokoll

Diese Studie umfasste weder menschliche Teilnehmer, Wirbeltiere noch biologische Proben. Daher waren keine institutionelle ethische Genehmigung, Zulassung für Tiere und menschliche Subjekte erforderlich.

Abbildung 1 veranschaulicht die dilatierte kausale Konvolutionsstruktur, die innerhalb der TCN-Architektur verwendet wird. Abbildung 2 zeigt die Restverbindungsstruktur, die bei der Extraktion von zeitlichen Merkmalen verwendet wird. Abbildung 3 veranschaulicht die AE-Architektur, die zur Verkleinerung der Merkmalsdimensionen verwendet wird. Abbildung 4 veranschaulicht die CBAM-Architektur, die zur Extraktion spektraler Merkmale verwendet wird. Abbildung 5 veranschaulicht den CA-Mechanismus, der für die Zeit-Frequenz-Merkmalsfusion verwendet wird.

Abbildung 1: Dilatierte kausale Faltungsstruktur. Schematische Darstellung der temporalen Faltungsnetzwerkarchitektur (TCN) unter Verwendung kausaler und dilatierter Faltungen. Der Dilatationsfaktor steigt mit der Netzwerktiefe, um das rezeptive Feld zu erweitern und langfristige zeitliche Abhängigkeiten in akustischen Signalen zu erfassen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 2: Restverbindungsstruktur. Diagramm des Restblocks, der innerhalb der TCN-Architektur verwendet wird. Der Block enthält kausale Faltungen, Gewichtsnormalisierung, ReLU-Aktivierungsfunktionen, Dropout-Schichten und eine Restverbindung, um stabiles Tiefennetzwerktraining zu ermöglichen und Gradientendegradation zu mindern. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3: Autoencoder (AE) Architektur. Schaltplanische Darstellung des AE, die zur Reduktion der Merkmalsdimension verwendet wird. Der Encoder komprimiert die eingangsakustischen Features zu einer latenten Darstellung, und der Decoder rekonstruiert den ursprünglichen Merkmalsraum aus der komprimierten Darstellung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 4: Convolutional Block Attention Module (CBAM) Architektur. Arbeitsablauf des CBAM, der zur Verbesserung der Funktionen im Frequenzbereich verwendet wird. Das Modul wendet sequentiell Kanal-Aufmerksamkeits- und räumliche Aufmerksamkeitsmechanismen an, um Merkmalsrepräsentationen aus Mel-Spektrogrammen zu verfeinern. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 5: Cross-Attention-(CA)-Merkmalsfusionsmechanismus. Schaltplanische Darstellung des CA-Moduls, das zur Fusion von zeitlichen und frequenzbereichsbezogenen Funktionen verwendet wird. Abfrage-, Schlüssel- und Wertmatrizen werden aus den beiden Merkmalsmodalitäten generiert, um intermodale Abhängigkeiten zu modellieren und fusionierte Merkmalsrepräsentationen zu erzeugen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

1. Aufbau der Isolationsfehler-Akustik-Fingerabdruckplattform und Datenerfassung

1. Bauen Sie eine berührungslose Mikrofon-Array-Detektionsplattform im Labor. Bauen Sie das System mit einer Hochspannungs-Testschaltung, einem Testschrank mit Fehlermodellen, einem Transienten-Erdspannungs-(TEV)-Testsystem und dem Mikrofonarray-System zusammen. Das TEV-System diente als elektrischer Referenzkanal zur Entladungskontrolle.
   HINWEIS: Stellen Sie sicher, dass der Hochspannungskreis einen Autotransformator (T1), einen Testtransformator (T2), einen 200 kΩ Schutzwiderstand (R) und einen 1 nF Kopplungskondensator (Cx) umfasst. Siehe Abbildung 6 für das Schaltplanlayout.
   VORSICHT: Hochspannungstests bergen ein Risiko eines elektrischen Stromschlags. Befolgen Sie die institutionellen elektrischen Sicherheitsvorschriften und stellen Sie sicher, dass alle Hochspannungskomponenten vor dem Betrieb ordnungsgemäß isoliert und geerdet sind.
2. Konfigurieren Sie vier verschiedene Isolationsfehlermodelle im Prüfkasten, um häufige Betriebsmängel zu simulieren: Oberflächenentladung, Schwebentladung, Innenentladung und Punktentladung (Abbildung 7).
3. Bereiten Sie die Dämmungsfehlermodelle für die Prüfung vor.
   1. Alle Modelle werden auf 100 mm × 100 mm × 5 mm Epoxidharz-Isolierplatten mit polierten Elektroden gefertigt.
   2. Bereiten Sie das Oberflächenentladungsmodell vor, indem Sie zwei 20 mm × 10 mm × 1 mm große Kupferstreifenelektroden auf der Oberseite mit einem 15 mm Kriechspalt befestigen. Lassen Sie die dazwischenliegende Epoxidharzoberfläche frei.
   3. Bereiten Sie das aufgehängte Entladungsmodell vor, indem Sie eine 2 mm durchmessige Kupferstabelektrode 5 mm über einer geerdeten Kupferplatte (40 mm × 40 mm × 1 mm) mit einer Epoxidstütze montieren. Halte die Elektrode elektrisch von der Platte isoliert.
   4. Bereiten Sie das Modell mit Innenentladung vor, indem Sie einen Epoxidblock mit einem zylindrischen künstlichen Luftraum (10 mm Durchmesser × 2 mm Höhe) zwischen zwei Kupferplatten (40 mm × 40 mm × 1 mm) vorbereiten. Positioniere das Zentrum des Hohlraums etwa 2,5 mm unterhalb der Oberseite.
   5. Bereiten Sie das Punktentladungsmodell vor, indem Sie eine Edelstahl-Nadelelektrode mit einem etwa 0,5 mm Spitzenradius gegenüber einer geerdeten Kupferplatte über einen 10 mm großen Luftspalt positionieren.
   6. Reinigen Sie alle Elektroden mit Ethanol und trocknen Sie sie vollständig vor der Montage.
   7. Setzen Sie die Elektrodendefektgeometrie im Prüfschrank zusammen und überprüfen Sie alle Elektrodenabstände mit einem Bremssättel vor jedem Spannungstest.
4. Setzen Sie den Mikrofonarray-Sensor mit einer modifizierten ringförmigen Spiralstruktur aus 112 Kanälen aus. Siehe Abbildung 8 für die Koordinatenverteilung.
5. Stellen Sie die Abtastrate auf 200 kHz ein und konfigurieren Sie die Abtastlänge auf 8192 Punkte pro Bild. Siehe Tabelle 1 für die Sensorparameter.
6. Konfigurieren Sie die Hardware des Mikrofonarrays.
   1. Bringen Sie die 112 Mikrofone bündig auf den modifizierten ringförmigen Spiralrahmen an den in Abbildung 8 gezeigten Koordinatenpositionen an. Halten Sie den Abstand zwischen den Elementen bei, der durch die Array-Koordinatendatei definiert ist, von 10 mm bis 25 mm.
   2. Positionieren Sie einen tragbaren akustischen Kalibrator und eine 40-kHz-Ultraschall-Referenzquelle 300 mm vom Zentrum des Mikrofonarrays entfernt.
   3. Kalibrieren Sie alle aktiven Mikrofonkanäle vor jeder Aufnahmesitzung mit einem 94 dB SPL, 1 kHz akustischen Referenzsignal und einem 40 kHz Ultraschall-Referenzsignal.
   4. Nehmen Sie 5 S Kalibrierungssignale von jedem Mikrofonkanal auf.
   5. Berechnen Sie die RMS-Empfindlichkeit und die Phasenantwort jedes Kanals relativ zum Array-Center-Kanal.
   6. Behalten Sie nur Kanäle mit einer Empfindlichkeitsabweichung innerhalb von ±2 dB bei 1 kHz, innerhalb von ±3 dB bei 40 kHz und ohne Clipping oder abnormale Rauschbodenanlegung.
   7. Schließe Kanäle aus, die die Akzeptanzkriterien nicht erfüllen, aus der nachfolgenden Analyse.
   8. Wiederholen Sie das Kalibrierungsverfahren nach jedem Mikrofonwechsel oder Bewegung des Mikrofonarrays.
7. Konfigurieren Sie das Mehrkanal-Datenerfassungssystem so, dass es gleichzeitige Abtastungen über alle aktiven Mikrofonkanäle durchführt.
   1. Konfigurieren Sie das DAQ-System für die gleichzeitige Erfassung aller 112 Mikrofonkanäle mit einem gemeinsamen 200-kHz-Abtasttakt.
   2. Stellen Sie die Erfassungsauflösung auf 16 Bit ein, konfigurieren Sie die Wechselstromkopplung und erfassen Sie 8192 Punkte pro Bild.
   3. Verteilt einen Hardware-Start-Trigger über einen gemeinsamen positiven TTL-Triggerbus an alle Akquisitionsmodule.
   4. Speichere alle Mikrofonkanäle im selben Frame-Record und behalte den Trigger-Zeitstempel und den Kanalindex für jede Aufnahme.
   5. Untersuchen Sie die ersten 100 aufgenommenen Frames auf abgeworfene Samples, Kanalsättigung und Taktdrift, bevor Sie mit der formellen Datenerhebung beginnen.
8. Rechtfertige die Konfiguration des Mikrofonarrays. Das 112-Kanal-Array wurde ausgewählt, um die räumliche Abtastdichte für Strahlformung und GCC-PHAT-Verzögerungsschätzung zu verbessern und so die Unterdrückung von Umgebungsrauschen außerhalb der Achse im Vergleich zu einem spärlichen Array mit geringer Kanalanzahl zu erhöhen. Obwohl ungefähr vier Kanäle für geometrische 3D-Lokalisierung ausreichen können, verwendet das vorliegende Protokoll dichte räumliche Abtastung zur Signalverstärkung und Merkmalstabilität anstelle der reinen Lokalisierung. Reduzierte Kanalversionen sollten vor kostenbewusster Feldeinführung separat validiert werden.
9. Führen Sie eine hohe Spannung auf die Testschaltung an, um Teilentladungsphänomene über die Modelle hinweg zu induzieren.
10. Halten Sie die experimentelle Umgebung während der Tests aufrecht.
    1. Halten Sie das Labor bei 22 °C ± 2 °C, 45 %–55 % relativer Luftfeuchtigkeit und 101 ± 2 kPa Atmosphärendruck während der Datenerfassung.
    2. Missen Sie das akustische Hintergrundgeräusch, bevor Sie das Hochspannungssystem einschalten.
    3. Mit der Datenerfassung werden nur fortgesetzt, wenn der A-gewichtete Hintergrundrauschpegel ≤40 dB(A) beträgt.
    4. Überprüfen Sie, dass der Ultraschallrauschboden jedes aktiven Mikrofonkanals mindestens 20 dB unter dem während der Pilotprüfung beobachteten Entladungsimpulspegel liegt.
    5. Halten Sie Türen und Fenster geschlossen und schalten Sie während der Datenerhebung nicht notwendige rotierende Geräte aus.
    6. Erde den Hochspannungsrahmen und das DAQ-Gehäuse vor der Erwerbung.
    7. Verhindern Sie die Bewegung des Personals in der Nähe des Mikrofonarrays während der Aufnahme.
11. Überwachen Sie die Entladungsaktivität kontinuierlich mit dem TEV-Sensor, der an ein PC-Terminal angeschlossen ist.
    1. Stellen Sie die TEV-Überwachungsschwelle auf 6 dB über dem Hintergrundrauschboden vor dem Test ein und nicht unter einem äquivalenten Eingangspegel von 10 mV.
    2. Konfigurieren Sie den TEV-Referenzkanal mit einer analogen Bandbreite von 3–100 MHz und einer Verstärkung von 40 dB.
    3. Zeichnen Sie die TEV-Pulsaktivität mithilfe von Hüllkurven- und Pulsprotokollierung am PC-Terminal auf.
    4. Konfigurieren Sie das TEV-System so, dass es positive Edge-Hardware-Triggerung verwendet.
    5. Verwenden Sie denselben Schwellenwert sowohl für TEV-Überwachung als auch für die Trigger-Generierung.
    6. Akzeptieren Sie einen akustischen Rahmen nur, wenn TEV-Impulsaktivität innerhalb des entsprechenden Erfassungsfensters auftritt und über aufeinanderfolgende Frames bei der gewählten Spannung wiederholt wird.
12. Stellen Sie die Spannung schrittweise zwischen 4 und 12 kV ein.
13. Erfassen Sie die akustischen Signale, sobald ein deutliches und stabiles Isolationsfehlerphänomen für ein bestimmtes Modell beobachtet wird. Definieren Sie ein eigenständiges und stabiles Störungsphänomen als einen Entladungszustand, in dem TEV-Aktivität und akustische Impulsmuster wiederholt bei der Zielspannung beobachtet werden, ohne offensichtliche intermittierende Auslöschung, akustische Kanalsättigung, nicht zusammenhängende mechanische Störungen oder äußeres Aufprallgeräusch. Halten Sie die Spannung aufrecht, bis das Entlademuster mindestens 60 Sekunden stabil bleibt, bevor Sie akustische Bilder aufnehmen.
14. Sammeln Sie 1000 gültige Datensätze für jeden der vier Fehlertypen. Klassifizieren Sie ein Sample-Frame nur dann als gültig, wenn die TEV-Referenz eine Entladungsaktivität anzeigt, der akustische Kanal nicht gesättigt ist, das Bild keine offensichtlichen äußeren Aufprall- oder Handhabungsgeräusche enthält und das Sample-Label mit dem aktiven Defektmodell übereinstimmt. Stellen mit akustischer Kanalsättigung, fehlender TEV-Bestätigung, inkonsistenter Fehlerkennzeichnung, intermittierender Entladungsauslöschung, externer mechanischer Einwirkung oder instabilem Hintergrundrauschen ausgeschlossen.
15. Synchronisieren Sie das TEV-System und das akustische Erfassungssystem während der Datenerhebung.
    1. Verbinden Sie den TEV-Trigger-Ausgang über den gemeinsamen TTL-Trigger-Bus mit dem akustischen DAQ-Trigger-Eingang.
    2. Verwenden Sie den TEV-Pulsausgang als Hardware-Trigger für die akustische Datenerfassung.
    3. Nehmen Sie den Triggermarker als digitalen Timing-Kanal in der akustischen Datendatei auf.
    4. Führen Sie die erste Ausrichtung der TEV- und akustischen Erfassungsströme mithilfe des Trigger-Zeitstempels durch.
    5. Schätzung der verbleibenden Inter-Mikrofon-Verzögerungen mit GCC-PHAT vor der Beamformung.
    6. Überprüfen Sie, dass die TEV-akustische Synchronisationsgenauigkeit innerhalb ±1 akustischer Abtastrate liegt, was ≤5 μs bei einer Abtastrate von 200 kHz entspricht.

Abbildung 6: Isolationsfehlererkennungsplattform mit Mikrofonarray. Experimentelle Einrichtung zur Erkennung von akustischen Isolationsfehlern. Die Plattform besteht aus einer Hochspannungs-Testschaltung, einem Isolations-Fehler-Testschrank, einem Mikrofonarray-System, einem TEV-Sensor und einem computergestützten Überwachungssystem zur Datenerfassung und -verifikation. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 7: Im Labor konstruierte Isolationsfehlermodelle. Repräsentative Isolationsfehlermodelle, die zur Datenerfassung verwendet werden. (A) Oberflächenentladungsmodell. (B) Suspendiertes Entladungsmodell. (C) Modell der internen Entladung. (D) Punktentladungsmodell. Die Modelle wurden so konstruiert, dass sie vier häufige Isolationsfehlerbedingungen unter kontrollierten Laborbedingungen simulieren. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 8: Verteilung des Mikrofonarrays. Räumliche Anordnung des 112-Kanal-Mikrofonarrays mit einer modifizierten ringförmigen Spiralkonfiguration. Die Koordinatenverteilung veranschaulicht die Sensorplatzierung, die für die akustische Signalerfassung und anschließende Beamforming-Analyse verwendet wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Parametertyp	Parameterwert
Array-Struktur	Modifizierte ringförmige Spirale
Anzahl der Kanäle	112
Abtastrate	200 kHz
Stichprobenpunkte pro Bild	8192

Tabelle 1: Parameter des Mikrofonarrays. Technische Spezifikationen des Mikrofonarray-Systems, das für die akustische Signalerfassung während Isolationsfehlerexperimente verwendet wird. Die Tabelle fasst die Array-Geometrie, die Anzahl der Kanäle, die Abtastrate und die Anzahl der pro Frame erfassten Abtastpunkte zusammen. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

2. Zeitdomänen-Feature-Extraktion mittels TCN-AE

1. Geben Sie die vorverarbeiteten akustischen Zeitreihendaten in das TCN ein, um dynamische zeitliche Variationen ^13,14 zu erfassen. Nach der Signalfusion normalisieren Sie jeden 8192-Punkt-Akustikrahmen mit dem während des Modelltraining angewandten Normalisierungsverfahren und geben die normalisierte 1D-Sequenz in das TCN ein.
2. Konfigurieren Sie die TCN-Architektur.
   1. Konstruiere das TCN mit drei nacheinander angeordneten Restblöcken für die zeitliche Merkmalsextraktion.
   2. Jedem Restblock werden 64 Faltungsfilter zugeordnet und die Größe des Faltungskerns auf 3 gesetzt.
   3. Implementiere dilatierte kausale Faltungen und konfiguriere die Dilatationsfaktoren als d = 1, 2 und 4, um das temporale Rezeptivfeld schrittweise zu erweitern.
   4. Wenden Sie die ReLU-Aktivierungsfunktion nach jeder Faltungsoperation an.
   5. Wenden Sie nach jedem Restblock eine Abbruchrate von 0,20 an, um Überanpassungen während des Trainings zu reduzieren.
   6. Führen Sie die Gewichtsnormalisierung als Regularisierungsmethode innerhalb jedes Restblocks durch.
   7. Integrieren Sie Restverbindungen im gesamten Netzwerk und verwenden Sie bei Bedarf 1 × 1 Faltungsprojektionen, um die Merkmale zwischen den Rest- und Transformationspfaden abzugleichen.
3. Wende kausale Faltungen auf die Eingabesequenz an. Passe das Null-Padding vor der Sequenz basierend auf der Kernelgröße an, um sicherzustellen, dass die Ausgabe zu jedem bestimmten Zeitschritt strikt von aktuellen und vorherigen Eingaben abhängt.
4. Führe die kausale Faltung mit dem Kerngewicht (w_i) und der Kerngröße (K) wie folgt aus (Gleichung 1):
   (1)
5. Implementiere dilatierte Faltungen, um das rezeptive Feld des Netzwerks zu erweitern, ohne die Parameteranzahl zu erhöhen. Erhöht den Dilatationsfaktor d exponentiell, wenn die Netzwerktiefe wächst, um langfristige zeitliche Abhängigkeiten zu erfassen.
6. Berechnen Sie die dilatierte Faltung mit dem Dilatationsfaktor (d) wie folgt (Gleichung 2). Nutzen Sie die Dilatationsfaktorprogression d = 1, 2 und 4 während des TCN-Trainings, um das temporale Rezeptivfeld schrittweise zu erweitern, ohne die Anzahl der abgetasteten Punkte in jedem akustischen Frame zu erhöhen.
   (2)
7. Integriere Restverbindungen, um verschwindende Gradienten während des tiefen Netzwerktrainings zu mindern.
8. Führen Sie die Eingabesequenz durch den dilatierten kausalen Faltungsblock. Führen Sie eine Gewichtsregularisierung durch und wenden Sie eine nichtlineare ReLU-Aktivierung an, gefolgt von einer Dropout-Schicht.
9. Fügen Sie die verarbeitete Ausgabe direkt zur ursprünglichen Eingabesequenz hinzu (Abbildung 2). Wenden Sie innerhalb jedes Restblocks eine Gewichtsnormalisierung an und verwenden Sie vor der Restaddition eine Aussetzrate von 0,20. Verwenden Sie bei Bedarf eine 1 × 1 Konfaltionsprojektion, um die Merkmalsdimensionen zwischen den Rest- und Transformationspfaden abzugleichen.
10. Speise die hochdimensionalen zeitlichen Merkmale, die vom TCN extrahiert werden, in einen AE zur Feature-Dimensionsreduktion¹⁵ ein.
11. Konfigurieren Sie die AE-Architektur.
    1. Erstelle den Encoder mit drei vollständig verbundenen Schichten mit den Maßen 512, 256 und 128 Neuronen.
    2. Definiere die latente Raum-Darstellung mit einem 128-dimensionalen Merkmalsvektor.
    3. Konstruiere den Decoder mit drei vollständig verbundenen Schichten mit den Dimensionen 128, 256 und 512 Neuronen.
    4. Wenden Sie die ReLU-Aktivierungsfunktion nach jeder vollständig verbundenen Schicht sowohl im Encoder als auch im Decoder an.
    5. Konfigurieren Sie das AE so, dass die Eingabefeature-Darstellung aus dem latenten Raumvektor rekonstruiert wird, und optimieren Sie die Rekonstruktion mithilfe der in Schritt 2.16 beschriebenen mittleren quadratischen Fehlerfunktion (MSE).
12. Komprimieren Sie die Eingabedaten über den Encoder in eine niedrigdimensionale latente Raumrepräsentation.
13. Rekonstruiere die Originaldaten mit dem Decoder (Abbildung 3).
14. Führen Sie die Kodierungs- und Dekodierungstransformationen mit der ReLU-Aktivierungsfunktion (σ), den Gewichtungsmatrizen (W₁ und W₂) sowie den Bias-Termen (b₁ und b₂) gemäß den Gleichungen 3 und 4 aus.
    (3)
    (4)
15. Trainieren Sie den AE, kritische Informationen zu erhalten, indem der Rekonstruktionsfehler minimiert wird.
16. Verwenden Sie den mittleren quadratischen Fehler (MSE) als Verlustfunktion und berechnen Sie den Rekonstruktionsfehler mit Gleichung 5.
    1. Trainiere die AE mit dem Adam-Optimierer mit einer Lernrate von 0,001.
    2. Stellen Sie die Chargengröße auf 50 ein und trainieren Sie das Netzwerk auf maximal 100 Epochen.
    3. Überwachen Sie den Validierungsverlust während der Ausbildung und wenden Sie frühzeitiges Stoppen mit einem Geduldswert von 10 Epochen an.
    4. Verwenden Sie die feste Datensatzpartition, bestehend aus 2400 Trainingsproben, 400 Validierungsproben und 400 Testproben.
    5. Führen Sie Modelltraining in der Python-basierten Deep-Learning-Umgebung durch, die in der Materialtabelle zusammengefasst ist.
    6. Berechnen Sie den Rekonstruktionsfehler mit Gleichung 5.
       (5)

3. Frequenzdomänen-Feature-Extraktion mittels Mel-Spektrogramm und CBAM

1. Wenden Sie Vor-Betonungs-, Rahmen- und Fensterfunktionen auf die rohen Teilentladungs-Akustiksignale an.
   1. Entfernen Sie den DC-Offset bei jedem 8192-Punkt-Akustikrahmen.
   2. Verwenden Sie die Vorbetonung mit:
      
   3. Normalisieren Sie jeden Frame mit seiner absoluten Amplitude nach der Entfernung des DC-Offsets.
   4. Segmentiere jeden Frame mit einem Hamming-Fenster mit 1024 Samples.
   5. Verwenden Sie eine Hop-Länge von 512 Proben, was einer Überlappung von 50 % zwischen benachbarten Fenstern entspricht.
   6. Berechnen Sie die Short-Time-Fourier-Transformation (STFT) mit einer 1024-Punkte-FFT.
   7. Wenden Sie keine zusätzliche Software-Bandpass-Filterung an, die über die oben beschriebene Hardware-Frontend-Bandbreitenbeschränkung und die oben beschriebenen Ausschlusskriterien für die Bildqualität hinausgeht.
2. Führen Sie eine Fourier-Transformation an den verarbeiteten Signalen durch.
3. Konvertiere die ursprüngliche lineare Frequenz (f) in die Mel-Skala. Dieser Schritt linearisiert die menschliche Frequenzwahrnehmung und reduziert das Gewicht der Interferenzbänder^{um 16}.
4. Berechnen Sie die Mel-Skala-Frequenz (f_mel) mit der ursprünglichen linearen Frequenz (f) (Gleichung 6).
   (6)
5. Teile die Frequenzen in eine Folge dreieckiger Filterbänke auf.
6. Berechnen Sie die gewichtete Summe aller Signalamplituden innerhalb jeder Filterbandbreite. Wenden Sie eine logarithmische Funktion auf die Ausgabe an, um die Wahrnehmungskonsistenz bezüglich Amplitudenvariationen zu verbessern.
7. Berechnen Sie die Mel-Filterbank-Ausgabe mit Gleichung 7. Hier ist S(m) der Ausgang des m-ten Filters, k der Frequenzindex und H_m(k) definiert den dreieckigen Filter.
   (7)
8. Erzeugen Sie die Mel-Spektrogramme.
   1. Berechnen Sie die kurzzeitige Fourier-Transformation mit einer FFT-Größe von 1024.
   2. Wenden Sie 256-Mel-Filterbänke auf das resultierende Frequenzspektrum an.
   3. Mel-Spektrogramme über den Frequenzbereich 0–100 kHz erzeugen.
   4. Die resultierenden Mel-Spektrogramme werden als 256 × 256-Pixel-Merkmalsabbildungen für die spätere CBAM-Verarbeitung neu dimensioniert oder dargestellt.
   5. Konvertiere das Mel-Leistungsspektrogramm auf die Dezibelskala.
   6. Anwendung der per-spektrogramm-Min-Max-Normalisierung mit dem logaritmisch komprimierten Mel-Spektrogramm (S_dB):
      
   7. Führen Sie die Normalisierung unabhängig für jedes 256 × 256 Mel-Spektrogrammbild durch.
   8. Schneiden Sie die normalisierten Werte auf den Bereich [0,1], bevor Sie das Spektrogramm in den CBAM-Zweig eingeben.
9. Geben Sie die resultierenden Mel-Spektrogramme in das CBAM ein, um die Hauptspektraleigenschaften¹⁷ zu extrahieren.
10. Verarbeiten Sie die Daten durch sequentielle Kanal-Aufmerksamkeits- und räumliche Aufmerksamkeitsmechanismen (Abbildung 4).
11. Konfigurieren Sie die CBAM-Architektur.
    1. Konfigurieren Sie das Kanal-Aufmerksamkeitsmodul mit einem Kanalreduktionsverhältnis von 16.
    2. Prozesseingabe-Feature-Karten mit den Maßen 256 × 256 × 64.
    3. Wende globales Durchschnittspooling und globales Max-Pooling an, um Kanalbeschreibungen zu generieren.
    4. Führen Sie die gepoolten Deskriptoren durch ein gemeinsames Multilayer-Perzeptron und wenden Sie eine Sigmoid-Aktivierungsfunktion an, um Kanal-Aufmerksamkeitsgewichte zu erzeugen.
    5. Erzeugen Sie räumliche Aufmerksamkeitsgewichte mit einem 3-×-3-Faltungskern, der auf die koncatenierten durchschnittlich-pooled und max-pooled räumlichen Deskriptoren angewendet wird.
    6. Wenden Sie eine Sigmoid-Aktivierungsfunktion an, um die endgültige räumliche Aufmerksamkeitskarte zu erstellen.
12. Entziehe die Kanal-Aufmerksamkeitsgewichte.
13. Wende globales Durchschnittspooling und globales Max-Pooling über die Kanaldimensionen der Eingabefeature-Karte an.
14. Verarbeiten Sie die erzeugten globalen Deskriptorvektoren durch eine vollständig verbundene (FC)-Schicht, um das Kanal-Aufmerksamkeitsgewicht (M_c) zu erhalten.
15. Berechnen Sie die Kanal-Aufmerksamkeitsgewichte mit Gleichung 8. Hier ist M_c das Kanal-Aufmerksamkeitsgewicht, FC bezeichnet die vollständig zusammenhängende Schicht und σ die Sigmoid-Aktivierungsfunktion.
    (8)
16. Entziehe die räumlichen Aufmerksamkeitsgewichte.
17. Wende globales Max-Pooling und globales Durchschnittspooling entlang der Kanalachse an.
18. Verkette die resultierenden räumlichen Deskriptorabbildungen und bearbeite sie durch eine Faltungsschicht, um das räumliche Aufmerksamkeitsgewicht (M_s) zu erzeugen.
19. Berechnen Sie die räumlichen Aufmerksamkeitsgewichte mit Gleichung 9. Hier ist M_s das räumliche Aufmerksamkeitsgewicht, der räumliche Deskriptor, der durch globales Durchschnittspooling erzeugt wird, und der räumliche Deskriptor, der durch globales Max-Pooling erzeugt wird.
    (9)
    1. Verkette die durchschnittlich gepoolten und maximal gepoolten räumlichen Deskriptoren entlang der Kanaldimension.
    2. Wenden Sie eine 3 × 3-Faltung mit Schrittzahl = 1 und derselben Füllung an, um die räumliche Aufmerksamkeits-Feature-Abbildung zu erzeugen.
    3. Wenden Sie eine Sigmoid-Aktivierungsfunktion auf die Faltungsausgabe an, um die räumlichen Aufmerksamkeitsgewichte zu erhalten.
    4. Multiplizieren Sie die räumlichen Aufmerksamkeitsgewichte elementweise mit der Eingabefeature-Karte, um die verfeinerte räumliche Darstellung zu erzeugen.

4. Crossmodale Feature-Fusion mit CA

1. Implementierung eines CA-Mechanismus zur Synthese der extrahierten zeitlichen und spektralen Merkmale¹⁸. Im Gegensatz zur Selbstaufmerksamkeit werden kontextuelle Informationen aus einer Modalität extrahiert, um die Darstellung der anderen dynamisch zu verbessern (Abbildung 5).
2. Konfigurieren Sie die CA-Architektur.
   1. Setze die Einbettungsdimension auf 128.
   2. Konfigurieren Sie das CA-Modul mit 4 Aufmerksamkeitsköpfen.
   3. Setze die Projektionsdimensionen Query, Key und Value jeweils auf 128.
   4. Wende eine Abbrecherquote von 0,10 im CA-Modul an.
   5. Wenden Sie nach dem Cross-Attention-Modul keine Post-Attention-Normalisierungsschichten oder Feedforward-Schichten an.
   6. Verkette die Ausgaben aller Aufmerksamkeitsköpfe.
   7. Beantrage einen Abbruch mit einer Rate von 0,10.
   8. Flachen Sie die resultierende Merkmalsrepräsentation ab.
   9. Übertragen Sie den abgeflachten Merkmalsvektor direkt auf den 1D-CNN-Klassifikator.
3. Initialisieren Sie die Matrizen Query (Q), Key (K) und Wert (V) aus den beiden unterschiedlichen Eingabesequenzen (Zeit- und Frequenzbereichsmerkmale).
4. Berechnen Sie die Abfragematrix mit Gleichung 10, wobei X₁ die temporale Merkmalmatrix bezeichnet, die durch den TCN-AE-Weg erzeugt wird, und W_Q sowie b_Q jeweils die entsprechende gelernte Gewichtungsmatrix und den Bias-Term angeben.
   (10)
5. Berechnen Sie die Key-Matrix mit Gleichung 11, wobei X₂ die Frequenzdomänen-Merkmalsmatrix bezeichnet, die durch den Mel-CBAM-Weg erzeugt wird, und W_K, und b_K die entsprechende gelernte Gewichtungsmatrix bzw. den Bias-Term angibt.
   (11)
6. Berechnen Sie die Wertmatrix mit Gleichung 12. wobei W_V und b_V jeweils die erlernte Gewichtungsmatrix und den Bias-Term angeben.
   (12)
7. Berechnen Sie die CA-Interaktion basierend auf der Beziehung zwischen den Elementen Query und Key.
8. Berechnen Sie die Aufmerksamkeits-Gewicht-Matrix mit Gleichung 13. Hier spezifiziert α_ij das Aufmerksamkeitsgewicht des i-ten Elements relativ zum j-ten Element, und d_k ist die Dimensionalität der Schlüsselvektoren.
   (13)
9. Aktualisieren Sie die endgültige Merkmalsrepräsentation, indem Sie die gewichtete Summe der Wertmatrix gemäß den berechneten Aufmerksamkeitsgewichten berechnen.
10. Berechnen Sie die Fusions-Feature-Darstellung mit Gleichung 14. Hier ist O_i der Sequenzausgang, der den robusten Fusionszeit-Frequenz-Akustikfingerabdruck des Isolationsfehlers darstellt.
    (14)
    1. Generiere die Fused-Feature-Darstellung mit einer Ausgabedimension von 128.
    2. Kombiniert man die Aufmerksamkeitsausgänge zwischen Zeit und Frequenz.
    3. Flache die verschmolzene Darstellung vor der Klassifizierung ab.
    4. Geben Sie die abgeflachte Merkmalsdarstellung an den 1D-CNN und vollständig verbundenen Softmax-Klassifikator, wie in Abbildung 9 gezeigt.

Abbildung 9: Gesamtrahmen zur Identifizierung von Dämmfehlern. Arbeitsablauf der vorgeschlagenen Methode zur Identifizierung von Dämmungsfehlern. Roh-Mikrofonarray-Signale werden fusioniert und vorbearbeitet, gefolgt von der Zeitdomänen-Feature-Extraktion mittels eines TCN–AE-Pfads, Frequenzdomänen-Feature-Extraktion mit Mel-Spektrogrammen und CBAM, CA-basierter Merkmalfusion und der Endfehlerklassifikation mit einem eindimensionalen konvolutionalen neuronalen Netzwerk. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

5. Ausrichtung und Sicherung von Mikrofonarray-Signalen über GCC-PHAT

1. Wählen Sie zwei Mikrofonsignale zur Verzögerungsschätzung aus und konvertieren Sie sie mit dem FFT in den Frequenzbereich.
   1. Verwenden Sie den vollständigen 8192-Punkt-Akustikframe, der bei 200 kHz erfasst wird, für die FFT-basierte GCC-HAT-Berechnung.
   2. Wenden Sie das FFT auf jedes ausgewählte Mikrofonsignal an, bevor das PHAT-gewichtete Cross-Power-Spektrum berechnet wird.
   3. Schätzen Sie die Zeitverzögerung zwischen den Kanälen relativ zum ausgewählten Referenzmikrofon mit dem PHAT-gewichteten Leistungsspektrum und dem IFFT-Verfahren, das in Abbildung 10 dargestellt ist.
   4. Wenden Sie GCC-PHAT relativ zum ausgewählten Referenzmikrofon an, bevor Sie alle 112 aktiven Mikrofonkanäle ausrichten.
   5. Wenden Sie vor der FFT-Verarbeitung ein Hann-Fenster auf das gesamte 8192-Punkt-Akustikrahmen an.
   6. Verwenden Sie während der GCC-PHAT-Verzögerungsschätzung keine überlappenden Fenster.
   7. Null-Pad-Grafik für jedes Fensterrahmen auf 16.384 Punkte vor FFT- und IFFT-Berechnungen.
   8. Nutzen Sie das Nullpolstersignal, um die Verzögerungs-Spitzenauflösung während der Zeitverzögerungsschätzung zu verbessern.
2. Erhalten Sie die Frequenzbereichsrepräsentationen und der ausgewählten Mikrofonsignale.
3. Berechnen Sie das Kreuzleistungsspektrum, um die Ähnlichkeit zwischen den beiden Signalen zu bewerten.
4. Einführung der Phasentransformations-(PHAT)-Gewichtungsfunktion, um den Kreuzkorrelationspeak zu schärfen und Nachhalleffekte abzumildern.
5. Berechnen Sie das PHAT-gewichtete Leistungsspektrum mit Gleichung 15. Hier sind und die Frequenzbereichsdarstellungen der beiden Mikrofonsignale und bezeichnet das komplexe Konjugierte.
   (15)
6. Wenden Sie das IFFT an, um die verallgemeinerte Kreuzkorrelationsfunktion (GCC) zu berechnen.
7. Identifizieren Sie die Zeitverzögerungsvariable τ , indem Sie den Peak der GCC-Funktion lokalisieren.
8. Berechnen Sie die GCC-Funktion mit Gleichung 16. Hier ist die verallgemeinerte Kreuzkorrelationsfunktion und stellt die geschätzte Zeitverzögerung dar.
   (16)
9. Führen Sie Zeitkompensation durch, um die Signale basierend auf der geschätzten Verzögerung auszurichten.
10. Synchronisieren Sie jeden Kanal relativ zum Referenzmikrofon mit Gleichung 17. Hier ist das verzögerungskompensierte Signal und τ_i ist die geschätzte Verzögerung relativ zum Referenzmikrofon.
    1. Wählen Sie das Mikrofon aus, das dem geometrischen Zentrum des Arrays am nächsten liegt, als Referenzmikrofon.
    2. Überprüfen Sie, ob das ausgewählte Mikrofon die in Schritt 1.6 beschriebenen Kalibrierungsakzeptanzkriterien erfüllt.
    3. Wenn das mittlere Mikrofon die Kalibrierungskriterien nicht erfüllt, wähle das am nächsten kalibrierte Mikrofon zum geometrischen Zentrum als Referenzmikrofon.
    4. Schätze die Verzögerung τ_i für jeden aktiven Mikrofonkanal relativ zum ausgewählten Referenzmikrofon.
    5. Richten Sie alle 112 aktiven Mikrofonkanäle vor dem Beamforming auf das ausgewählte Referenzmikrofon aus.
       (17)
11. Führen Sie Verzögerungs- und Summen-Beamforming aus, um die räumliche Information zu fusionieren.
12. Verstärkt das Signal, das aus der Zielrichtung kommt, während Umgebungsgeräusche mit Gleichung 18 unterdrückt werden. Hier ist y(t) das strahlgeformte Ausgangssignal, das verzögerungskompensierte Signal vom i-ten Mikrofon und N die Gesamtzahl der Mikrofonkanäle.
    1. Führen Sie nach GCC-PHAT-Verzögerungskompensation Verzögerungs- und Summen-Beamforming durch.
    2. Verwenden Sie gleiche Gewichtung für alle aktiven Mikrofonkanäle.
    3. Setzen Sie N = 112 für die 112 aktiven Mikrofonkanäle, die bei der Aufnahme verwendet werden.
    4. Definieren Sie die Zielrichtung anhand der bekannten geometrischen Lage des aktiven Defektmodells relativ zum Mikrofon-Array-Zentrum.
    5. Lenken Sie den Verzögerungs-und-Summen-Beamformer während der Signalfusion in Richtung Zentrum des aktiven Defektmodells.
    6. Verwenden Sie die vordefinierte Geometrie des Testschranks, um die Lenkrichtung zu bestimmen.
    7. Führen Sie während des Modelltrainings oder Tests keine datengetriebene Zielrichtungsschätzung durch.
       (18)

Abbildung 10: GCC-PHAT-Signalausrichtungsverfahren. Workflow des generalisierten Kreuzkorrelations-mit-Phasentransformations-(GCC-PHAT)-Algorithmus. Frequenzbereichsmikrofonsignale werden verarbeitet, um das Leistungsspektrum und die Gewichtungsfunktion zu erhalten, gefolgt von einer inversen Fourier-Transformation zur Abschätzung der Zeitverzögerung zwischen den Kanälen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

6. Optimierung des Netzwerks über den CS-Algorithmus

1. Initialisieren Sie die CS-Algorithmus-Parameter, um das 1D-CNN zu optimieren.
   1. Stellen Sie die Populationsgröße entsprechend der Anzahl der Nester auf 20 fest.
   2. Setze die Entdeckungswahrscheinlichkeit (Pa) auf 0,25.
   3. Setzen Sie die maximale Anzahl der Optimierungs-Iterationen auf 50.
   4. Setze den zufälligen Seed auf 42, um die Reproduzierbarkeit zu unterstützen.
   5. Setzen Sie den Schrittgrößen-Skalierungsparameter α auf 0,01.
   6. Definieren Sie die Hyperparameter-Suchgrenzen gemäß den in Tabelle 2 zusammengefassten Bereichen.
   7. Die Optimierung wird abgebrochen, wenn die maximale Anzahl an Iterationen erreicht ist oder die Validierungs-Fitness-Konvergenz erreicht ist.
2. Neue Lösungen entwickeln, indem man das obligate Brutparasitismusverhalten von Kuckucken in Kombination mit Lévy-Flügen simuliert.
3. Aktualisieren Sie die aktuelle Lösung (Nest) mit einer zufälligen Schrittlänge, die aus der Lévy-Flugeigenschaft abgeleitet ist.
4. Berechnen Sie die aktualisierte Nestposition mit Gleichung 19. Hier ist α der Schrittgrößenskalierungsparameter und bezeichnet die einstiegsweise Multiplikation.
   1. Setze den Schrittgrößen-Skalierungsparameter (α) auf 0,01.
   2. Setze den Lévy-flight-Parameter (λ) auf 1,5.
   3. Kodieren Sie jedes Kandidaten-Nest als Satz von 1D-CNN-Hyperparametern, einschließlich Konfiguration der Faltungsschicht, Kernelgröße, Lernrate, Batchgröße und Optimierereinstellung.
   4. Generiere Kandidatennester mit Lévy-Flight-Updates und evaluiere jeden Kandidaten anhand der Validation-Set Performance.
   5. Behalte Kandidatenlösungen, die die Validierungsfitness verbessern.
      (19)
5. Berechnen Sie die Zufallsvariablen für den Lévy-Flug mit einer Standardnormalverteilung, skaliert durch den Parameter σ.
6. Berechnen Sie σ mit Gleichung 20. Hier stellt die Gamma-Funktion dar und β wird typischerweise auf 1,5 gesetzt.
   (20)
7. Trainieren Sie das 1D-CNN mit fünf Faltungsschichten, einer Kernelgröße von 3, ReLU-Aktivierung, Optimierung des stochastischen Gradientenabstiegs (SGD), einer anfänglichen Lernrate von 0,001, einer Batchgröße von 50 und einer Kreuzentropieverlustfunktion.
8. Bewerten Sie das optimierte Modell auf dem Testset.
   1. Trainieren Sie den finalen 1D-CNN mit Validation-Loss-Early Stopping und einem Geduldswert von 10 Epochen.
   2. Setze den zufälligen Seed auf 42 für Datensatz-Partitionierung und Modelltraining.
   3. Bewerten Sie das optimierte Modell mit dem in Tabelle 2 zusammengefassten festen Testset.
   4. Berichte die vollständige Verwirrungsmatrix-Bewertung getrennt vom Ablationsergebnis, mit einer Gesamtgenauigkeit von 99,05 % (3962/4000) und klassenspezifischen Erkennungsraten von 98,6 % bis 99,4 %.

Kategorie	Parameter	Wert / Setting
Datensatz und Eingabe	Gesamtakustische Rahmen	4,000
	Fehlerklassen	Oberflächenentladung; suspendierte Entladung; innere Entladung; Punktentladung
	Abtastrate	200 kHz
	Rahmenlänge	8.192 Punkte pro Frame
	Mikrofon-Array-Kanäle	112
	Modelleingabe	Kreuz-Aufmerksamkeit fusionierte Zeit-Frequenz-Akustik-Repräsentation
Datensatzaufteilung	Größe des Trainingssets	2.400 Proben
	Größe des Validierungssatzes	400 Samples
	Testsatzgröße	400 Samples
	Volle Auswertungsgröße der Verwirrungsmatrix	4.000 Proben
	Split-Strategie	Einzelne feste Trennung
	Zufälliger Seed	42
TCN-Architektur	Anzahl der Restblöcke	3
	Filter pro Restblock	64
	Größe des Faltungskerns	3
	Dilatationsplan	1, 2, 4
	Abbrecherquote	0.20
Autoencoder-Architektur	Dimensionen der Encoder-Schicht	512 → 256 → 128
	Latente-Raum-Dimension	128
	Dimensionen der Decoder-Schicht	128 → 256 → 512
Autoencoder-Ausbildung	Optimierer	Adam
	Lernrate	0.001
	Chargengröße	50
	Anzahl der Ausbildungsphasen	100 Epochen
	Frühes Stoppkriterium	Validierungs-MSE; Geduld = 20 Epochen
Mel-Spektrogramm-Einstellungen	FFT-Größe	1.024 Punkte
	Anzahl der Mel-Filter	256
	Frequenzbereich	0–100 kHz
	Spektrogramm-Dimensionen	256 × 256
CBAM-Konfiguration	Kanalreduktionsverhältnis	16
	Feature-Map-Dimensionen	256 × 256 × 64
Cross-Attention-Konfiguration	Einbettungsdimension	128
	Anzahl der Aufmerksamkeitsköpfe	4
	Abfrageprojektionsdimension	Insgesamt 128; 32 pro Kopf
	Schlüsselprojektionsdimension	Insgesamt 128; 32 pro Kopf
	Wertprojektionsdimension	Insgesamt 128; 32 pro Kopf
	Abbrecherquote	0.10
1D-CNN-Klassifikator	Anzahl der Faltungsschichten	5
	Größe des Faltungskerns	3
	Aktivierungsfunktion	ReLU
	Ausgangsschicht	4-Klasse Softmax
	Verlustfunktion	Kreuzentropieverlust
Trainingsumgebungen	Optimierer	Strocastischer Gradientenabstieg (SGD)
	Anfängliche Lernrate	0.001
	Chargengröße	50
	Maximaltrainingiterationen	1,000
	Früher Stopp	Validierungs-Verlustüberwachung
	Frühzeitige Geduld	100 Iterationen
	Letzte Niederlage im Training	Nicht verfügbar im mitgelieferten Manuskript
	Endgültiger Validierungsverlust	Nicht verfügbar im mitgelieferten Manuskript
Cuckoo Search-Optimierung	Optimierungsziel	1D-CNN-Hyperparameter
	Populationsgröße / Anzahl der Nester	20
	Entdeckungswahrscheinlichkeit (Pa)	0.25
	Parameter für Schrittgrößenskalierung (α)	0.01
	Lévy-flight-Parameter (β)	1.5
	Lévy-flight-Parameter (λ)	1.5
	Maximale Optimierungs-Iterationen	50
	Hyperparameter-Suchgrenzen	Konvfilter {32, 64, 128, 256}; Kerngröße {3, 5, 7}; Lernrate 1×10⁻⁴–1×10⁻²; Chargengröße {25, 50, 100}; Dropout 0,10–0,50; Gewichtsabfall 1×10⁻⁵–1×10⁻³
Validierung und Berichterstattung	Abbildung 13 CA-Ablationsgenauigkeit	98.20%
	Tabelle 2: Verwirrungsmatrix-Genauigkeit	99.05% (3,962/4,000)
	Kreuzvalidierung / wiederholte Durchläufe	Nicht aufgeführt

Tabelle 2: Datensatzkonfiguration, Modelltrainingsparameter und Optimierungseinstellungen für die Klassifikation von Dämmungsfehlern. Die Tabelle fasst die Zusammensetzung des Datensatzes, die Datenpartitionierungsstrategie, die 1D-CNN-Architektur, die Trainingskonfiguration, die Cuckoo Search-Optimierungseinstellungen, Validierungsmetriken und die Parameterauswahlüberlegungen zusammen, die zur Entwicklung und Bewertung des vorgeschlagenen Fehlerdiagnoserahmens verwendet werden. Fehlende implementierungsspezifische Werte sollten aus den finalen Trainings- und Optimierungsprotokollen gemeldet werden, um die Reproduzierbarkeit zu erleichtern. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Ergebnisse

Zeit- und Frequenzdomänen-Feature-Extraktions-Framework

Die vorgeschlagene Methode zur Identifizierung von Dämmungsstörungen integriert temporale und spektrale Merkmalsextraktionswege, um die komplexen akustischen Signaturen zu charakterisieren, die durch Isolationsdefekte erzeugt werden. Die Extraktion von Zeitdomänenmerkmalen wurde mit einem TCN durchgeführt, das dilatierte kausale Faltungen einbezog, um langreichweitige zeitliche Abhängigke...

Diskussion

Dieser Methodenartikel beschreibt ein standardisiertes, kontaktloses Protokoll zur Identifizierung komplexer Isolationsfehler in elektrischen Geräten mittels akustischer Fingerabdruckerkennung. Durch die Integration eines TCN-AE mit einem Mel-Spektrogramm, das von einem Mel-CBAM verarbeitet wird, isoliert die etablierte Pipeline sowohl dynamische Zeitreihenfluktuationen als auch lokalisierte spektrale Eigenschaften. Die anschließende crossmodale Fusion über einen CA-Mechanismus soll die ...

Materialien

```html

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Autoencoder (AE)	Benutzerdefiniertes Modell	Encoder-Decoder-Architektur für die Funktionskomprimierung	Dimensionalitätsreduktion von Funktionen
Cross-Attention-Modul	Benutzerdefiniertes Modell	Zeit-Frequenz-Funktionsfusionsmodul	Cross-Modal-Funktionsfusion
GCC-PHAT-Algorithmus	Benutzerdefinierter Algorithmus	FFT/IFFT-basierte Implementierung	Zeitverzögerungsschätzung und Signalausrichtung
Hochspannungsprüfkreis	Selbstgebaute Laborplattform	Autotransformator T1, Prüftransformator T2, 200 kΩ Schutzwiderstand, 1 nF Kopplungskondensator; Betriebsspannung 4–12 kV	Erzeugung von Isolationsfehlerbedingungen
Mel-Spektrogramm + CBAM	Benutzerdefiniertes Modell	Mel-Frequenzspektrale Extraktion mit Aufmerksamkeitsverstärkung	Frequenzbereichs-Funktionsextraktion
Mikrofonarray-System	Selbstgebaute Laborplattform	112-Kanal modifiziertes ringförmiges Spiralarray; 200 kHz Abtastrate; 8192 Punkte pro Frame	Akustische Erfassung
Mikrofonsensoren	Selbstgebaute abgestimmte Ultraschallmikrofonmodule	112 abgestimmte Kanäle; Empfindlichkeit -38 +/- 3 dBV/Pa; 20 Hz-100 kHz Frequenzgang; kalibriert bei 94 dB SPL/1 kHz und 40 kHz; Akzeptanzgrenzen: +/-2 dB bei 1 kHz und +/-3 dB bei 40 kHz	Akustische Erkennung
Mehrkanal-DAQ-System	Selbstgebaute synchronisierte DAQ-Plattform	112-Kanal simultane Erfassung; 16-Bit ADC; 200 kHz/Kanal; 8192 Punkte/Frame; gemeinsamer Abtasttakt; TTL-Hardware-Trigger bei positivem Flankenanstieg	Datenerfassung und -synchronisation
Eindimensionales CNN + CS-Optimierung	Benutzerdefiniertes Modell	Fünf konvolutionale Schichten; Kernelgröße 3; SGD; Lernrate 0,001; Batchgröße 50	Fehlerklassifikation
Python-Trainingsumgebung	Python / PyTorch	Python 3.9; PyTorch 2.0; NumPy 1.24; scikit-learn 1.2; librosa 0.10; CUDA 11.8	Modelltraining und -bewertung
Temporal Convolutional Network (TCN)	Benutzerdefiniertes Modell	Dilated causal convolutions mit Residuenverbindungen	Zeitbereichs-Funktionsextraktion
Testschrank mit Defektmodellen	Selbstgebaute Laborplattform	Oberflächenentladung, schwebende Entladung, innere Entladung und Punktentladung Modelle	Simulation von Isolationsfehlern
Transient Earth Voltage (TEV) Testsystem	Kommerzielles TEV-Überwachungsmodul	TEV-Referenzkanal; 3-100 MHz analoger Bandbreite; 40 dB Verstärkung; TTL-Trigger bei positivem Flankenanstieg; Triggerschwelle 6 dB über dem Hintergrundrauschpegel eingestellt oder >=10 mV äquivalent am Sensoreingang	Überprüfung der Entladungsaktivität

```