GIS是新型电力系统的关键设备，其健康状态与电网的安全息息相关。近年来在运GIS由于机械缺陷而出现异响振动的现象逐渐增多。目前市场上的超声、特高频等GIS的故障检测设备均主要针对绝缘放电性故障，对异响型机械缺陷严重缺乏重视。存在机械缺陷的GIS在开关操作的机械力、负载电流产生的交变电动力等因素的作用下就会产生异常振动，长期发展将导致气体泄漏、回路温升提高、严重时甚至造成绝缘击穿损坏事故。 已有国内外对GIS机械振动的研究多基于简单的机械振动缺陷模拟或现场设备的振动检测，仍然存在以下尚未攻克的技术难题：1）缺乏高灵敏度、宽频响应的振动检测设备；2）GIS的声振特征重构比较困难；3）缺少复杂工况下系统缺陷模拟及相关的精准识别及状态评估技术；4）缺陷定位搜寻费时费力。因此，迫切需要开发适合于GIS机械振动缺陷的定位、监测技术和辨识分析系统。 本项目深入研究了GIS异响振动信号的获取，特征提取与重构，缺陷辨识、评估与定位的关键技术，提出了基于组合细节特征提取和快速多分类相关向量机的机械振动状态智能辨识方法，发明了针对GIS异响振动信号检测、重构、缺陷辨识和声学定位等装置，实现了对GIS运行状态的快速准确检测。 创新点一：研制了电力设备潜伏性机械缺陷的智能振动监测装置。采用传感器力学结构优化和电磁屏蔽设计方法，实现了弱响应、宽频带振动缺陷信号的高灵敏采集。提出了无磁滞的新型的传感器安装结构，并通过了专业检测机构的电磁兼容（EMC）性能的第三方检测，所有指标均达到A/B级标准。 创新点二：提出了一种互补集经验模态分解和时频重构算法，构建了GIS设备异响振动缺陷声学指纹特征图谱库。建立了三相共体和分体式GIS设备的机械振动异响缺陷模拟平台，实现了操作型和周期异响型缺陷的全覆盖以及高电压和大电流单一或耦合加载。构建了基于短时傅里叶变换的GIS设备机械缺陷的时频域指纹图谱库，最大化突出了缺陷信号的时频域信息特征。 创新点三：搭建了基于组合细节特征提取和快速多分类相关向量机的GIS设备机械振动状态智能辨识及分析云诊断系统，实现了GIS设备机械振动状态实时监控、缺陷指纹实时更新、深度云端诊断及状态评估预警。研究了基于改进的模糊聚类、相关向量机和卷积神经网络等多种深度学习算法的机械状态智能辨识分析系统，辨识准确率高达90%及以上。建立了云计算和云存储的GIS设备运维的云服务系统，可实现系统的自学习和自更新，提高了设备的诊断可靠性。 创新点四：基于螺旋形排布式麦克风阵列和DAMAS声场分布重构算法，发明了GIS设备声学成像定位装置，解决了GIS设备复杂结构声学成像的技术难点，满足了GIS设备等安全运行监测和故障检测需求。 随着我国电网等级和容量的持续增大，新增电力设备的数量快速增加，同时，大量运行几十年的老旧设备也逐渐进入生命终期。因此，对运行中的电力设备机械状态进行监测，及时发现电力设备的异常、故障及损伤并预警，不仅可以预防设备的突发事故，而且能够将定期停工维修改为状态维修，有效减少其停电检修时间，延长使用寿命，从而提高电网运行的可靠性和经济性。本项目基于电力设备异响振动检测的实际需求，攻克多项技术难关，多项发明具有巨大社会效应与间接经济效益。