1、成果简介 电力设备在运行时的声音中包含了设备大量的状态信息，且当设备出现故障时其声信号会相应发生改变，声信号伴随主设备设备运行产生，声音的幅值、时域波形、频谱特性与其运行机械状态、绝缘状态、电压、电流等密切相关，可及时反映设备运行状态变化。声场可视化技术具有一定的抗干扰能力，能够通过阵列测量重建声源表面的声压分布，能适当的突出关键部件处声场的变化、忽略干扰部件处声场的变化，将有效提高诊断效果。针对电力设备异响缺陷检测及诊断需求，研发了电力设备声纹可视化成套诊断装备，包括阵列式声纹在线监测装置、数字化手持式声纹成像仪、声学可视化智能边缘网关、声纹可视化监测及诊断系统，能够实现电力设备运行状态的智能运检，具有实时成像、声纹分析、状态识别等功能；提出了图谱域下的声纹特征提取方法，发现了声纹信号特征与缺陷类型的映射关系，建立了电力设备典型异响缺陷特征可视化指纹库，形成了完备的声纹检测、分析及诊断方案。 2、主要创新点 （1）提出基于深层神经网络的多通道声纹信号增强技术，通过多通道阵列式声学传感器定向采集声纹信号，将目标方向波束与参考噪声一起送入自适应消噪层， 得到增强语音的幅度谱，实现了复杂电力环境下电力设备声纹信号的增强采集，信噪比提高89%，提高了声纹检测灵敏度和精确度。 （2）提出基于复合特征优选与改进随机森林的电力设备机械故障诊断方法。将电力设备原始声纹信号转为图谱信号，提取图谱域下的图谱奇异谱熵、小波能量熵、功率谱熵和倒频谱共计17个参量组成高维特征矩阵；其次利用蚁狮算法优化的随机森林计算征值矩阵的重要度并进行特征优选，最后借助于随机森林算法实现电力设备不同故障类型的辨识，辨识准确率可达98%。 （3）首创了电力设备声纹可视化成套诊断装备，结合在线及巡检业务逻辑，研发了阵列式声纹在线监测装置、数字化手持式声纹成像仪、声学可视化智能边缘网关、声纹可视化监测及诊断系统，具备声纹抗干扰检测、多维特征分析、故障诊断等核心功能，形成了完备的声纹数据检测、诊断及数据管理流程，实现了声纹检测业务的数字化管理。