基于声成像的变压器设备低频振源定位方法研究

0 引言

变压器是电力系统中的核心设备，其运行状态直接影响电网的安全与稳定。长期运行过程中，绕组、铁芯压板、紧固件等内部结构在电磁力、热应力及老化作用下易产生松动、错位或冲击等机械缺陷，通常伴随低频振动特征，若未及时识别，将威胁设备绝缘安全与结构完整性。传统基于加速度计的接触式监测手段布设位置有限，且在面对低频弱信号和振源不确定时难以实现有效定位。变压器密封结构也导致声振信号传播受限，进一步增加了监测难度。

近年来，基于麦克风阵列的声学成像技术因其非接触、空间聚焦、适应性强等优点，在设备状态诊断中逐渐推广应用。其核心在于利用波束形成算法重建空间声源分布图，实现可视化振源定位。然而传统的Delay-and-Sum（DAS）算法在低频段成像中存在分辨率差、 主瓣发散和伪源干扰等问题，严重制约其在低频振动诊断中的应用效果。针对这一挑战， 种子带 化加权波束形成（SEN-WBF）算法，通过频域分段、自适应加权与时延校准增 能。该方法实现简单、参数明确，具备良好工程适用性，并通过实验验证了其在低频振源定位精度和图像质量方面的显著提升。

1 算法理论

波束形成技术是声成像系统中的核心处理环节，其性能直接决定了声源定位图像的空间分辨率与聚焦精度。传统的 Delay-and-Sum（DAS）算法因其实现简单、结构稳定，在工业声学应用中被广泛采用。该方法通过对阵列中多个麦克风采集到的声信号施加空间延时并求和，模拟阵列指向特定空间位置的聚焦效果，从而重建声场强度分布图。然而在低频声源定位任务中，由于声波波长较长，而阵列孔径受限，DAS 算法难以形成足够的空间相位差，导致主瓣发散、旁瓣压制能力弱，最终成像图模糊，无法实现有效分辨与精准定位。

为解决上述问题，本文提出了一种改进的波束形成方法，即子带能量归一化加权波束形成（Sub-band EnergyNormalized Weighted Beamforming, SEN-WBF）算法。该方法的基本思路是，在保留 DAS 整体结构框架的基础上，利用频域信号处理手段对低频声信号进行分段分析与能量加权重构，以增强对目标频带信号的方向性响应，并压制非目标频带所引入的噪声和伪源干扰。

算法首先将阵列采集到的时域声信号转换到频域，并将低频范围划分为多个互不重叠的子频带。每个子频带在各通道的能量分布被独立计算，用于衡量该频段在当前空间场景中的有效性。随后，算法根据各子带在全阵列中的相对能量分布，动态计算加权系数，对各频段成像结果进行归一化加权处理。此步骤有效突出信号主频段的能量响应，弱化背景噪声与非结构性振动信号的干扰影响。在聚焦过程中，算法针对每一个待成像空间位置，结合预先设定的阵列几何结构与声速模型，计算从声源位置到每个传感器的传播路径，从而实现延迟校准与相位补偿。各子带聚焦图像在空间上被统一映射并融合成最终的全频段声强图谱，形成具备更强方向性的二维声源图像。

与传统DAS 算法相比，SEN-WBF 算法具有以下优势：其一，频带分段处理策略提升了对低频结构性振动信号的灵敏度；其二，能量归一化加权机制强化了主频响应，抑制了次要频带中的伪源干扰；其三，整个处理流程在计算复杂度上依然保持较低，具备良好的实时性与工程部署能力，适用于复杂环境下的在线声场监测任务。

综上所述，该优化算法在不依赖复杂模型或学习机制的前提下，通过频域结构的改进显著提升了低频振源的成像清晰度与定位精度，尤其适用于大型电力设备的非接触式低频异常检测场景。

2 试验分析

为验证所提出的 SEN-WBF 波束形成算法在变压器低频振源定位中的性能优势，本文搭建了典型的声成像实验平台，并分别使用传统DAS 算法与本文优化算法对相同工况下的低频激振信号进行声图重建。图1 为传统DAS算法生成的声强图谱结果，图 2 为 SEN-WBF 优化算法在同一激振源下的成像图像。图中彩色部分为声源聚焦区

域，颜色由紫、蓝、绿、红递增表示声功率强度。

从图 1 可见，传统 DAS 算法在变压器区域形成了宽而模糊的主瓣，高能区域呈条带状弥散，主瓣横向覆盖范围大，且存在多个次高能带状伪源，定位结 频条件下聚焦能力不足、抗干扰性能较差。图 2 所示为本文提出的 SEN-WBF 算法成像 强，能量集中且边界清晰，主瓣位置与实际激振源高度吻合，成像图中无 体声图能量分布集中、方向性强，具备良好的声源识别能力。结果表 抗干扰性方面均优于传统方法，特别适用于结构复杂、低频信号弱的设备异常检测场 具备良好的工程应用价值。

3 结论

本文针对变压器低频振源定位分辨率不足问题，提出了一种子带能量归一化加权波束形成（SEN-WBF）算法，通过频域分段、能量加权与延迟校准提升低频聚焦性能，优化传统 DAS 算法在低频条件下主瓣宽大、旁瓣高、伪源多等问题。在典型变压器激振实验中，所提算法相比 DAS 实现了更紧凑的主瓣、更强的空间聚焦性和更低的定位误差，图像边界清晰，伪源干扰显著减少，验证了该方法在低频声成像中的有效性。

SEN-WBF 算法具备结构简单、运算效率高、适应性强等优势，适用于现场复杂电力设备的非接触低频异常监测任务。未来可结合多模态传感器与三维声场成像拓展其应用深度，为提升电力设备运行状态感知与故障早期识别能力提供技术支撑。