摘要： 为提升干式变压器的状态监测与故障诊断能力，提出了一种新的整合机器视觉与听觉响应的变压器状态诊断方法。首先，通过目标检测算法对干式变压器的潜在故障位置进行识别监控，获取其位置信息；其次，整合延迟求和波束成形算法计算其潜在故障位置的声学信息，利用该声学信息实时监控变压器是否出现放电缺陷；最后，对于无法快速诊断的机械故障，利用听觉外周模型获取听觉谱，依据其声音信号的特征频段，设置各特征频率获得多特征频率听觉谱，通过卷积神经网络进行变压器故障类型识别。实验结果显示，所提的方法在噪声情况下的变压器状态识别准确率仍高达87.51 %，优于其他对比的时频域特征提取方法。故所提方法能较准确地诊断干式变压器状态，并且具备良好的抗噪性能，有效补充了当前变压器的监测手段。

关键词: 故障诊断, 干式变压器, 状态检测, 机器视觉, 声学成像, 听觉外周模型