异音是核电站中转动机械的一种常见的异常现象。转动机械的声音发生变化,通常代表设备的状态发生改变,也预示着该设备可能存在故障。传声器阵列可以利用所采集的多通道声学信号,重建出某一区域的声压分布,进而识别出该区域的发声源。通过传声器阵列对转动机械故障进行声源成像是判断转动机械故障发生位置的关键技术,也是提高转动机械的可靠性和效率的重要前提。使用传声器阵列进行声源成像面临两个主要问题,首先是传声器阵列阵型面临人工设计的阵型无法同时平衡阵元个数与阵列性能之间的关系,其次是传统的传声器阵列声源成像方法存在许多的缺陷,如不能有效地抵抗噪声干扰、定位精度不好等问题。为了解决这些问题,本文首先对传声器阵列拓扑结构进行优化,研究出一种使用遗传算法优化传声器阵列拓扑结构的方法。该方法首先针对阵列设计的指标进行建模,提出了一种在仅使用最少阵元数的情况下,获得最优的主瓣宽度和最大旁瓣级的目标函数,然后对传声器阵列的拓扑结构进行编码,利用遗传算法对编码后的传声器阵列进行优化搜索,最终得到最优的拓扑结构。其次,对传声器阵列声源成像算法进行研究,为克服传统视觉Transformer中计算量大,以及在声源成像任务中子空间映射后所带来的信息丢失问题,本文提出了一种基于多通道视觉Transformer的声源成像方法（Multi-Path Vision Transformer,MPVT）,旨在提高声源成像算法的准确率并降低计算成本。该模型采用了多通道注意力机制,实现了局部特征和全局特征的深度融合。利用传统波束形成的结果作为输入,输出神经网络所预测的声场图。本文所提出的模型在随机放置1-5个声源的仿真数据集上取得了远超传统声源成像算法的结果。最后,本文分别在实验室条件下采集的扬声器声音和不同类型的滚动轴承故障声音上进行了实验验证。实验结果表明,所提出的MPVT模型能够实现对滚动轴承故障声源的准确定位,并且在不同类型的转动机械故障声源成像中都能取得较好的效果。研究结果表明,本文所提出的基于传声器阵列的转动机械故障信号定位算法是一种有效的故障定位方法,具有良好的应用前景。本文所研究的方法可以应用于核电站等工业场景的声学故障诊断中,能够为转动机械故障噪声的检测和诊断提供有效的技术支持,有望提高检测的准确率和效率,减少由故障引起的安全风险的损失,具有重要的实际意义和应用价值。