核心算法：“鹰眼”+“顺风耳”

画出声音的“指纹” ——频谱图

我们将一维的声音信号，转换为包含时间、频率、能量三个维度的声学频谱图，让声音被“看见”。

鹰眼视觉——空间特征提取（CNN）

CNN(Convolutional Neural Network)像鹰眼一样，扫描频谱图，快速捕捉到异响独特的视觉纹理，例如部件磨损引起的高频能量突变、装配缺陷引发的音高异常等。

顺风耳听觉——并行时序建模（TCN）

TCN(Temporal Convolutional Network)就像顺风耳，倾听这些纹理在时间上的变 化。它能高效理解声音是周期性的、还是突发性的，建立起完整的上下文逻辑。

智能聚光灯——多头注意力机制（MHA）

我们启用了模型最核心的能力：多头注意力机制。它能自动聚焦于最关键的异常信息，赋予其最高分析权重，即使高噪音环境中，也能捕捉到最微弱的异常信号。