CN111289621A

CN111289621A - 机械密封信号分析及故障诊断方法、装置与设备

Info

Publication number: CN111289621A
Application number: CN201911372063.9A
Authority: CN
Inventors: 黄伟峰; 刘向锋; 尹源; 刘莹; 李永健; 李德才; 郭飞; 贾晓红; 王子羲
Original assignee: Tsinghua University
Current assignee: Tsinghua University
Priority date: 2019-12-27
Filing date: 2019-12-27
Publication date: 2020-06-16

Abstract

本申请涉及一种机械密封信号分析及故障诊断方法、装置与设备。所述方法包括：获取目标机械密封设备的频谱矩阵，频谱矩阵包括各短时波对应的频谱数据向量；根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据；针对每个短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量；将各短时波对应的评分向量输入至的机器学习模型，输出目标机械密封设备的工作状态。

Description

机械密封信号分析及故障诊断方法、装置与设备

技术领域

本申请涉及声发射和信号处理等技术领域，特别是涉及一种机械密封信号分析及故障诊断方法、装置与设备

背景技术

目前，机械密封作为一种高性能轴端密封形式，广泛应用于石化、航天航空及核能等领域。机械密封设备在工作过程中，技术人员无法实时获取其内部的状态信息，导致机械密封易发生突发性失效，并且难以诊断故障原因，因此，亟需一种机械密封故障诊断的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种机械密封信号分析及故障诊断方法、装置与设备

第一方面，提供了一种机械密封信号分析及故障诊断方法，所述方法包括：

获取目标机械密封设备的频谱矩阵，所述频谱矩阵包括各短时波对应的频谱数据向量；

根据预设的降维算法，对所述各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据；

针对每个所述短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量；

将各所述短时波对应的评分向量输入至机器学习模型，输出所述目标机械密封设备的工作状态。

作为一种可选的实施方式，所述获取目标机械密封设备的频谱矩阵，包括：

根据预设的采样周期，对所述目标机械密封设备的声发射信号进行采样，并根据预设采样点的数目将该声发射信号划分为多个短时波；

针对每一短时波，根据该短时波上各采样点的电压值，确定该短时波对应的电压值向量，并根据预设的频谱转换算法，将所述电压值向量转换为频谱数据向量；

根据所述各短时波对应的频谱数据向量和预设的矩阵构建规则，构建所述频谱矩阵。

作为一种可选的实施方式，所述根据预设的频谱转换算法，将所述电压值向量转换为频谱数据向量之后，所述方法还包括：

对所述频谱数据向量进行平滑化预处理，得到预处理后的频谱数据向量；

所述根据所述各短时波对应的频谱数据向量和预设的矩阵构建规则，构建所述频谱矩阵，包括：

根据所述各短时波对应的所述预处理后的频谱数据向量和预设的矩阵构建规则，构建所述频谱矩阵。

作为一种可选的实施方式，所述频谱转换算法为快速傅里叶算法。

作为一种可选的实施方式，所述降维算法为主分量分析法或非负矩阵分析法。

第二方面，提供了一种机械密封信号分析及故障诊断装置，所述装置包括：

转换模块，用于获取目标机械密封设备的频谱矩阵，所述频谱矩阵包括各短时波对应的频谱数据向量；

分析模块，用于根据预设的降维算法，对所述各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据；

评分模块，用于针对每个所述短时波，根据预设的评分规则，对该目标短时波对应的目标数据进行评分处理，得到该目标短时波对应的评分向量；

识别模块，用于将各所述目标短时波对应的评分向量输入至机器学习模型，输出所述目标机械密封设备的工作状态。

作为一种可选的实施方式，所述转换模块具体用于：

作为一种可选的实施方式，所述装置还包括：

预处理模块，用于对所述频谱数据向量进行预处理，得到预处理后的频谱数据向量；

构建模块，还用于根据所述各短时波对应的所述预处理后的频谱数据向量和预设的矩阵构建规则，构建所述频谱矩阵。

第三方面，提供了一种机械密封信号分析及故障诊断设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现一下步骤：

本申请实施例提供了一种机械密封信号分析及故障诊断方法、装置与设备，该方法包括：机械密封信号分析及故障诊断设备获取目标机械密封设备的频谱矩阵，频谱矩阵包括各短时波对应的频谱数据向量；然后，根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据；针对每个短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量；将各短时波对应的评分向量输入至机器学习模型，输出目标机械密封设备的工作状态。通过对目标机械密封设备工作时的声发射信号进行分析处理，对目标机械密封设备的工作状态进行监测，避免机械密封设备突发失效。

附图说明

图1为本申请实施例提供的一种机械密封信号分析及故障诊断方法的流程示意图；

图2为本申请实施例提供的一种机械密封信号分析及故障诊断装置的结构示意图；

图3为本申请实施例提供的一种机械密封信号分析及故障诊断设备的内部结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供了一种机械密封信号分析及故障诊断方法，如图1所示，具体的处理过程如下：

步骤101，获取目标机械密封设备的频谱矩阵，频谱矩阵包括各短时波对应的频谱数据向量。

在实施中，声发射仪采集待监测的目标机械密封设备的声发射信号，并将该声发射信号传送给机械密封信号分析及故障诊断设备。机械密封信号分析及故障诊断设备通过内置的声发射软件(如PAC的AEwin)将其转换为声发射数据信号，并根据预设的数据处理规则，对声发射数据信号进行处理，进而可以获取到该目标机械密封设备的频谱矩阵。其中，频谱矩阵包括各短时波对应的频谱数据向量。

可选的，机械密封信号分析及故障诊断设备获取目标机械密封设备的频谱矩阵，具体处理过程如下：

步骤一，根据预设的采样周期，对目标机械密封设备的声发射信号进行采样，并根据预设采样点的数目将该声发射信号划分为多个短时波。

在实施中，机械密封信号分析及故障诊断设备根据预先设定的采样周期(也可以为采样频率)对目标机械密封设备的声发射信号进行采样。然后，通过预先设定的采样点数目可以将声发射信号划分为不同时段的短时波。如，机械密封信号分析及故障诊断设备按照1024个采样点将声发射信号划分为不同时段的短时波，也即机械密封信号分析及故障诊断设备将第1采样点到第1024采样点间的声发射信号划分为第一短时波，将第1025采样点到第2048采样点间的声发射信号划分为第二短时波，以此类推。可选的，经过实验验证预先设定的采样点数目优选为1024个，此时划分的短时波不会丢失细节频谱数据信息(如果短时波划分过短会丢失细节频谱数据；划分过长则无法反映物理系统动态变化) 且仍能反映物理系统的动态变化。

步骤二，针对每一短时波，根据该短时波上各采样点的电压值，确定该短时波对应的电压值向量，并根据预设的频谱转换算法，将电压值向量转换为频谱数据向量。

在实施中，针对每一短时波，其上均可以获取到各采样点的电压值，机械密封信号分析及故障诊断设备根据各采样点的电压值，可以确定出该短时波对应的电压值向量。具体的，每个短时波上都有1024个采样点，因此，每个短时波可以获取到1024个电压值，例如：第α个电压值可以用x_α表示。因此机械密封信号分析及故障诊断设备确定出的该短时波对应的电压值向量可以表示为 {x_α}_Q×1。其中，Q表示电压值向量的维数，也即该短时波对应的电压值的数目， Q×1(Q＝1024)表示该电压值向量为1024×1维的列向量。机械密封信号分析及故障诊断设备将确定出的电压值向量，根据频谱转换算法转换为频谱数据向量。作为一种可选的实施方式，频谱转换算法为快速傅里叶变换。具体的，机械密封信号分析及故障诊断设备利用正向傅里叶公式将电压值向量转换为频谱数据向量。转换后的频谱数据向量损失一半数据量，所得的该短时波对应的频谱数据向量用

表示。其中，

表示第i个频谱数据且该频谱数据代表的具体物理意义为幅度的平方(mV²),该频谱数据对应的频率可以通过(i-1)·Δf 来计算，其中Δf＝2kHz。M为频谱数据的维数也即频谱数据的数目，M×1 (M＝512)表示该频谱数据向量为512×1维的列向量。

步骤三，根据各短时波对应的频谱数据向量和预设的矩阵构建规则，构建频谱矩阵。

在实施中，机械密封信号分析及故障诊断设备获取若干(如5000个)短时波对应的频谱数据向量，并将每个短时波对应的频谱数据向量作为频谱矩阵的列，构建一个频谱矩阵。具体的，该频谱矩阵可以表示为X^*＝[x^*(1),x^*(2),...,x^*(L)]， x^*(L)表示频谱矩阵中第L列的频谱数据向量，此时L＝5000。

作为一种可选的实施方式，在将电压值向量转换为频谱数据向量后，该方法还包括：对频谱数据向量进行预处理，得到预处理后的频谱数据向量。对频谱数据向量预处理的方法有多种，本申请实施例不做限定，仅以平滑化预处理为例进行说明：

在实施中，在由各短时波对应的频谱数据向量生成频谱矩阵之前，机械密封信号分析及故障诊断设备可以先对每个短时波对应的频谱数据向量进行平滑化预处理，因为相邻频谱数据(即相近频率)间的物理意义相同，对频谱数据向量中的数据进行平滑化处理可以提高数据所得结果的精确度。具体的，机械密封信号分析及故障诊断设备可以利用公式x＝Ax^*对频谱数据向量中的数据进行平滑化处理。其中，A为平滑化公式中的系数矩阵，A_ij表示矩阵A中的第i行第j列的元素，

其中，D为平滑尺度即平滑化所影响的范围。例如，优选的D＝5时，若要得到平滑化后的频谱数据向量{x_i}_M×1中第100 位的频谱数据x₁₀₀，根据平滑程度D为5及平滑化系数矩阵公式可以得到：需要未处理的

频谱数据向量中的第96位至第104位来计算系数矩阵中的数值，

频谱数据向量中第96位频谱数据对应的系数

以此类推，第97位数据至第100位数据的系数分别为：

第101位数据至第104位数据的系数分别为：

根据平滑化公式x＝Ax^*，则

其他待处理的频谱数据均可以按照上述方法处理，可以得到预处理后的频谱数据向量{x_i}_M×1。

可选的，还可以采用移动平滑或高斯平滑等方式对频谱数据向量进行平滑化处理，因此本申请实施例不做限定。

相应的，与上述步骤三类似，机械密封信号分析及故障诊断设备可以根据各短时波对应的预处理后的频谱数据向量和预设的矩阵构建规则，构建平滑化后的频谱矩阵。

在实施中，机械密封信号分析及故障诊断设备对每一个短时波对应的频谱数据向量中的数据进行平滑化处理，将得到的各个短时波对应的预处理后的频谱数据向量生成频谱矩阵，其中，处理后的频谱数据向量用{x_i}_M×1表示，生成的频谱矩阵用X＝[x⁽¹⁾,x⁽²⁾,...,x^(L)]_M×L表示，该矩阵是M×L维即512×5000维。

步骤102，根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据。

在实施中，机械密封信号分析及故障诊断设备根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到针对每一短时波对应的预设数目个目标数据。

作为一种可选的实施方式，降维算法可以为主分量分析法也可以为非负矩阵分解法，本申请实施例不做限定。本申请实施例首先以降维算法为主分量分析法为例进行介绍，在实施中，机械密封信号分析及故障诊断设备通过构建主分量模型对预处理后的频谱矩阵进行降维处理，去除频谱矩阵的平均值，并对频谱矩阵进行奇异值分解：

S＝diag(σ₁,σ₂,...,σ_r),σ₁≥σ₂≥...≥σ_r＞0

其中，

为去除平均值后的频谱矩阵，X为频谱矩阵，

为第j个短时波对应的第i个去除平均值后的频谱数据。X_ik表示第k个短时波对应的预处理后的频谱数据向量中的第i个数据。L为获取的频谱数据向量的数目，k的取值范围可以是1～L，具体的举例中k的取值范围即为1～5000。U为左奇异矩阵，U 矩阵的维数为M×M维。V为右奇异矩阵，V矩阵的维数为L×L维。

为 M×L维矩阵，其中S为由所有奇异向量组成的r维对角阵。σ₁,σ₂,...,σ_r为各奇异向量中对应的非零奇异值，因此，r也表示非零奇异值的个数。每个非零奇异值均大于零，非零奇异值代表了其对应的正交基向量

中相应基矢量的重要性。根据非零奇异值代表的重要性，机械密封信号分析及故障诊断设备根据预先配置，可以在每个短时波中确定出N(N≥1)个即

为最重要的主分量数据(也可称为主分量因子)。

描述了短时波频谱数据中频率分布的特征，既有总的分布模式，也表明了频谱数据在分布情况如何产生差异。然后，机械密封信号分析及故障诊断设备可以通过累计方差贡献率的公式

来获得我们所选的N个主分量数据(也可称为主分量因子)对因变量(即声发射信号频谱数据差异形式)的合计影响力。其中

表示第i个频谱数据对应的方差。

作为一种可选的实施方式，也可以采用自适应的方式，来确定目标数据(例如：主分量数据)的数目，具体处理过程如下：

当N＝1时，机械密封信号分析及故障诊断设备根据累计方差贡献率公式计算第1主分量数据的方差贡献率，将其方差贡献率的百分比值与预设贡献率阈值进行比较。

如果方差贡献率值达到预设贡献率阈值(如80％)，则执行步骤一；如果方差贡献率值未达到预设贡献率阈值，则执行步骤二。

步骤一，则确定主分量数据的数目为N。

步骤二，则N＝N+1，并计算N个主分量数据的累计方差贡献率，将得到的该累计方差贡献率与预设的贡献率阈值进行对比。

如果方差贡献率值达到预设贡献率阈值(如80％)，则执行步骤一，如果方差贡献率值未达到预设贡献率阈值，则继续执行步骤二。

步骤103，针对每个短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量。

在实施中，机械密封信号分析及故障诊断设备可以根据主分量分析算法得到每个短时波对应的N个主分量数据，这N个主分量数据可以近似代表该短时波上的全部频谱数据(即该短时波对应的频谱数据向量)，因此，可以得到：

其中，x为该短时波对应的频谱数据向量，

为频谱数据向量的平均值，由于利用主分量分析算法得出的

基向量为正交向量，对该约等式进行转换，可以确定该评分规则为：

其中，α_k为第k个主分量数据对应的评分，针对每个短时波对应的N个主分量数据，对其进行评分处理，可以得到目标短时波对应的评分向量。

根据各短时波对应的评分向量中数据的动态变化，以使分析判断机械密封设备的工作状态。

步骤104，将各短时波对应的评分向量输入至的机器学习模型，输出目标机械密封设备的工作状态。

在实施中，将得到的各个短时波对应的评分向量输入至用已知真实模式的评分向量训练的机器学习模型中，根据机器学习模型的运算及预先配置的数据结果与机械密封设备工作状态对应的配置文件，输出目标机械密封设备的工作状态。该工作状态包括正常和故障。当输出目标机械密封设备的工作状态为故障时，技术人员获悉并可以对该机械密封设备进行检修。

作为一种可选的实施方式，机械密封信号分析及故障诊断设备根据预设的重构误差算法

可以得到对每一频谱数据进行降维处理中对声发射信号的信息损失程度，以此来检验对频谱数据进行降维处理的可靠性。

本申请实施例再以非负矩阵分解法为例对频谱数据降维处理进行介绍，在非负矩阵分解法中所有的分量均为非负值，从而在物理意义上可以对频谱数据有更合理的解释，具体的处理过程如下：

步骤一，机械密封信号分析及故障诊断设备获取频谱数据及对频谱数据进行预处理的方法与上述具体实施方式中的步骤101的处理方法相同，本申请不再赘述。

步骤二，机械密封信号分析及故障诊断设备根据非负矩阵分解法对频谱数据进行降维处理，为了便于区分将若干(如5000个)短时波对应的预处理后的频谱数据向量作为频谱矩阵的行，生成频谱矩阵V。该频谱矩阵可以表示为：

其中，

表示第j个频谱数据向量中的第i个频谱数据。同时，该频谱矩阵可以表示为分解式：

其中W称为系数矩阵，H称为基矩阵。根据非负矩阵分解算法及预设的降维后的维度数N，机械密封信号分析及故障诊断设备随机选定的初值开始迭代，反复执行如下迭代公式所示的迭代过程，以使能够得到目标系数矩阵W和目标基矩阵H：

其中，m表示迭代次数，k,j,i表示矩阵的维数，H⁽⁾,W⁽⁾表示迭代过程中的中间矩阵。

当迭代后的H⁽⁾,W⁽⁾变化足够小时，机械密封信号分析及故障诊断设备判定对应的

中的W为目标系数矩阵，H为目标基矩阵。机械密封信号分析及故障诊断设备设定目标基矩阵

则根据非负矩阵分解法得到的每一短时波对应的N个非负因子(类似于主分量分析法中的主分量因子)可以近似代表该短时波对应的频谱数据向量，因此，可以得到：

从而，该评分规则通过

来确定，其中，α_k为该短时波中第k个非负因子的评分，机械密封信号分析及故障诊断设备针对每个短时波对应的N 个非负因子，进行评分处理，可以得到该短时波对应的评分向量。

机械密封信号分析及故障诊断设备根据各短时波对应的评分向量中数据的动态变化，以使分析判断机械密封设备的工作状态，具体处理过程为上述步骤 104。

本申请实施例提供了一种机械密封信号分析及故障诊断方法，该方法包括：机械密封信号分析及故障诊断设备获取目标机械密封设备的频谱矩阵，频谱矩阵包括各短时波对应的频谱数据向量；然后，根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据；针对每个短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量；将各短时波对应的评分向量输入至的机器学习模型，输出目标机械密封设备的工作状态。通过对目标机械密封设备工作时的声发射信号进行分析处理，对目标机械密封设备的工作状态进行监测，避免机械密封设备突发失效。

本申请实施例还提供了一种机械密封信号分析及故障诊断装置，如图2所示，该装置包括：

转换模块210，用于获取目标机械密封设备的频谱矩阵，频谱矩阵包括各短时波对应的频谱数据向量。

分析模块220，用于根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据。

评分模块230，用于针对每个短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量。

识别模块240，用于将各短时波对应的评分向量输入至机器学习模型，输出目标机械密封设备的工作状态。

作为一种可选的实施方式，分析模块210具体用于：

根据预设的采样周期，对目标机械密封设备的声发射信号进行采样，并根据预设采样点的数目将该声发射信号划分为多个短时波；

针对每一短时波，根据该短时波上各采样点的电压值，确定该短时波对应的电压值向量，并根据预设的频谱转换算法，将电压值向量转换为频谱数据向量；

根据各短时波对应的频谱数据向量和预设的矩阵构建规则，构建频谱矩阵。

作为一种可选的实施方式，该装置还包括：

预处理模块，用于对频谱数据向量进行平滑化预处理，得到预处理后的频谱数据向量；

构建模块，还用于根据各短时波对应的预处理后的频谱数据向量和预设的矩阵构建规则，构建频谱矩阵。

作为一种可选的实施方式，频谱转换算法为快速傅里叶变换。

作为一种可选的实施方式，降维算法为主分量分析法或非负矩阵分解法。

本申请实施例提供了一种机械密封信号分析及故障诊断装置，该装置可以实现机械密封故障监测方法，该方法包括：机械密封信号分析及故障诊断设备获取目标机械密封设备的频谱矩阵，频谱矩阵包括各短时波对应的频谱数据向量；然后，根据预设的降维算法，对各短时波对应的频谱数据向量进行降维处理，得到每个短时波对应的预设数目个目标数据；针对每个短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量；将各短时波对应的评分向量输入至的机器学习模型，输出目标机械密封设备的工作状态。通过对目标机械密封设备工作时的声发射信号进行分析处理，对目标机械密封设备的工作状态进行监测，避免机械密封设备突发失效。

在一个实施例中，一种机械密封信号分析及故障诊断设备，如图3所示，包括存储器及处理器，存储器上存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项的机械密封故障监测方法的步骤。

在一个实施例中，一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项的机械密封故障监测方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程 ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限， RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims

1.一种机械密封信号分析及故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取目标机械密封设备的频谱矩阵，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据预设的频谱转换算法，将所述电压值向量转换为频谱数据向量之后，所述方法还包括：

对所述频谱数据向量进行预处理，得到预处理后的频谱数据向量；

4.根据权利要求2所述的方法，其特征在于，所述频谱转换算法为快速傅里叶变换。

5.根据权利要求1所述的方法，其特征在于，所述降维算法为主分量分析法或非负矩阵分解法。

6.一种机械密封信号分析及故障诊断装置，其特征在于，所述装置包括：

评分模块，用于针对每个所述短时波，根据预设的评分规则，对该短时波对应的目标数据进行评分处理，得到该短时波对应的评分向量；

识别模块，用于将各所述短时波对应的评分向量输入至机器学习模型，输出所述目标机械密封设备的工作状态。

7.根据权利要求6所述的装置，其特征在于，所述获取模块具体用于：

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

构建模块，用于根据所述各短时波对应的所述预处理后的频谱数据向量和预设的矩阵构建规则，构建所述频谱矩阵。

9.一种机械密封信号分析及故障诊断设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。