1、在理論分析和應用研究巾，為了便下分析與處理，在多數(shù)情況下都對泵進行了一些簡單化處理，如假設被分析的信號具有線性、平穩(wěn)性和小相位特征等，但在實際的工程用中常常會忽略信號中的一些重要特征，對于上作在較為理想工況條件下的簡單的泵來講分析結(jié)果尚可，誤差不足很大，但對于精密程度高、工作環(huán)境復雜的泵，則診斷結(jié)果常常差強人意。

　　②氟塑料離心泵設備在工作過程中存在著多種振動激勵源，既有泵本身旋轉(zhuǎn)運動的振源，也有原動機(如電機、柴油機等)的振動激勵，而且當泵出現(xiàn)故障時，其部件內(nèi)部還存在沖擊作用，同時水流也會產(chǎn)生一定的沖擊作用。這么多振源的振動混合在一起勢必會相瓦影響，而且故障信號往往會被淹沒在背景噪聲和干擾之中，這都給泵的放障診斷帶來了很大難度，現(xiàn)有的信號分析方法在多激勵源的振動信號分離以及低信噪比振動信號的特征提取方面并未取得突破性進展，仍需要做更深一步的研究。

　?、勰壳叭藗儗Ρ眠M行戰(zhàn)障分類主要還是采用基于數(shù)據(jù)的機器學習方式，這種方式的特點就是需要大量的樣本數(shù)據(jù)，但當樣本數(shù)據(jù)難以獲得的時候，這種靠法就顯爪出了其的限性。兇此需要研究一種具有更高泛化推廣能力的小樣本故障模式分類方法，使其能夠利用有限的數(shù)據(jù)樣本來獲得更好的診斷效果。