我国水泵故障的常见诊断方法
在对水泵进行故障诊断时常用的方法有三种：基于信号处理的方法、基于解析模型的方法和基于知识的方法，南方水泵认为这三种方法各自有自身的优缺点。
一、基于信号处理的方法
基于信号的处理方法主要有三种分析方法：频谱、功率谱和小波分析。在故障诊断中最常用的是频谱分析的方法。在用频谱分析方法进行水泵的故障诊断时，虽然能够诊断出是否出现故障，但是由于水泵产生的故障一般是多种多样的，并且也是比较复杂的，因此，很难测得是什么位置发生的什么故障。功率谱是在频域中描述信号的功率或者能量，它能够确定出水泵最佳的工作参数、故障的位置等，为水泵的维修提供保障，但是它的计算比较复杂、分辨率也比较低，因此比较适合平稳的信号。小波分析法是时频分析的方法，它的局部特征比较好，对突变信号和不平稳的信号有较好的响应作用，因此能及时的监测出水泵中的故障，但是这种故障的研究还不太完善，需要我们进一步分析。
二、基于解析模型的方法
在水泵故障诊断中，基于解析模型的方法是一种比较精确的模型，它常用的方法有三种：状态估计、等价空间、参数估计。首先，状态估计法是通过建立测变量，并将测量值和估计值进行作差，来对故障进行检测和分离。这种方法适用于数学模型比较精确的情况，在实际中很难满足这一条件。其次，等价空间法是通过利用系统的输入量和输出量的测量值检验系统的数学模型是否等价，来对故障进行检测和分离。第三，参数估计法是利用数学模型和物理参数的变化来对故障进行检测和分离。这种方法比较适合故障的分离，但是参数估计法需要模型参数同物理参数一一对应，因此一般会将它和其他的方法相结合，保证检测和分离故障更加的准确。
三、基于知识的方法
目前，人工智能算法发展迅速，在故障诊断中基于知识的方法应用越来越广泛，这种方法对数学模型精确度的要求不是很高，有一定智能性。但是南方水泵发现这种方法在使用前要有大量的先验知识，否则检验不出来。在水泵中最常用的方法有粗糙集理论、人工神经网络、支持向量机等。首先，粗糙集理论主要用于处理不完整、不精确的知识，不用对数据进行任何附加的处理信息，这种方法近几年的发展比较迅速，在故障形式较少的情况下，能够保证故障诊断的精度和速度，但是当故障的形式比较复杂，特征参数也比较多时，会产生很大的决策表和规则数目。第二，人工神经网络的方法是通过模拟生物的神经系统来自适应非线性的动力学系统，它的学习性和并行计算的能力都比较强，实现分类、联想记忆、非线性优化等。在水泵的故障诊断中利用人工神经网络的方法是比较常见的，它的知识表达形式比较统一，知识库管理起来也比较方便，并且还便于扩展；它的学习、记忆、识别、联想的能力都比较强；容错性比较强；不会出现匹配的冲突和无穷递归等现象。第三，支持向量机是在样本统计学的基础上大展起来的，它主要用于解决小样本、非线性、高维识别的问题，推广性能较强。
