在對水泵進行故障診斷時常用的方法有三種：基于信號處理的方法、基于解析模型的方法和基于知識的方法，南方水泵認(rèn)為這三種方法各自有自身的優(yōu)缺點。

一、基于信號處理的方法

       基于信號的處理方法主要有三種分析方法：頻譜、功率譜和小波分析。在故障診斷中最常用的是頻譜分析的方法。在用頻譜分析方法進行水泵的故障診斷時，雖然能夠診斷出是否出現(xiàn)故障，但是由于水泵產(chǎn)生的故障一般是多種多樣的，并且也是比較復(fù)雜的，因此，很難測得是什么位置發(fā)生的什么故障。功率譜是在頻域中描述信號的功率或者能量，它能夠確定出水泵最佳的工作參數(shù)、故障的位置等，為水泵的維修提供保障，但是它的計算比較復(fù)雜、分辨率也比較低，因此比較適合平穩(wěn)的信號。小波分析法是時頻分析的方法，它的局部特征比較好，對突變信號和不平穩(wěn)的信號有較好的響應(yīng)作用，因此能及時的監(jiān)測出水泵中的故障，但是這種故障的研究還不太完善，需要我們進一步分析。

二、基于解析模型的方法

       在水泵故障診斷中，基于解析模型的方法是一種比較精確的模型，它常用的方法有三種：狀態(tài)估計、等價空間、參數(shù)估計。首先，狀態(tài)估計法是通過建立測變量，并將測量值和估計值進行作差，來對故障進行檢測和分離。這種方法適用于數(shù)學(xué)模型比較精確的情況，在實際中很難滿足這一條件。其次，等價空間法是通過利用系統(tǒng)的輸入量和輸出量的測量值檢驗系統(tǒng)的數(shù)學(xué)模型是否等價，來對故障進行檢測和分離。第三，參數(shù)估計法是利用數(shù)學(xué)模型和物理參數(shù)的變化來對故障進行檢測和分離。這種方法比較適合故障的分離，但是參數(shù)估計法需要模型參數(shù)同物理參數(shù)一一對應(yīng)，因此一般會將它和其他的方法相結(jié)合，保證檢測和分離故障更加的準(zhǔn)確。

三、基于知識的方法

       目前，人工智能算法發(fā)展迅速，在故障診斷中基于知識的方法應(yīng)用越來越廣泛，這種方法對數(shù)學(xué)模型精確度的要求不是很高，有一定智能性。但是南方水泵發(fā)現(xiàn)這種方法在使用前要有大量的先驗知識，否則檢驗不出來。在水泵中最常用的方法有粗糙集理論、人工神經(jīng)網(wǎng)絡(luò)、支持向量機等。首先，粗糙集理論主要用于處理不完整、不精確的知識，不用對數(shù)據(jù)進行任何附加的處理信息，這種方法近幾年的發(fā)展比較迅速，在故障形式較少的情況下，能夠保證故障診斷的精度和速度，但是當(dāng)故障的形式比較復(fù)雜，特征參數(shù)也比較多時，會產(chǎn)生很大的決策表和規(guī)則數(shù)目。第二，人工神經(jīng)網(wǎng)絡(luò)的方法是通過模擬生物的神經(jīng)系統(tǒng)來自適應(yīng)非線性的動力學(xué)系統(tǒng)，它的學(xué)習(xí)性和并行計算的能力都比較強，實現(xiàn)分類、聯(lián)想記憶、非線性優(yōu)化等。在水泵的故障診斷中利用人工神經(jīng)網(wǎng)絡(luò)的方法是比較常見的，它的知識表達形式比較統(tǒng)一，知識庫管理起來也比較方便，并且還便于擴展；它的學(xué)習(xí)、記憶、識別、聯(lián)想的能力都比較強；容錯性比較強；不會出現(xiàn)匹配的沖突和無窮遞歸等現(xiàn)象。第三，支持向量機是在樣本統(tǒng)計學(xué)的基礎(chǔ)上大展起來的，它主要用于解決小樣本、非線性、高維識別的問題，推廣性能較強。