1、在理论分析和应用研究巾，为了便下分析与处理，在多数情况下都对泵进行了一些简单化处理，如假设被分析的信号具有线性、平稳性和小相位特征等，但在实际的工程用中常常会忽略信号中的一些重要特征，对于上作在较为理想工况条件下的简单的泵来讲分析结果尚可，误差不足很大，但对于精密程度高、工作环境复杂的泵，则诊断结果常常差强人意。

　　②氟塑料离心泵设备在工作过程中存在着多种振动激励源，既有泵本身旋转运动的振源，也有原动机(如电机、柴油机等)的振动激励，而且当泵出现故障时，其部件内部还存在冲击作用，同时水流也会产生一定的冲击作用。这么多振源的振动混合在一起势必会相瓦影响，而且故障信号往往会被淹没在背景噪声和干扰之中，这都给泵的放障诊断带来了很大难度，现有的信号分析方法在多激励源的振动信号分离以及低信噪比振动信号的特征提取方面并未取得突破性进展，仍需要做更深一步的研究。

　　③目前人们对泵进行战障分类主要还是采用基于数据的机器学习方式，这种方式的特点就是需要大量的样本数据，但当样本数据难以获得的时候，这种靠法就显爪出了其的限性。凶此需要研究一种具有更高泛化推广能力的小样本故障模式分类方法，使其能够利用有限的数据样本来获得更好的诊断效果。