离心泵是石油化工、冶金、电力及国防工业的一种关键旋转机械,复杂的运行环境使其容易发生各类机械故障,因此需要对故障进行检测。基于信号分析的传统故障诊断对人员要求较高,若想实现准确的故障诊断,要求相关人员需具备全面的故障诊断专业知识、信号处理分析理论和丰富的实际现场经验。针对以上问题,本课题对离心泵典型故障进行实验模拟,基于实验与现场振动数据,提出离心泵振动故障智能识别方法。形成了以下几方面研究成果:(1)对振动数据进行特征提取,多维度多角度提取特征,构建混合域特征集;为剔除特征集中的冗余特征,减小计算量和冗余特征对模型训练结果的影响,基于补偿距离评估技术对特征进行筛选;(2)提出基于频谱分量的特征快速构造算法,快速构造CNN二维特征输入,极大提高振动信号转换为二维特征的速率,并实现快速准确的识别故障类型;(3)提出基于补偿距离评估和一维CNN的故障识别方法,可实现对不同设备、不同工况、不同故障的准确快速识别。(4)针对现场故障数据获取困难,环境噪声复杂,对模型抗噪能力、鲁棒性及小样本背景下的模型训练能力进行测试。基于补偿距离评估和一维CNN的模型整体性能最佳,可实现现场故障快速准确识别。