离心泵作为重要的流体输送和能量转换设备,广泛应用于各个领域。离心泵偏工况运行是其在现场普遍存在的问题,严重影响泵及其系统的可靠性和运行寿命。随着工业数字化转型进入深水区,离心泵的智能化运维势在必行,基于振动噪声信号的故障智能诊断是其中最重要的环节和实现途径,而偏工况运行状态的准确识别是泵运维的重要内容。其中,基于振动噪声识别泵运行工况是一种异常运行状态的诊断手段。因此,本文以泵振动信号为信息源,开展偏工况下的泵内部流致激励特性、振动噪声及其特征提取方法的研究,建立泵偏工况诊断模型和算法,完成试验验证。具体如下:（1）针对泵的偏工况运行特性的内流机理问题,采用IDDES瞬态数值模拟方法计算离心泵变工况内部瞬态流动特性,并采用时频分析方法建立压力脉动、叶轮受流体激振力与运行工况之间的关联性,为振动信号的特征提取提供理论依据。结果表明,小流量工况下流体在泵内流动出现大量的涡流,叶轮流域产生明显的流动分离现象,压力分布不均匀,隔舌区出现大面积回流,流体呈现以叶频为主频的压力脉动;大流量工况下,蜗壳隔舌区和出口段出现射流,周向存在明显的速度和压力梯度;压力脉动和流致激振力的主要能量集中在叶频处,设计工况下低频段压力脉动和流致激振力的能量低于偏工况。（2）针对数值模拟精度及流致激励力与运行工况关联关系研究,开展离心泵振动特性的试验研究,分析了离心泵在不同流量下的泵壳轴向和径向的振动信号及相应的性能参数;对比模拟预测和试验测得的离心泵外特性曲线,验证模拟的可靠性;利用时频分析方法研究两台离心泵的振动特性。结果表明,离心泵运转时轴向振动的能量大于径向,振动能量主要集中在叶频及其倍频段,在设计工况附近离心泵的振动强度较小,偏离设计工况会致使振动加剧,结论和模拟结果一致,验证了利用离心泵泵壳低频振动信号监测偏工况的可行性。（3）依据偏工况运行状态与泵壳振动信号特征之间的关联性,引入小波多分辨分析和互补集合经验模态分解理论。仿真验证小波多分辨分析可以得到不同尺度上分解的低频信号,以及不同能量成分的信息,验证集合经验模态分解可以解决经验模态分解的模态混叠问题,互补集合经验模态分解在集合经验模态分解基础上大幅降低残余白噪声。采取小波多分辨分析以及互补集合经验模态分解算法对离心泵的正常工况以及偏工况振动信号进行特征提取。结果表明,低频段特征向量有效值和轴频幅值在变流量工况下呈现明显的规律,并且泵壳的径向和轴向振动信号表现出不同的特征。（4）针对传统特征提取方法需要肉眼识别,对使用者有专家经验知识要求的问题,引入长短时记忆神经网络模型（LSTM）,设计总体诊断流程。对LSTM参数优化,根据Neumann理论划分离心泵运行工况区,划分数据集后输入到模型中进行分类识别训练。结果表明,经验模态分解系列特征提取方法相对小波分解更加优越,互补集合经验模态分解克服模态混叠问题后,得到的特征向量相比经验模态分解更具有识别性,与仿真和分析结果相符;泵壳径向测点较轴向测点更能反应离心泵不同流量工况特征,双通道融合对特征的保留更加完整。本文针对离心泵偏工况运转存在低效高振问题,从数值模拟和实验分析两个维度出发开展离心泵偏工况振动特性研究,依据振动特性建立可靠的离心泵偏工况智能诊断方法。该方法不仅摆脱对流量直接监测的依赖,还更易于在工业现场融入相对独立的泵故障诊断系统中,支撑泵及系统的智能运维,是工业数字化和智能化的必然趋势。