美優(yōu)樂活塞壓縮機(jī)診斷系統(tǒng)的優(yōu)良固然取決于系統(tǒng)的設(shè)計(jì)水平、監(jiān)測(cè)儀表是否先進(jìn)、功能的完善程度等，但同樣重要的還取決于采用的故障診斷方法。當(dāng)前常用的故障診斷方法可概括為直接參數(shù)對(duì)比法、趨勢(shì)分析法、參數(shù)分析法和人工智能法等。參數(shù)分析法和人工智能法是近代人們普遍給予關(guān)注的研究?jī)?nèi)容，在人工智能診斷法中有專家系統(tǒng)、故障樹、模式識(shí)別、模糊數(shù)學(xué)以及模糊神經(jīng)網(wǎng)絡(luò)診斷方法等。泰康壓縮機(jī)基于人工智能的診斷專家系統(tǒng)主要是利用計(jì)算機(jī)推理能力及透平機(jī)械領(lǐng)域?qū)＜业呢S富經(jīng)驗(yàn)以及系統(tǒng)內(nèi)部的因果關(guān)系.并利用人工智能中的機(jī)器學(xué)習(xí)功能，因此是很有生命力的方法。
任何故障診斷方法的直接目的是完成診斷任務(wù)即診斷出故障，辨認(rèn)其類型，分離出故障部位，對(duì)故障的發(fā)生及其后果進(jìn)行預(yù)報(bào)等。由于泰康壓縮機(jī)的工作過(guò)程、狀態(tài)變化的復(fù)雜性，導(dǎo)致了完成上述任務(wù)的困難性，特別是故障分離問(wèn)題仍然屬當(dāng)前的前沿課題。盡管機(jī)械故障診斷技術(shù)已得到全面研究和發(fā)展，得到大量應(yīng)用，但熱參數(shù)診斷技術(shù)尚待深人研究開發(fā)，特別是利用熱力狀態(tài)和性能的變化量去診斷、發(fā)現(xiàn)故障和預(yù)測(cè)即將出現(xiàn)的故障方面。例如，研究旋轉(zhuǎn)失速前兆，美優(yōu)樂活塞壓縮機(jī)根據(jù)氣體參數(shù)的動(dòng)態(tài)變化量去預(yù)測(cè)旋轉(zhuǎn)失速和喘振等就不僅是對(duì)旋轉(zhuǎn)失速、喘振的分析，進(jìn)而對(duì)它們的預(yù)防也會(huì)很有效果。此外，由于巨大的實(shí)用客觀需要，整個(gè)故障診斷技術(shù)仍處于不斷的發(fā)展之中，泰康壓縮機(jī)不少具有重大意義的理論和實(shí)用的課題仍有待進(jìn)一步研究。
