虽然在泵的故障诊断方面做了大量的工作，并在工程实践中得到了应用，但仍有一些问题有待解决，有待进一步研究。
在理论分析和应用研究中，为了便于分析和处理，在大多数情况下都对泵进行了一些简化处理，如假定被分析信号具有线性、平稳和zui小相位特性等，但在实际应用中，对泵进行了简化处理。在工程应用中，信号的一些重要特性往往被忽略。对于理想工况下的简单泵，分析结果是可以接受的，误差不大，但对于精度高、工作环境复杂的泵，诊断结果往往不令人满意。
泵设备工作过程中有多种激振源，包括泵本身旋转运动的激振源、原动机（如电机、柴油机等）的激振，当化工泵发生故障时，会产生冲击。其成分影响，且水流也会产生一定的影响效果。许多振动源的振动混合在一起必然会相互影响，故障信号往往淹没在背景噪声和干扰中，给水泵的故障诊断带来很大的困难。现有的多激励源振动信号分离和低信噪比振动信号特征提取的信号分析方法尚未取得突破，尚需进一步研究。
目前，人们主要采用基于数据的机器学习方法对泵的故障进行分类。该方法需要大量的样本数据，但当样本数据难以获取时，说明了其局限性。因此，有必要研究一种具有较高泛化能力的小样本故障模式分类方法，以便利用有限的数据样本获得更好的诊断结果。
