为了保障欠缺吸水和蓄水能力的山地丘陵地区的农作物健康生长,离心水泵作为现代农业灌溉系统中的重要设备而被广泛应用于农业生产。永磁同步电机作为离心水泵的核心部件,其运行状态将直接影响到水泵的工作效率和稳定性。退磁故障在工作环境复杂的农业生产中容易发生,一旦发生退磁故障不仅会使电机振动加大,性能降低,若未能及时处理,还会发生一系列的连锁反应,使电机内部电流持续增大,进一步加剧温升,从而使永磁体退磁故障程度持续恶化加深,直至整个电机损坏,导致农业生产无法正常进行,从而造成一定损失。因此,永磁同步电机退磁故障诊断对保证农业生产的正常进行具有不可忽视的重要意义。目前退磁故障诊断方法中多以单一信号进行故障诊断,但由于电机运行环境复杂,信号采集易受外界干扰,退磁初期故障特征变化不明显,仅凭单一信号不足以对退磁故障做出准确诊断,甚至会产生误诊断。基于以上问题,论文以农业上常用的永磁同步电机为研究对象,提出一种基于转矩和A相电流信号的多源信息融合局部退磁故障诊断方法。论文主要工作如下:（1）从理论上推导分析了退磁故障下转矩和电流信号的变化机理并基于Maxwell软件对电机正常状态、单磁极退磁30%、50%、70%和100%故障状态下的转矩和A相电流信号进行仿真,分析其与退磁程度之间的关系,验证了将转矩和A相电流信号作为局部退磁故障诊断信号的可行性;（2）对故障诊断需求进行分析,给出整体方案设计,搭建以实验样机为核心,基于YH502转矩传感器和泰克A622电流钳的局部退磁故障诊断实验平台,并基于该平台完成转矩和A相电流信号的实时采集;（3）将获取到的转矩和A相电流信号利用小波阈值去噪法进行预处理,并从处理后的转矩和A相电流信号中提取出能够表征局部退磁故障的时域、频域和时频域特征参数,以用作局部退磁故障诊断;（4）构建了一套基于RBF神经网络和贝叶斯网络的多源信息融合故障诊断模型,基于转矩和A相电流信号对局部退磁故障程度进行预测,并分别将基于转矩和A相电流信号单一域特征参数与基于信息融合的预测结果进行分析对比。实验结果表明:论文提出的基于转矩和A相电流信号的多源信息融合诊断方案能够对局部退磁故障程度进行准确预测,且预测精度明显高于基于单一信号的预测精度,降低了不确定性,验证了该方法的有效性和正确性。