Центробежные насосы, являясь ключевыми компонентами гидравлических систем, играют фундаментальную роль в обеспечении надежной работы множества промышленных процессов таких отраслей, как энергетика, химическая промышленность и нефтепереработка, где бесперебойная работа оборудования имеет критическое значение. Выход из строя центробежных насосов может привести к значительным финансовым потерям из-за дорогостоящего ремонта и вынужденных простоев производственных линий. В статье представлен инновационный подход к диагностике и выявлению неисправностей центробежных насосов. Этот метод основывается на применении анализа сигнатур тока двигателя (АСТД) в сочетании с технологиями автоматизированного машинного обучения (AutoML). Такой подход позволяет эффективно и с высокой точностью обнаруживать ранние признаки сбоев в работе оборудования. Для проведения экспериментальных исследований использовался открытый набор данных, собранных в условиях, приближенных к реальной эксплуатации. Результатом стала высокая точность выявления неисправностей – 89 %, что значительно превышает показатели традиционного метода на основе градиентного бустинга. Это подтверждает преимущество комплексной модели, сформированной средствами AutoML. Дополнительное повышение точности диагностики стало возможным благодаря использованию усовершенствованного векторного преобразования Парка, примененного к исходным данным о токе и напряжении. При таком подходе выявляются даже малозаметные аномалии в работе насоса, усиливая возможности раннего прогнозирования сбоев. Представленное исследование не только подчеркивает потенциал АСТД как неинвазивного и масштабируемого инструмента для мониторинга состояния оборудования, но и демонстрирует перспективность применения AutoML для задач технической диагностики промышленных насосов.