對系統運行狀態的故障監測與診斷，是通過對設備某些敏感部位振動、平衡度、溫度、壓力等信號的采集，并通過對信號處理，提取特征參數的方法來辯識工作狀態。其基本原理是：在運行過程中，其零部件會發出各自確定特征的信號，而這些信號隨單個零件的損壞、磨損以及電子元件的電壓、電流、溫度等變化而變化。根據表征具體故障的特征參數，通過人工神經網絡監測與診斷系統，對故障進行診斷和預報。

        該故障智能監測與診斷系統，主要包括監測與診斷兩個過程。其中每個過程都包括預處理和特征信號提取兩部分。快速、有效地提取反映設備故障信息的特征是故障診斷的關鍵。把從診斷的對象處獲得的數據看作一組時間序列，通過對該時間序列的分段采樣，將輸入數據映射成樣本空間的點，這些數據包括故障的類型、程度和位置等信息。首先對映射到樣本空間的輸入數據進行預處理，通過刪除原始數據中的無用的信息得到另一類故障模式，由樣本空間映射成數據空間。在數據空間的基礎上，提取數據中的不變特性，形成不變故障模式空間。在提取了故障模式的不變特性后，根據診斷的需要和問題的特性，對所選擇的模式特征矢量進行量化壓縮變換，選擇有用的特征，以用于故障診斷。

信號的產生和傳播

       可以認為系統結構為一定常線性系統，則系統振動可表示為：

        M【】C【】K【]=

        M【】為系統的質量矩陣，為響應的加速度向量，C【】為系統的阻尼矩陣，為速度向量，[KI為系統剛度矩陣，為振動的位移向量，Q【】為產生系統振聲的激勵力向量。

        系統振動的激勵源主要有：電機驅動系統，篩籃及轉軸的加工誤差、軸承和支架、裝配不平衡，試管裂紋破裂形成的腔內積水、溫升過高等故障問題造成的離心轉軸在高速旋轉中嚴重傾斜、振動，當振動頻率超過極限值時，會引起離心機整個系統的共振，以致產生嚴重后果。