对医用离心机系统运行状态的故障监测与诊断，是通过对设备某些敏感部位振动、平衡度、温度、压力等信号的采集，并通过对信号处理，提取特征参数的方法来辩识医用离心机工作状态。其基本原理是：在医用离心机运行过程中，其零部件会发出各自确定特征的信号，而这些信号随单个零件的损坏、磨损以及电子元件的电压、电流、温度等变化而变化。根据表征具体故障的特征参数，通过人工神经网络监测与诊断系统，对医用离心机故障进行诊断和预报。
该故障智能监测与诊断系统 ，主要包括监测与诊断两个过程 。其中每个过程都包括预处理和特征信号提取两部分。快速、有效地提取反映设备故障信息的特征是故障诊断的关键。把从诊断的对象处获得的数据看作一组时间序列，通过对该时间序列的分段采样，将输入数据映射成样本空间的点，这些数据包括故障的类型、程度和位置等信息。首先对映射到样本空间的输入数据进行预处理，通过删除原始数据中的无用的信息得到另一类故障模式，由样本空间映射成数据空间。在数据空间的基础上，提取数据中的不变特性，形成不变故障模式空间。在提取了故障模式的不变特性后，根据诊断的需要和问题的特性，对所选择的模式特征矢量进行量化压缩变换，选择有用的特征，以用于故障诊断。
应用于医用离心机故障诊断的振声信号，通常是在医用离心机电机、变速箱等外机体附近的某一点测取，对信号进行分析以获取有用信息。故障诊断通常用质量分布、刚度和阻尼表示的机械系统模型，所出现的振声现象与机器中运动和静止的零部件有关，用Fi（e），i_1，2，…，n表示这些零件的失效情况。在*时，机械系统中的振动和其它摩擦现象的初始产生是由于电机和筛篮的旋转运动和冲击，以及附属机构的旋转运动等与机械运动有关的强迫振动，把这种振动称为基本振动，记为c（r,t，0），r表示位置，t表示动态时间，0为机器的已使用时间。它的强度和频率由机器类型决定。医用离心机中零部件的失效是与故障有关的原始振动的产生源，记为Vi（t,O），在机械结构中以时间t和频率f传递。基本振动和由失效造成的结构振声响应的总和在某一 位置r，用A （r,t，0）表示。在位置安装加速度传感器，它的输出为电信号S（r,t，0）。为了得到S（r,t，0）的可分析模型，定义从失效的第个位置到测点的脉冲传递函数为 h（ri,t，0），这里ri--r（xl,y…z）是测点到振声产生点的矢量。
