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。
信号的产生和传播
可以认为医用离心机系统结构为一定常线性系统，则系统振动可表示为：
M【】{x}C【】{x}K【]{x}={Q}
M【】为系统的质量矩阵，{X}为响应的加速度向量，C【】为系统的阻尼矩阵，{x}为速度向量，[KI为系统刚度矩阵，{x}为振动的位移向量，Q【】为产生医用离心机系统振声的激励力向量。
医用离心机系统振动的激励源主要有：电机驱动系统，筛篮及转轴的加工误差、轴承和支架、装配不平衡，试管裂纹破裂形成的腔内积水、温升过高等故障问题造成的离心转轴在高速旋转中严重倾斜、振动，当振动频率超过极限值时，会引起离心机整个系统的共振，以致产生严重后果。
