其基本原理是：在医用高速离心机运行过程中，其零部件会显示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、温度等改变而改变。依据表征具体问题的特征参数，通过人工神经网络监测与确诊系统，对医用离心机缺点进行确诊和预告。系统运转情况的缺点监测与确诊，是通过对设备某些敏感部位振荡、平衡度、温度、压力等信号的搜集，并通过对信号处理，获取特征参数的方法来辩识医用离心机工作情况.该毛病智能监测与确诊系统，首要包含监测与确诊两个进程。其间每个进程都包含预处理和特征信号获取两部分。疾速、有效地获取反映设备毛病信息的特征是毛病确诊的要害。把从确诊的目标处取得的数据看作一组时刻序列，经过对该时刻序列的分段采样，将输入数据映射成样本空间的点，这些数据包含毛病的类型、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，经过删去原始数据中的无用的信息得到另一类毛病形式，由样本空间映射成数据空间。在数据空间的基础上，获取数据中的不变特性，构成不变毛病形式空间。在获取了毛病形式的不变特性后，依据确诊的需要和问题的特性，对所挑选的形式特征矢量进行量化紧缩改换，挑选有用的特征，以用于毛病确诊。