振动分析信号包含了大量复杂的信息，这些信息表征了机械的动态特性。旋转机械的监测通常借助振动传感器来完成。由于存在外来噪声源和振动信号本身的变化，将此信息转化为有关机器健康的有用知识可能具有挑战性。振动分析仪理论在机械故障检测中的应用，通过对振动的测量和对机械工作状态的语音监测，提出了一种复杂机械振动分析和震源识别的有效方法。在轧机上进行了实际的试验案例研究。实验结果表明，传感器数量少，测量分析时间短，可以实现状态监测、故障诊断和损伤预测。进一步的应用允许反馈到生产线上的过程控制。

　　机械振动信号故障诊断分析与监测，频谱发生变化。这是在状态监测中使用噪声和振动测量和分析的基础。对振动的频率分析将对故障提供更早的警告，因为它是有选择的，并且将允许识别与故障相关的频率处不断增加的振动。通过故障症状可以在操作机器中识别机器状况、机器故障和持续损坏。因此，振动分析可以在问题变得过于严重并导致断裂之前识别出发展中的问题，通过振动和噪声分析，可以不断监测机器的状况，并进行更详细的分析，以确定机器的健康状况，并识别可能出现或已经存在的任何故障。

　　全面的设备状态监测程序对于确保大多数行业资产的***大效用至关重要。为了有效地监控各种类型的大量资产，需要一种可扩展、灵活和可用的状态监控方法。越来越明显的是，机械状态监测降低了运行和维护成本，并显著提高了设备的可用性。从测量信号中获得的复杂信息必须减少到很少的特征值的趋势，以分别预测近期的损伤发展，以便向过程控制提供反馈。