振动分析是监测旋转机械运行状况的方法之一。
这种方法的目标是：
减少故障停机次数;
提高生产工具的可靠性
提高可用率;
改善管理备件库存
根据在旋转机器上定期收集的振动，振动分析是检测任何问题并监测它们的演变，以便计划或推迟机械干预。
监控：目标是通过比较其振动的连续陈述来跟踪机器的演变。与构成签名的参考值相比，某些指标的上升趋势通常会警告技术人员可能出现故障。理想情况下，签名是从新机器上的次测量活动建立或修改的;
诊断：它实现了更复杂的数学工具。它允许选择导致在监测期间检测到的异常振动的有缺陷的机器元件。
旋转机械是典型的机械设备之一，在工业应用中发挥着重要的作用。旋转机械状态监测与故障诊断对预防灾难性事故、保证充分维修保养具有重要意义，受到广泛关注。随着科学技术的发展，基于多学科的故障诊断方法正成为旋转机械故障诊断领域的研究热点。
提出了一种基于图像处理的多学科旋转机械故障诊断方法。与传统的一维空间分析方法不同，本研究采用图像处理领域的计算方法，实现了二维空间的特征自动提取和故障诊断
该方法主要包括以下步骤。首先利用双谱技术将振动信号转化为双谱等值线图，为后续基于图像的特征提取提供了基础。然后，利用图像处理领域中出现的一种新的特征提取方法，从变换后的双谱等高线图中自动提取故障特征，终形成高维特征向量。
为了降低特征向量的维数，突出主要故障特征，减少后续计算资源，采用t分布随机邻接嵌入来降低特征向量的维数。
后，引入概率神经网络进行故障识别。选取轴向柱塞式液压泵和自吸式离心泵两种典型的旋转机械，验证了该方法的有效性。结果表明，基于图像处理的方法具有较高的精度，为旋转机械故障诊断提供了一种的手段。
艾默生AMS 2140机械设备振动检测技术应用了艾默生砖例的Peakvue技术，为机械设备状态检测提供不小的帮助。能够提前预知故障、检测故障原因、后期机械设备维护。通过数据的采集，图片频谱等分析设备具体故障，加快设备维修，减少生产损失。
