传统的轴心轨迹识别基于“人机”对话的方式实现，其大多依靠技术人员的经验进行主观判断，严重影响整个诊断系统的准确性和智能化。因此，对其正确识别进行全面深入研究很有现实意义。

通过识别轴心轨迹的形状，可以进一步分析设备振动的原因，得到故障前兆，及时采取措施防止故障恶化。长期的理论和实践研究已经确立了典型故障模式和其转子轴心轨迹形状的对应关系，国内外对旋转机械轴心轨迹的研究主要包括3个方面：转子故障机理的研究、轴心轨迹的提纯研究以及轴心轨迹的特征提取与特征识别的研究。

1.转子故障机理研究方法转子故障机理研究主要是运用动力学、运动学、振动学等相关基础学科和理论，通过建立转子故障相应的数学或物理模型，用数值分析的方法进行仿真计算和实验，从而研究这些故障的原因和状态效应。研究目的是了解转子故障的内在本质及特征，掌握其形式和发展过程。在转子故障机理的研究中，水电机组相比于其他旋转机械，运行状态具有特殊性，振动机理更加复杂，不仅需要考虑机组本身的振动，还需考虑流体和动压造成的影响以及电磁力的影响，且某些故障的产生机理及表现形式还没有进行透彻的研究，一定程度上增加了故障诊断的难度。

2.轴心轨迹的提纯方法轴心轨迹信号通常受到噪声干扰，因此需要对轴心轨迹进行提纯处理。使用较多的方法有小波变换和小波包、谐波小波以及数学形态法。

3.轴心轨迹的特征识别方法对轴心轨迹进行识别，实质就是二维图像的识别，主要有两个方面：特征提取及其分类识别。特征提取是为了准确识别轴心轨迹，从提纯后的轴心轨迹图形中提取能反应原轴心轨迹本原的、重要特性的特征向量，能尽可能代表原图形的形状，现有常用的特征提取方法有傅里叶描述子、不变性矩等。进行分类识别的方法大多使用智能识别手段，如神经网络、模糊逻辑、灰色关联度分析等。