要想詳細檢測和描述球磨機的工作狀態，就必須將觀察和采集到的振動信號進行量化統計，進行總結分析。

振動信號通常可以從時域、小波域和頻域等多個角度進行分析。時域下信號的統計特征主要有均值、方差、重心和中位點等，均值和方差是反映數據集中趨勢和離散程度的最重要的測度值，重心和中位點可以考察數據的形狀和位置等信息；對時域信號進行傅立葉變換后就可以得到頻域信號，從頻域波形中可以分析得到信號的頻譜峰值以及頻率成分構成等；還可以對信號進行小波變化和小波包分解，通過小波算法對振動信號進行分析。結合采集到的信號的特點，分別利用以上多種分析方法提取大量的特征參數并對比分析，對數據分布的對稱性、離散程度、波形的形狀和位置等進行了比較和衡量，檢測球磨機運轉動態，以尋找能夠將球磨機的工作狀態進行區分的量化的具體特征。

為了滿足分析應用的要求，在選擇特征參數時遵循了以下的原則：

1)穩定性。特征自身應該具有穩定性，即當球磨機工況不發生變化時，特征應保持在這一工況對應的某個數值范圍內；

2)區分性。當球磨機的工況發生變化時，特征的大小也應該隨之變化，如果兩者之間是一一對應關系，就可以從特征的數值推斷出球磨機的不同工況。當然，特征也可以只對某幾個影響球磨機工作效率的影響因素敏感，從而可以通過特征對這些敏感因素進行量化的描述。

從目前的分析看，在振動信號中提取得到一個特征參數B可以滿足以上條件并最能夠有效地反應球磨機工作狀態，在球磨機工況穩定時參數B也穩定，而當球磨機的工況發生變化時，參數也相應的發生變化，所以特征參數曰可以綜合地反應球磨機的工作狀態。其它特征參數中一部分參數自身不夠穩定，不能找到其變化的規律；而另外一部分雖然滿足穩定性，但是在不同的工況下沒有明顯的變化，無法反應球磨機的工況；當然還有多個其他參數自身穩定且可以反應球磨機的工礦，但是由于他們都與特征參數日有很大的相關性，現在只選擇參數日作為主要參數，這也與分析中發現的振動信號的特性一致。