工程機械故障診斷技術的內容是什麼

⑴ 設備故障診斷技術包括哪些內容

設備的工作原理
設備的動態參量，包括用電負荷監測、各工藝段流量、壓力、回溫度、轉子轉速及變化范圍，設答備的工作介質等
外界環境影響，包括溫濕度、輸入電壓波動的影響等
診斷方法有：

利用振動進行設備診斷、超聲波診斷法、超聲波診斷法、紅外線診斷法、紅外線診斷法、故障診斷專家系統

⑵ 工程機械故障診斷有哪些經驗知識

診斷就是通過故障現象，判斷產生故障的原因及部位。診斷可分為主動診斷和被動診斷。主動診斷是指工程機械未發生故障時的診斷，即了解工程機械的過去和現在的技術狀況，並能推測未來變化情況。被動診斷是指對工程機械已經發生故障後的診斷，是確診故障產生的原因和部位。
診斷方法一般可分為兩種：一種是人工直觀診斷，另一種是用設備診斷。這兩種診斷方法都是在不解體或拆下個別小的零件的條件下．來確定工程機械的技術狀況．查明故障的部位及原因。
由於工程機械施工時．其施工現場一般遠離修理廠所，如在施工現場出現故障，往往不具備利用設備診斷的條件，這就需要維修人員憑借豐富的經驗或藉助於簡單工具、儀器，以聽、看、聞、試、摸、測、問等方法來檢查尋找故障。
（1）聽：根據響聲的特徵來判斷故障。辨別故障時應注意到異響與轉速、溫度、載荷以及發出響聲位置的關系，同時也應注意異響與伴隨現象。這樣判斷故障准確率較高。例如，發動機連桿軸承響俗稱小瓦響），它與聽診位置、轉速、負荷有關，伴隨有機油壓力下降，但與溫度變化關系不大，如，發動機活塞敲缸與轉速、負荷、溫度有關。轉速、溫度均低時，響聲清晰，負荷大時，響聲明顯，氣門敲擊聲與溫度、負載無關異響表徵著工程機械技術狀況變化的情況，異響聲越大．機械技術狀況越差。老化的工程機械往往發出的異晌多而嘈雜．一時不易辨出故障。這就需要我們平時多聽，以訓練聽覺，不斷地熟悉工程機械各機件運動規律、零件材料、所在環境，只有這樣才能較准確地判斷出故障。
（2）看：直接觀察工程機械的異常現象。例如。漏油、漏水、發動機排氣的煙色，以及機件松脫或斷裂等，均可通過察看來判別故障。
（3）聞：通過用鼻子闖氣味判斷故障。例如，電線燒壞時會發出一種焦糊臭味．從而根據聞到不同的異常氣味判別故障。
（4）試：試就是試驗，有兩個含義：一是通過試驗使故障再現，以便判別故障，二是通過置換懷疑有故障的零部件（將懷疑有故障的零部件並主要介紹了工程機械故障的人工直觀拆下換上同型號好的零部件），再進行試驗，檢查故障是否消除。若故障消除說明被置換的零部件有故障。應該注意的是，有些部位出現嚴重的異響時，不應再做故障再現試驗（例如，發動機曲軸部分有嚴重異響時，不應再做故障再現試驗），以免發生更大的機械事故。
（5）摸：用手觸摸懷疑有故障或與故障相關的部位，以便找出故障所在。例如，用手觸摸制動鼓，查看溫度是否過高，如果溫度過高，燙手難忍．便證明車輪制動器有制動拖滯故障，又如，通過用手摸液壓油管的振動在結合聽液壓系統的噪音便可判斷系統內有氣等。
（6）測：是用簡單儀器測量，根據測得結果來判別故障。例如，用萬用表測量電路中的電阻、電壓值等，以此來判斷電路或電氣元件的故障。又如．用氣缸表測量氣缸壓力來判斷氣缸的故障。
（7）問：通過訪問駕駛員來了解工程機械使用條件和時間，以及故障發生時的現象和病史等，以便判斷故障或為判斷故障提供參考資料。例如，發動機機油壓力過低，判斷此類故障時應先了解出現機油壓力過低是漸變還足突變，同時還應了解發動機的使用時間、維護情況以及機油壓力隨溫度變化情況等。如果維護正常，但發動機使用過久，並伴隨有異響，說明是曲柄連桿機構磨損過甚，各部配合間隙過大而使機油的泄漏量增大，引起機油壓力過低如果平時維護不善，說明機油濾清器堵塞的可能性很大如果機油壓力突然降低，說明發動機潤滑系統油路出現了大量的漏油現象。

⑶ 機械故障診斷的基本內容有哪些

《機械故障診斷技術》分為兩大部分，第1部分介紹機械設備故障診斷技術的基礎理論專和基礎知屬識，內容包括:第1章緒論、第2章機械振動及信號、第3章振動信號測取技術、第4章信號特徵提取--信號分析技術、第5章設備狀態的判定與趨勢分析。第2部分介紹機械故障診斷技術在工程實踐中的應用，內容包括:第6章旋轉機械故障診斷、第7章滾動軸承故障診斷、第8章齒輪箱故障診斷、第9章電動機故障診斷、第10章設備狀態調整。

⑷ 機械故障診斷需要哪些方面的專業知識

電動機直流故障檢測儀不能起動 電動機不能起動的原因主要是由於電源未接通、負載過大、轉動受阻、熔體(也包括熔片)熔斷等，這時首先要檢查電源電路或附加的電器元件，主要是保證迴路開關完好、接線正確、沒有反接和短路現象。其次再檢查負載及機械部分，確定額承是否損壞，被帶動機械是否卡住，定子與轉子之間的間隙是否正常，定子與轉子有無相碰。 電動機外殼帶電 電動機外殼帶電是由於電動機接地線斷開或松動，引出線碰接線盒或接線板油垢太多而引起的。 電動機過熱 當電動機過載、斷相運行、電動機通風道受阻時，都會引起電動機過熱。電動機過負載運行時，電流會升高，使電動機嚴重過熱，可能會燒壞電動機。這時要及時調整負載，避免電動機長期過載運行。 三相電源中只要有一相斷路，就會引起電動機斷相運行，如果斷相運行時間過長，將會燒壞電動機。因此，耍經常檢查電源電路。 電動機內油泥、灰塵太多，電動機通風遲堵塞都會影響散熱效果，引起電動機過熱，所以要及時清除阻塞物，改善散熱條件。 電動機運轉聲音異常 電動機正常運行時，聲音是均勻的、無雜音，當出現軸承損壞、斷相運行現象時，就會發出異常的、甚至是刺耳的響聲。 軸承損壞主要是軸承間隙過大或嚴重磨損，缺少潤滑油或油脂選擇不當引起的，這時就需要及時清洗或更換軸承，保證電動機在運行過程中有良好的潤滑，一般的電動機運行5000h左右後，應補充或更換潤滑脂。 電動機斷相運行時，轉速會下降．並發出異常響聲，如果運行時間過長，將會燒杯電動機。電動機斷相運行主要是由電源電路出現問題引起的，如電源線一相斷線或電動機有一相繞組斷線。要防止電動機斷相運行，首先要注意發現斷相運行的異常現象，並及時排除，其次對於重要的電動機應裝設斷相保護。

⑸ 設備故障診斷技術的內容簡介

第1章 設備故障診斷概述
1.1 設備故障診斷的基本概念和特點
1.1.1 設備故障的基本概念
1.1.2 設備故障診斷的內容及特點
1.2 故障診斷的基本問題
1.2.1 故障分類
1.2.2 故障診斷的任務
1.2.3 評價故障診斷系統的性能指標
1.3 設備故障診斷的知識構成和求解過程
1.3.1 設備故障診斷的知識構成
1.3.2 設備故障診斷的求解過程
1.4 設備故障診斷的基本方法及研究現狀
1.4.1 基於解析模型的故障診斷方法
1.4.2 基於知識的故障診斷方法
1.4.3 基於信號處理的故障診斷方法
1.4.4 其他故障診斷方法
1.4.5 設備故障診斷技術研究的熱點
1.5 設備故障診斷技術的發展趨勢
復習思考題
第2章 故障診斷中的數據處理
2.1 數據處理的有關知識
2.1.1 動態測試數據的分類
2.1.2 隨機過程的基本概念
2.1.3 測試數據處理方法
2.1.4 數據檢驗
2.1.5 數據分析流程
2.2 隨機數據統計參量的數值分析
2.2.1 估計理論的基本概念
2.2.2 均值和方差的計算
2.3 離散傅里葉變換（DFT）
2.3.1 采樣與混疊
2.3.2 截斷與泄漏
2.3.3 頻率采樣（延拓）
2.4 小波分析的基本原理
2.4.1 小波變換
2.4.2 小波變換的直觀理解及其工程解釋
2.4.3 小波包分析
2.4.4 適合故障信號分析的小波函數選擇
復習思考題
第3章 基於統計理論的診斷方法
3.1 Bayes決策診斷方法
3.1.1 概述
3.1.2 基於最大後驗概率的Bayes診斷
3.1.3 基於最小風險的Bayes診斷
3.2 時序模型診斷法
3.2.1 ARMA，All和MA模型
3.2.2 故障診斷時序方法的步驟
3.2.3 故障診斷時序方法的內容
3.2.4 ARMA模型的建模
3.2.5 根據模型參數進行故障診斷
3.2.6 距離判別函數故障診斷法
3.3 序貫模式分類故障診斷法
3.3.1 概述
3.3.2 序貫分類原理及步驟
3.3.3 Bayes序貫判別步驟
3.4 主分量分析法
3.4.1 引言
3.4.2 主分量分析
3.5 線性判別函數法
3.5.1 引言
3.5.2 Fisher判別式分析（FDA）
3.6 灰色系統的關聯分析診斷方法
3.6.1 概述
3.6.2 關聯度分析法在故障診斷模式識別中的應用
3.6.3 灰色預測在設備狀態趨勢預報中的應用
3.7 基於支持向量機的故障診斷方法
3.7.1 支持向量機的基本原理
3.7.2 多類支持向量機
3.7.3 支持向量機的故障診斷方法
3.7.4 實例
復習思考題
第4章 基於模糊理論的診斷方法
4.1 模糊集合理論基礎
4.1.1 模糊集與隸屬函數
4.1.2 隸屬函數的確定
4.1.3 常用的隸屬函數圖表
4.1.4 模糊集的表示方法及其運算
4.2 基於模糊模式的故障診斷方法
4.2.1 模糊模式識別的直接方法
4.2.2 模糊模式識別的間接方法
4.3 故障診斷的模糊綜合評判原則
4.3.1 綜合評判的數學原理
4.3.2 模糊綜合評判的五種具體模型
4.3.3 綜合評判模型的故障診斷應用實例
4.3.4 幾種綜合評判模型的適用范圍
4.3.5 故障診斷的多級模糊綜合評判方法
4.4 故障診斷的模糊聚類分析方法
復習思考題
第5章 故障樹分析診斷方法
5.1 故障樹分析概述
5.1.1 故障樹分析及其特點
5.1.2 故障樹分析使用的符號
5.2 故障樹分析的一般步驟及表述
5.2.1 故障樹分析的步驟
5.2.2 故障樹建造的一般方法
5.2.3 故障樹的結構函數
5.3 故障樹的分析
5.3.1 故障樹的定性分析
5.3.2 故障樹的定量分析
5.4 診斷實例
復習思考題
第6章 專家系統故障診斷方法
6.1 專家系統概述
6.1.1 專家系統的基本概念
6.1.2 專家系統的結構
6.1.3 專家系統的特點
6.2 專家系統的知識表示
6.2.1 知識的層次結構
6.2.2 公共知識和私有知識
6.2.3 陳述性知識與過程性知識
6.2.4 對知識表示的要求
6.3 知識的產生式表示
6.3.1 產生式規則的形式
6.3.2 產生式系統
6.3.3 產生式表示的優缺點
6.4 知識的框架表示
6.4.1 框架表示的形式
6.4.2 框架表示下的推理
6.5 故障診斷專家系統的推理方式與控制策略
6.5.1 基於規則的診斷推理
6.5.2 基於模型的診斷推理
6.5.3 基於案例的診斷推理
6.5.4 不精確推理
6.6 故障診斷專家系統知識的獲取
6.6.1 間接獲取方式
……
第7章 神經網路故障診斷方法
第8章 數據融合故障診斷方法
第9章 集成技術的故障診斷方法
參考文獻

⑹ 機械故障診斷技術的圖書信息1

第1版 (2008年10月1日)
平裝: 213頁
正文語種: 簡體中文
開本: 16
ISBN: 9787111250913
條形碼: 9787111250913
商品尺寸: 25.8 x 18.2 x 1 cm
商品重量: 340 g
品牌: 機械工業
ASIN: B001IAKH5O 前言
第1章 緒論
1.1 設備的壽命及劣化曲線
1.2 故障診斷的內容
1.3 故障診斷的基本方法
思考題
第2章 機械振動及信號
2.1 機械振動基礎
2.2 振動信號的描述
2.3 設備狀態信號的物理表現
思考題
第3章 振動信號測取技術
3.1 加速度感測器
3.2 速度感測器
3.3 電渦流感測器
3.4 結構的激振方法
3.5 感測器的校準與選用
3.6 信號預處理
3.7 傳輸中的抗干擾技術
3.7.1 雜訊干擾的形成
3.7.2 雜訊源
3.7.3 雜訊的耦合方式
3.7.4 雜訊的干擾模式
3.7.5 硬體抗干擾技術
3.8 模擬量轉換為數字量
3.8.1 數/模（D/A）轉換器
3.8.2 模/數（A/D）轉換器
3.8.3 模/數轉換器的性能指標
3.9 監測與診斷系統的組成與工作程序
3.9.1 監測與診斷系統的任務
3.9.2 監測與診斷系統的組成
3.9.3 實施故障監測與診斷系統的工作程序
思考題
第4章 信號特徵提取——信號分析技術
4.1 信號特徵的時域提取方法
4.1.1 平均值
4.1.2 均方值、有效值
4.1.3 峰值、峰值指標
4.1.4 脈沖指標
4.1.5 裕度指標
4.1.6 歪度指標
4.1.7 峭度指標
4.2 信號特徵的頻域提取方法
4.2.1 頻域分析與時域信號的關系
4.2.2 周期信號與非周期信號的頻譜
4.2.3 截斷、泄露與窗函數
4.2.4 頻混和采樣定理
4.2.5 量化誤差和柵欄效應
4.3 信號特徵的圖像表示
4.3.1 統計指標的圖像表示
4.3.2 頻譜的圖像表示
4.3.3 時間歷程的頻譜圖像表示——三維瀑布圖
4.3.4 軸心軌跡的圖像表示
4.3.5 軸心軌跡的空間圖像表示（三維全息圖）
思考題
第5章 設備狀態的判定與趨勢分析
5.1 設備狀態診斷標准
5.1.1 振動診斷標準的判定參數
5.1.2 狀態判定標準的分類
5.1.3 振動判定標准介紹
5.2 設備狀態劣化趨勢分析
5.2.1 狀態趨勢分析在故障監測預警中的作用
5.2.2 趨勢分析應用方法
思考題
第6章 旋轉機械故障診斷
6.1 旋轉機械振動的動力學特徵及信號特點
6.1.1 轉子特性
6.1.2 轉子一軸承系統的穩定性
6.I.3 轉子的不平衡振動機理
6.1.4 轉子與聯軸器的不對中振動機理
6.1.5 轉軸彎曲故障的機理
6.1.6 轉軸橫向裂紋的故障機理
6.1.7 連接松動故障的機理
6.1.8 碰摩故障的機理
6.1.9 喘振的機理
6.2 不平衡分析案例
6.3 軸彎曲分析案例
6.4 不對中分析案例
6.5 熱變形分析案例
6.6 支承松動分析案例
6.7 油膜渦動及振盪分析案例
6.8 碰摩分析案例
6.9 喘振分析案例
思考題
第7章 滾動軸承故障診斷
7.1 滾動軸承的失效形式
7.2 滾動軸承的振動機理與信號特徵
7.3 滾動軸承信號分析方法
7.4 滾動軸承故障診斷案例
思考題
第8章 齒輪箱故障診斷
8.1 齒輪失效形式
8.2 齒輪的振動機理與信號特徵
8.3 齒輪的故障分析方法
8.4 齒輪故障診斷案例
思考題
第9章 電動機故障診斷
9.1 電動機的類型特點與測定標准
9.1.1 電動機的主要部件與電動機類型
9.1.2 電動機振動的測量與判定標准
9.2 電磁耦合系統的振動原理
9.2.1 交流感應電動機的電磁振動
9.2.2 直流及同步電動機的電磁振動
9.3 電動機的故障特徵
9.3.1 定子異常產生的電磁振動
9.3.2 氣隙不均勻引起的電磁振動
9.3.3 轉子繞組異常引起的電磁振動
9.4 電動機故障診斷案例
思考題
第10章 設備狀態調整
10.1 滑動軸承的間隙與測量調整
10.1.1 滑動軸承工作原理
10.1.2 滑動軸承襯的材料
10.1.3 滑動軸承的裝配
lO.1.4 間隙的檢測與調整
10.2 滾動軸承的間隙與測量調整
10.2.1 滾動軸承的分類
10.2.2 滾動軸承的精度等級與配合制度
10.2.3 滾動軸承的裝配工藝
10.2.4 滾動軸承的游隙及調整
10.3 齒輪的裝配與調整
10.3.1 齒輪傳動的精度等級與公差
10.3.2 齒輪傳動的裝配
10.4 聯軸器對中調整
10.4.1 聯軸器裝配的技術要求
10.4.2 聯軸器裝配誤差的測量和求解調整量
10.4.3 聯軸器激光對中法
10.5 轉子現場動平衡技術
10.5.1 靜不平衡與動不平衡
10.5.2 剛性轉子與柔性轉子、靜平衡與動平衡
10.5.3 剛性轉子的靜平衡方法
10.5.4 剛性轉子的動平衡方法
思考題
參考文獻 自從英國機械健康監測中心主席、萊斯特大學哲學博士、主任工程師R．A．Cotlacot，於1977年在倫敦出版了著名的《機械的故障診斷及在線監測》一書之後，迄今已過去整整30年了。30年來國內外在機械設備的狀態監測與故障診斷這一先進技術上，已取得了完全一致的共識，從而在實踐上得到了很大的進步和提高。設備診斷技術(包括設備狀態監測和故障診斷的總稱)不僅是一個能保障設備安全、提高產品質量、節約維修費用、降低能源消耗、防止環境污染、能給企業帶來較大經濟效益的既先進、又適用，而且在設備維修管理上，也完全是可以靠得住的好的工程技術。
當前我國的設備診斷工作，在經歷了20多年的實踐與探索之後，一方面正在總結自己的成功經驗，肯定科學客觀規律，進行新的探索；另一方面也在努力學習和引進一些國外新的理論和成果，在進行了嚴格的考核論證後，擇優選用，使之與我國的設備工程結合起來。而其中重要的一個方面，就是不少企業已大都從單一的計劃維修模式轉化到以狀態為基礎的預防維修等多種維修體制上來。一些過去曾受國外規章制度所嚴格約束的國內企業，也都逐步明確了利弊，建立了狀態維修這一新的體制並取得了好的結果，這都說明了國內企業的設備診斷工作確實在向前推進。在每年的學術會議、經驗交流和各個期刊著作中，少不了並還多佔優勢的仍然是診斷技術專欄。還有就是國內的診斷儀器生產，盡管在功能和精度上，與國外產品尚有差距，但其經濟性和適用性已完全改變了過去必須依靠進口的局面。
在回顧過去20多年來所取得的成就同時，也還必須清醒地看到我國與一些先進國家在設備診斷方面所存在的差距，盡管我國早已採取了院校、科研與生產三單位相結合的方針，但在結合的緊密程度上，以及對一個工作項目負責到底的服務精神上，都還有所不足。其中一個很重要的問題就是專業人員的技術素質問題。一個良好的現場診斷工作者，既需要一定的基礎理論知識，也需要掌握熟悉的技術方法，還有不可缺少的是豐富的現場工作經驗，只有全面具備了以上三個方面的素質，才可以說是有了高素質的現場診斷人員。因此，世界各國都很重視設備診斷師的培養工作。國際標准化組織制定的《機器的狀態監測和診斷人員的培訓和認證要求 第2部分：振動狀態監測和診斷》標准，即。ISO 18436-2-2003，現已在日本實施，對保障和提高診斷從業人員的素質取到了良好的作用。該標准所規定的必備內容，也已在國內的刊物上先後發表了。
當前服務於我國工業企業現場的設備診斷人員，已經絕大部分都是初始從事診斷的第三代新人了。他們一般具有良好的科學知識和善於學習探索的科學精神，但是他們在設備診斷的基礎理論和技術方面上還有不足，特別是在處理復雜問題的分析診斷上更缺少經驗。因此。對於各個工業部門，於今後相當長的時間內，在加強這個方面的技術培訓就顯得十分重要。近年來，國內有關設備診斷這方面的培訓班、交流會盡管多如雨後春筍，也不乏邀請一些專家前來講授，但都限於時間短促，什麼都要講，一般講不清楚。再者也缺少一本能切合實際需要的規范教材，不少是臨時發揮、就事論事。國內近年來出版的個別教材，不是重點介紹理論知識卻聯系實際不夠，就是聯系實際好的又缺少理論支持。

⑺ 設備故障診斷的主要內容

本書以抄化工、石化、電力、鋼鐵襲和航空等部門中使用的各類旋轉機器和往復式壓縮機為主要對象，比較全面、系統地闡述了機器故障類型、產生機理、表現特徵以及故障防治方法。重點介紹了各類高參數旋轉機器的故障，以振動故障診斷為主線，細分了各種故障類型，如：不平衡故障、不對中故障、滑動軸承的油膜不穩定故障、轉子摩擦故障、浮環密封故障、流體激振故障以及高速轉子自激振動故障，從理論和實踐經驗兩方面詳述了它們的故障機理和特徵。對往復式壓縮機的故障振動和管道振動提出了診斷分析方法和防治措施。對齒輪和滾動軸承，詳細地分析了它們的故障原理、信號特徵和故障檢測方法。另外，介紹了振動信號的分析技術；無損檢測中的油液分析技術和聲發射技術在故障診斷中的應用；現代智能診斷技術中的模糊數學、神經網路和專家系統在故障診斷中的應用。

⑻ 機械故障診斷研究的意義和內容

機械故障診斷研究可以給維修加快速度，使機械能夠在最段的時間內正常工作，

⑼ 數控機床機械故障診斷的任務是什麼

4.數控機床機械故來障診斷的任務是源什麼？機械故障診斷的任務是：
①診斷引起機械繫統的劣化或故障的主要原因。
②聿握機械繫統劣化、故障的部位、程度及原因等情況。
③了解機械繫統的性能、強度和效率。
④預測機械繫統的可靠性及使用壽命。
數控機床機械故障診斷包括對機床機械部件運行狀態的識別、預報和監測3個方面的內容。應用機械故障診斷技術對機械繫統進行監測和診斷，可以及時發現機器的故障和預防設備惡性事故的發生，從而避免人員的傷亡，環境的污染和巨大的經濟損失，還可以找出生產系統中的事故隱患，從而對機械設備和工藝進行改造，以消除事故隱患。還可有利於設備維修制度的改革，將傳統的定期維修改變為預知維修，從而大大提高機械繫統運行的安全性、可靠性和利用率，節約大量維修時間和費用，進而產生巨大的經濟效益。

⑽ 機械設備故障診斷技術有哪些應用

1、 故障診斷的發展現狀
目前, 國內檢測診斷技術的研究主要集中在以下幾個方面:
( 1) 感測技術研究: 感測技術是反映設備狀態參數的儀表技術。國內先後開發了各種類型的感測器, 如屯渦流感測器、速度感測器、加速度感測器和溫度感測器等; 最近開發的感測技術有光導纖維、激光、聲發射等。
（2）關於信號分析與處理技術的研究: 從傳統的譜分析、時序分析和時域分析, 開始引入了一些先進的信號分析手段, 如快速傅立葉變換, Wigner譜分析和小波變換等。這類新方法的引入彌補了傳統分析法的不足。
（3）關於人工智慧和專家系統的研究: 這方面的研究已成為診斷技術的發展主流, 目前已有日程機械故障診斷專家系統，但這一技術在工程方面的研究尚未達到人們所期望的水平。
（4）關於神經網路的研究: 比如旋轉機械神經網路分類系統等的研究已經取得了應用, 取得了滿意的效果。
（5）關於診斷系統的開發與研究: 從單機巡檢與診斷到上下位機式主從機結構, 直至以網路為基礎的布式系統的結構越來越復雜, 實時性越來越高。
（6）專門化與攜帶型診斷儀器和設備的研製與開發。目前, 我國的冶金、電力、化工等行業的故障診斷技術己經很成熟, 得到了廣泛的應用。
2 現代故障診斷方法
工程機械運行的狀態千差萬別，出現的故障也是多種多樣，採用的診斷方法也各不相同。在眾多的診斷方法中，比較常用的診斷方法有振動監測診斷方法、無損檢測技術、溫度診斷方法和鐵譜分析方法等。近十幾年來，模糊診斷、故障樹分析、專家系統、人工神經網路等新的診斷技術不斷出現，故障診斷技術逐步向智能化方向發展。
（1） 故障樹診斷方法
故障樹診斷方法是從研究系統中最不希望發生的故障狀態( 結果) 出發，按照一定的邏輯關系從總體到部件一層層的逐級細化，推理分析故障形成的原因，最終確定故障發生的最初基
本原因、影響程度和發生概率。它是一種圖形演繹法，把系統故障與導致該故障的各種因素形象地繪成故障圖表，能較直觀地反映故障、元部件、系統及因素、原因之間的相互關系，也能定量計算故障程度、概率、原因等。該方法直觀、快速診斷、知識庫很容易動態修改，但其缺點是受主觀因素影響較大，診斷結果嚴重依賴於故障樹信息的正確性和完整性，不能診斷不可預知的故障。
（2）故障診斷專家系統
專家系統是一種基於知識的人工診斷系統，是利用大量人類專家的知識和推理方法求解復雜的實際問題的人工智慧程序。故障診斷專家系統是研究最多、應用最廣的一類智能診斷技術，主要用於沒有精確數學模型或很難建立數學模型的復雜系統。專家系統存在的主要問題是知識獲取困難、運行速度慢。在採用先進感測技術與信號處理技術的基礎上研製開發的故障診斷專家系統，將現代科學的優勢同領域專家豐富經驗與思維方式的優勢結合起來，已成為故障診斷技術發展的主要方向。
（3） 基於模糊數學的故障診斷方法
工程機械的狀態信號傳播途徑復雜，故障與特徵參數間的映射關系模糊，再加上邊界條件的不確定性、運行工況的多變性，使故障徵兆和故障原因之間難以建立准確的對應關系，用傳統的二值邏輯顯然不合理，因此選用隸屬度函數，用相應的隸屬度來描述這些症狀存在的傾向性。基於模糊數學的故障診斷方法就是通過某些症狀的隸屬度和模糊關系矩陣來求出各種故障原因的隸屬度，以表徵各種故障的傾向性，從而可以減少許多不確定因素給診斷工作帶來的困難。但是對於復雜的診斷系統，要建立正確的模糊規則和隸屬度函數非常困難，而且需要消耗大量的時間。
（4 ）基於神經網路的故障診斷方法
神經網路是一種信息處理系統，是為模仿人腦工作方式而設計的，它帶有大量按一定方式連接的和並行分布的處理器。由工程機械各個系統的信息提取故障特徵，通過學習訓練樣本來確定故障判決規則，從而進行故障診斷。用於故障診斷的神經網路能夠在出現新故障時通過自學習不斷調整權值，可以提高故障的正確檢測率，降低漏報率和誤報率。神經網路具有對故障的聯想記憶、模式匹配和相似歸納能力，以實現故障和徵兆之間復雜的非線性映射關系。對於多故障、多過程的復雜工程機械以及突發性故障或其他異常現象，其故障形成的原因與徵兆的因果關系錯綜復雜，藉助神經網路系統來解決是行之有效的。
（5） 支持向量機的故障診斷方法
典型故障數據樣本的嚴重不足是制約故障智能診斷技術發展的主要原因之一。支持向量機( SVM)是一種基於統計學習理論的新型機器學習方法，其目標是得到現有信息下的最優解而不僅僅是樣本數趨於無窮大時的最優解。這一點特別適合於故障診斷這種小樣本情況的實際問題解決