故障特征分析的主要內(nèi)容是信號分析和處理，即如何從傳感器來的原始信號中分析提取能代表故障特征的信息，這是故障診斷的核心問題，尤其是對聲與振動信號的分析處理技術(shù)對于機械設(shè)備的故障診斷起著十分重要的作用。

　　提取故障特征有多種方法，常用的有時域分析法、頻域分析法、旋轉(zhuǎn)特征分析法、相位分析法、時間序列分析法、模態(tài)分析法等。這些方法更適合于聲與振動信號的分析處理，目前已經(jīng)發(fā)展成為現(xiàn)代故障診斷技術(shù)的主流 “ 。以上信號處理方法都是基于被分析系統(tǒng)是線性的，但由于一切運動本質(zhì)都是非線性的，而目前人們對非線性系統(tǒng)的認(rèn)識可以說是極其有限的，因此我們在實踐中有時在線性系統(tǒng)范圍內(nèi)無論是采用時域頻域以及統(tǒng)計學(xué)的處理方法都難以***地解釋一個故障現(xiàn)象與多個可能的故障原因之間的關(guān)系，其原因是找們面對的研究對象很可能是非線性動力學(xué)系統(tǒng)。***外在七十年代提出了非線性系統(tǒng)的混沌概念并加以研究， 目前混沌的研究已遍及各學(xué)科領(lǐng)域 ，如在生物醫(yī)學(xué)工程領(lǐng)域用混沌理論研究腦電、心電信號，對其進(jìn)行分類、診斷已取得成功。此外，在八十年代末，非線性的人工神經(jīng)網(wǎng)絡(luò)用于信號分析處理在***際上形成一股熱潮 ， ***內(nèi)已有人將人工神經(jīng)網(wǎng)絡(luò)模型用于機械故障特征分析，取得了令人滿意的診斷結(jié)果 ?；煦缋碚摵头蔷€性神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型的研究，為智能化診斷開辟了一條嶄新的途徑，有可能對故障特征分析技術(shù)的發(fā)展起到很大的推動作用。