由于设备故障的复杂性和设备故障与征兆之间关系的复杂性，形成了设备故障诊断是－种探索性的过程这一特点。就设备故障诊断技术这一学科来说，重点不只在于研究故障本身，而更在于研究故障诊断的方法。故障诊断过程由于其复杂性，不可能只采用单一的方法，而要采用多种方法。可以说，凡是对故障诊断能起作用的方法就要利用，必须从各种学科中广泛探求有利于故障诊断的原理、方法和手段，这就使得故障诊断技术呈现多学科交叉这一特点。
一、传统的故障诊断方法
首先是利用各种物理和化学原理手段，通过伴随故障出现的各种物理和化学现象，直接检测故障。例如，可以利用振动、声、光、热、电、磁、射线、化学等多种手段，观测其变化规律和特征，用以直接检测和诊断故障．这种方法形象、快速，十分有效，但只能检测部分故障。
其次，利用故障所对应的征兆来诊断故障是最常用、最成熟的方法。以旋转机械为例，振动及其频谱特性的征兆是最能反映故障特点、最有利于进行故障诊断的手段。为此，要深入研究各种故障的机理，研究各种故障所对应的征兆。在诊断过程中，首先分析设备运转中所获取的各种信号，提取信号中的各种特征信息，从中获取与故障相关的征兆，利用征兆进行故障诊断。由于故障与各种征兆间并不存在简单的一一对应关系，因此利用征兆进行故障诊断往往是一个反复探索和求解的过程。
二、故障的智能诊断方法
在上述传统的诊断方法的基础上，将人工智能(ArtificialIntelligence）的理论和方法用于故障诊断。发展智能化的诊断方法，是故障诊断的一条全新的途径，目前己广泛应用，成为设备故障诊断的主要方向。
人工智能的目的是使计算机去做原来只有人才能做的智能任务，包括推理、理解、规划、决策、抽象、学习等功能。专家系统（ExperiSystem）是实现人工智能的重要形式，目前己广泛用于诊断、解释、设计、规划、决策等各个领域。现在国内外己发展了一系列用于设备故障诊断的专家系统，获得了很好的效果。
专家系统由知识库、推理机以及工作存储空间（包括数据库）组成．实际的专家系统还应有知识获取模块。知识库管理维护模块，解释模块，显示模块以及人机界面等。
专家系统的核心问题是知识的获取和知识的表示。知识获取是专家系统的“瓶颈”，合理的知识表示方法能合理地组织知识，提高专家系统的能力。为了使诊断专家系统拥有丰富的知识，必须进行大量的工作．要对设备的各种故障进行机理分析，其中有的可建立数学模型，进行理论分析；要进行现场测试和模型试验；特别要总结领域专家的诊断经验，整理成适合于计算机所能接受的形式化知识描述；还要研究计算机的知识自动获取的理论和方法。这些都是使专家系统有效工作所必需的。
三、故障诊断的数学方法
设备故障诊断技术作为一门学科，尚处在形成和发展之中，必须广泛利用各学科的最新科技成就，特别要借助各种有效的数学工具。包括基于模式识别的诊断方法，基于概率统计的诊断方法，基于模糊数学的诊断方法，基于可靠性分析和故障树分析的诊断方法，以及神经网络、小波变换、分形几何等新发展的数学分支在故障诊断中的应用等等。