现代的机械制造系统具有控制规模大、自动化程度高和柔性化强的特点。由于制造系统的结构越来越复杂，价格越来越昂贵，因此因为各种故障而导致的停机都是不可忍受的负担。故障诊断系统就能够在这个情况下满足需要，也就是能够合理制定维修计划，最大限度减少停机维修的时间，以及在故障发生之后能够迅速做出反应。因此，故障诊断系统在现在得到了迅速的发展。
诊断的目的是对于机械制造过程或者其他过程中产生出来的各种故障进行获取、传输、处理、分析和解决。其技术包括对过程中出现的各种物理量用先进的传感器接收，进行信号传输和信号处理，从分析处理的结果来对生产设备的工作情况以及产品的质量进行检测，对其所发展趋势进行预测，并对故障进行诊断和报警。
因此，多传感器的应用是故障诊断系统所必需的，因为只有通过获取到足够的数据才有可能获得精确的分析结果。早期的系统通常只采用一种传感器来监视系统，但这个方法早就无法满足现在获取系统状态的需要了。现在的系统的复杂度都在日益提高，多种不同精度的传感器的同时应用为我们获得准确数据提供可能。
此外，基于知识的专家系统的应用为系统的智能化分析提供了人工智能的支持。这种专家系统拥有一个专门领域的知识库和一套有效的推理机制。由于现在的生产系统的复杂性，通常的专家系统都拥有一个复合的知识库，提供相应的生产系统的知识支持。而且伴随着网络和通信技术的发展，故障诊断系统也发展了分布式和集成性的特点。
故障诊断简单流程
我们能够获得比较好的诊断效果，我们需要首先知道故障的模式。所谓模式就是相当于症状的一种描述。把能够获得的故障的模式集中在一起，就能够对故障进行有效的分类。正如治病不能只看症状一样，我们还要分析故障的机理，也就是诱发故障的原因。这就好比知道为什么系统生病了一样。有的时候，故障的机理和故障的模式不是很容易区分的。但是通过综合分析这样的机理和模式，就有可能归纳出一个故障的模型，这个模型可以被故障诊断的专家系统所采用，作为知识库的一部分。一种比较普遍的方法是把故障模型表示称为树型结构，这样的表达便利了以后的程序分析，也便于集成在专家系统中。所以可以看出，故障的模型的建立是故障分析中最重要的部分。
现阶段，故障分析在机械生产系统方面可以应用在自动生产线、数控机床、柔性制造单元以及更大的比如计算机集成制造系统。具体分析不同的应用环境，才能够获得适合于不同的环境的设计。比如自动生产线，它是由基本工艺设备和各种辅助设备、控制系统组成的，实质上来说就是一个刚性自动化制造系统。自动线是由不同的机床组成，由于集成性的存在，它比单个设备复杂，要想在短时间内找出原因和位置是很困难的。自动线越长，设备利用率越低。为了提高利用率，除了提高设备的可靠性之外，在一定的条件下，完全有必要引入自动线中的故障诊断系统。为了和自动线相适应，就要在不同的位置获取到信息，然后引入一个适合于流动生产的故障模型来分析故障的原因。这样，故障诊断的引入就有可能为自动线带来了鲁棒性。
故障诊断是随着生产过程的复杂化而产生的一种技术，由于和现代传感器技术、专家系统技术相结合，已经展现出了很强的生命力，必将为提高企业的生产效率和稳定性提供越来越强大的支持。
