故障特征分析的主要內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對于機械設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，目前已經發(fā)展成為現代故障診斷技術的主流 “ 。以上信號處理方法都是基于被分析系統是線性的，但由于一切運動本質都是非線性的，而目前人們對非線性系統的認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范圍內無論是采用時域頻域以及統計學的處理方法都難以***地解釋一個故障現象與多個可能的故障原因之間的關系，其原因是找們面對的研究對象很可能是非線性動力學系統。***外在七十年代提出了非線性系統的混沌概念并加以研究， 目前混沌的研究已遍及各學科領域 ，如在生物醫(yī)學工程領域用混沌理論研究腦電、心電信號，對其進行分類、診斷已取得成功。此外，在八十年代末，非線性的人工神經網絡用于信號分析處理在***際上形成一股熱潮 ， ***內已有人將人工神經網絡模型用于機械故障特征分析，取得了令人滿意的診斷結果 ?；煦缋碚摵头蔷€性神經網絡系統模型的研究，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的發(fā)展起到很大的推動作用。