随着现代化生产的发展和科学技术的进步，设备的结构越来越复杂，功能越来越完善，自动化程度也越来越高。由于许许多多无法避免的因素的影响，有时设备会出现各种各样故障，以致降低或失去预定的功能，甚至造成严重的以致灾难性的事故。国内外曾经发生的各种空难、海难、爆炸、断裂、倒塌、毁坏、泄漏等恶性事故，造成了人员伤亡，产生了严重的社会影响；即使是经常生产中的事故，也因生产过程不能正常运行或机器设备损坏而造成巨大的经济损失。严重的灾难性事故触目惊心，不但造成巨大的经济损失，而且造成很大的人员伤亡和环境污染。 设备故障诊断的目的是： 能及时的、准确的对各种异常状态或故障状态做出诊断，预防或消除故障，对设备的运行进行必要的指导，提高设备运行的可靠性、安全性和有效性以及把故障损失降低到最低水平； 保证设备发挥最大的设计能力，制定合理的检查维修制度，以便在允许的条件下，充分挖掘设备潜力，延长服役期限和使用寿命，降低设备全寿命周期费用； 通过检测监视、故障分析、性能评估等，为设备结构修改、优化设计、合理制造及生产过程提供数据和信息。
基于人工智能的故障诊断系统就是设备故障诊断的集成化、高精度化和智能化。
集成化是指采用虚拟仪器技术的平台将各类采集技术、信号处理技术和诊断理论方法有效地集成在一起，这样可根据实际需要对诊断系统进行升级和扩大系统的测试范围。目前很多故障诊断系统的诊断测试功能相对固定，难以升级，因此随着虚拟仪器技术在设备故障诊断领域的应用不断广泛，集成化将成为其发展一个趋势。
高精度化是指运用先进的信号处理方法从原始信号中提取敏感反映机器状态的特征因子。可以说，信号处理中每一项新技术在设备诊断中的应用，都是对诊断技术的一次重大推动。如利用多段时域平均法提高当前信号的强度，利用小波分析法良好的时频局部化特性进行奇异信号检测，其目的都在去除原始信号中的噪音干扰，提取设备故障诊断精度。
智能化是指诊断系统具有专家系统和智能化功能，能对设备技术状况进行检测，并能诊断出设备故障发生的部位和原因，引导维修人员迅速排除故障。人工智能技术的发展及其在诊断推理中的应用，将使得诊断系统智能化程度不断提高。如神经网络推理方法的出现，有效解决了专家系统出现的“规则组合爆炸”的难题，而近期已有神经网络算法的完善和新神经网络算法的出现，又将推动着故障诊断系统向高度智能化方向发展。
物联网技术的设备故障诊断首先它是通过对各种感知技术的广泛应用，感知技术也就是利用各种传感器、RFID、二维码，甚至其他的各种能够随时采集物体动态情况的手段。通过感知技术采集到的设备数据再通过物联网进行实时的传送，并对信号进行处理、状态识别，实现故障诊断和预测。
本系统采用动态仿真图或动态透视图动态展示设备的各种实际传动关系，出现故障时模拟故障现象直观的显示在监测界面。
对每个测点不仅可以监测其通频值，还可以监控192个特诊故障频率的趋势，根据实际发生的故障也可专门设定频段及该频段的报警值及危险值做实时追踪。
变工况设备在不区分工况时的趋势分析意义不大，系统可取变工况设备在某一个工况（如某一转速或功率）时的振幅来做趋势分析，这样可以排除变工况影响做故障预测。
无论转速如何变化，可直观的展示各阶次在不同转速下的振动幅值，从而判定各阶次的故障严重程度。
在常规伯德图不仅只针对单一频率（常见1f）监测的基础上，还可以对任意倍频（分倍频）或任意倍频段（分倍频段）的伯德图进行精准追踪监测。
通过监测超过上万种齿轮箱和轴承的基准运行状态及故障形式，可以针对水泵机组的不同负荷运行模式设定相应的报警曲线（而非报警值，因为变工况设备难以设定报警值），按具体工况对机组进行报警和保护。
监控界面同时显示多达192台机组同一位置测点的振幅、时域波形、频域波形、时间三维谱、转速三维谱、伯德图、趋势图、阶次分析等，可直观瞬时找出振动异常设备。（可节省95%以上的分析诊断时间，并有利于提高准确率，快速确定故障设备）。
监控界面同时显示一个测点的多达10种分析功能，如同时显示有效值、视频、时域、频域、波峰因数、趋势、三维图、伯德图等，可针对一个部位利用不同分析功能快速分析故障（在同一界面从各个侧面分析故障，节省70%时间并有利于综合评估故障提高准确率，快速确定故障类型）。
在若干测点（可高达数十条）时间趋势图上点中一个时间点，可以对比这些测点该时间点的时域、频域、各分频、各频段、三维、极坐标、阶次分析等图谱分析功能。此功能可轻松查看数十个测点的多达上100万条数据，轻松极速查看关注点。
专家诊断系统融合了数十年的故障诊断经验，具有其他企业不可比拟的优势；专家系统根据设备结构、齿轮传动关系和齿数、轴承类型、型号、转速确定诊断逻辑模式输入设备资料库；根据诊断知识、故障现象、行业标准、历史趋势、相对比较等针对各类设备、各种故障设置门槛值和诊断权重，智能诊断系统自动得出诊断结论并给出维修建议。
