故障特征分析的主要内容是信号分析和处理，即如何从传感器来的原始信号中分析提取能代表故障特征的信息，这是故障诊断的核心问题，尤其是对声与振动信号的分析处理技术对于机械设备的故障诊断起着十分重要的作用。

　　提取故障特征有多种方法，常用的有时域分析法、频域分析法、旋转特征分析法、相位分析法、时间序列分析法、模态分析法等。这些方法更适合于声与振动信号的分析处理，目前已经发展成为现代故障诊断技术的主流 “ 。以上信号处理方法都是基于被分析系统是线性的，但由于一切运动本质都是非线性的，而目前人们对非线性系统的认识可以说是极其有限的，因此我们在实践中有时在线性系统范围内无论是采用时域频域以及统计学的处理方法都难以***地解释一个故障现象与多个可能的故障原因之间的关系，其原因是找们面对的研究对象很可能是非线性动力学系统。***外在七十年代提出了非线性系统的混沌概念并加以研究， 目前混沌的研究已遍及各学科领域 ，如在生物医学工程领域用混沌理论研究脑电、心电信号，对其进行分类、诊断已取得成功。此外，在八十年代末，非线性的人工神经网络用于信号分析处理在***际上形成一股热潮 ， ***内已有人将人工神经网络模型用于机械故障特征分析，取得了令人满意的诊断结果 。混沌理论和非线性神经网络系统模型的研究，为智能化诊断开辟了一条崭新的途径，有可能对故障特征分析技术的发展起到很大的推动作用。