破碎机故障诊断技术始于20世纪60年代，至今已经历了从直观故障预测到人工智能，再到人机协作的发展过程，快速发展的故障诊断技术已在工程应用中发挥了重要作用。
1．基于直观的故障诊断方法
故障预测主要是基于直接主观的故障诊断方法，又称主观诊断法，主要是指诊断人员凭借个人的的践经验，通过看、听、摸、闻、问，或借助简单的仪器、仪表，判断系统故障发生的部位和原因。该方法需要利用系统或元件的结构、模型、功能等方面的知识进行综合分析与判断，因此对诊断人员有两点要求：一是要掌握大量的故障机理知识；二是要具备丰富的诊断经验。但该方法对人的依赖性较大，故障诊断率低。
2．基于故障树的故障诊断方法
故障树方法是从逻辑上对零部件与复杂系统或装置的相互关系进行定性分析及定量分析，它有灵活性大、逻辑性强、直观性好等优点，是目前公认的对复杂系统进行安全性分析、可靠性分析的一种好方法。
文献根据破碎机液压传动系统结构的特点及工作原理，建立了故障树，然后根据结构函数，将故障树用简单的数学表达式表示出来，对故障树进行了分析，实践证明通过故障树分析结果进行故障诊断，能有效快速地找到故障发生所在，并能及时排除，为工人作业和维修工作带来很大方便。
3．基于人工神经网络的故障诊断方法
人工神经网络是人工智能领域中的一个重要分支，它是由大量的、很简单的处理单元（或称神经元）广泛地互相连接而形成的复杂网络系统。基于人工神经网络的故障诊断方法，就是通过对故障信息和诊断经验的训练学习，用分布在网络内部的连接权值来表达所学习的故障诊断知识，因此它具有对故障模式的联想记忆、模式匹配和相似归纳能力，实现故障与征兆之间复杂的非线性映射关系。神经网络技术与传统的信息处理方法不同，神经网络是自适应和可以被训练的，它有自修改能力，同时有对信息并行处理及并行推理的能力，从原理上就比传统的方法要快得多，并且具有高度的非线性、模拟并行性、高度容错性、鲁棒性、自联想、自学习和自适应等许多特点。
文献[4]将BP神经网络应用于破碎机故障诊断系统，它的柔性信息处理特点，较好地解决了传统故障诊断中遇到的问题。在破碎机故障诊断中取得了很好的效果，极大地改善了神经网络训练的收敛性，有利于破碎机的故障诊断。但神经网络的不足之处是问题的解决要依赖于网络模型的选择，同时训练过度或不足、收敛速度慢等都可能影响诊断结果。
4．问题讨论与展望
近些年来，由于计算机技术、信号处理、人工智能、模式识别技术的发展，促进了故障诊断技术的不断发展。特别是智能故障诊断方法得到广泛的研究。目前故障诊断研究主要集中在以下几个方面：
(1)将一些新的理论引入故障诊断之中，如信息融合故障诊断、基于进化算法的故障诊断、基于Agent故障诊断、基于图论的模型推理方法、基于核方法的故障诊断等，随着新理论的不断发展，这方面的工作仍是故障诊断的重要内容之一。
(2)诊断系统集成化，将几种诊断方法融合到一起的集成故障诊断研究，实现多种诊断方法的融合。如将小波变换、模糊数学、神经网络综合到一起的故障诊断方法。由于每种方法都有其优点和不足，这种集成故障诊断方法必然有其独特的优点。这也是有待深入研究的内容之一。
（3）诊断系统综合化，由过去单纯的监测和诊断，向集监控、测试、诊断、管理、预测和训练于一体的综合系统化方向发展。
（4）随着人工智能的发展，人们越来越意识到操作人员的常识及人的自然智能的优越性，在故障诊断系统中适当考虑人的作用会降低故障误报率和漏报率。故障诊断是一门实用性很强的技术，因此只有在实际应用中才能体现它的价值。目前在理论研究方面虽有不少进展，但真正在工程实践中成功应用的实例还较少，因此，如何将先进的故障诊断理论与方法应用到实际中去还有待深入的研究。
