为了提高矿山机电设备的故障诊断率，很多矿山都引进了设备故障诊断技术。设备故障诊断技术的整个工作流程主要分为状态监测、故障诊断和诊断决策三个阶段。与人工诊断方法相比，故障诊断技术更依赖于自动化技术，准确性更高。
1、设备的状态监测
设备运行过程中发生故障时，设备的一些参数会发生异常。若采集到设备的参数异常信号，就可以准确地判断设备的故障情况。因此，设备的运行状态监测是实现故障诊断的基础。对设备运行状态的监测，要依赖于传感器和微处理器，常见的设备运行状态参数主要有工作电流、电压、温度、压力和振动等。例如：当设备出现散热故障时，设备的温度就会急剧上升，设备上的温度传感器采集的温度信号就会出现明显的异常。与此同时，还应该对采集的故障信号进行处理，提取参数异常的特征。在很多情况下，并不能根据这些异常信号来直接判断故障的原因，需要综合分析这些信号的特征来进行故障诊断。
2、设备故障诊断
故障诊断是故障诊断技术实施的关键环节，这不是一件容易的事，其主要任务是根据采集到的异常信号的特征进行综合分析，从而确定故障原因以及故障发生的位置。通常情况下，设备故障诊断是通过与现有数据库中的故障信息进行比对完成的。为了提高故障信息比对的成功率，采用了一些人工智能算法，例如人工神经网络算法、模糊算法等。此外，应该尽可能准确地将更多的故障特征录入到数据库中。这就要求煤矿企业具有相当完善的计算机硬件条件和较为充分的软件技术。
故障诊断时，不仅要对故障原因进行诊断，还要给出具体的位置，以便于维修人员快速维修。同时，还要根据故障的类型给出设备的故障损害程度，以便提出合理的维修建议。
3、设备的故障诊断决策
为了更好地服务于机电设备的维修工作，现代的故障诊断技术还增加了故障诊断决策的内容。其主要任务是根据故障诊断结果给出更为详细的维修方式，从而大大提高机电设备的维修效率。设备故障维修的诊断决策在很大程度上依赖于设备故障诊断的结果，可以通过人为或计算机软件技术来完成。一般情况下，很多设备维修决策是通过多年的维修经验来确定的，常见的维修方式主要有更换零部件、停机整治或更换新设备。从某种意义上讲，故障诊断技术之所以提高了故障维修率，关键在于集成了更多人的经验。
