基于数据驱动的故障预警和状态监测技术直接通过系统的历史数据建立故障预警模型，不需要知道系统***的机理模型，因此其通用性和自适应能力都较强。但是由于这类方法并不明确系统的内部结构和机理信息,所以对预警结果的分析和解释则相对比较困难；另外，机器学习等基于数据驱动的算法主要都是应用于故障诊断，而基于数据的故障预警技术还处于起步阶段,可靠有效的方法也相对较少；再者，由于数据量较大且基于数据驱动的算法的时间复杂度都普遍较高，所以如何提高监测算法的效率也是亟待解决的问题。
设备运行状态的远程监测与精密故障诊断得到了数据和技术支撑，为设备故障预测和维修提供了更加有利的条件。远程监测和智能诊断模块通过监测机泵的振动、温度、电流、电压、转速以及控制系统的各项运行参数，模块自动读取振动图谱中的故障特征指标，结合控制系统的参数一并，实现设备运行的健康监测和故障诊断。
重要设备一般采用在线监测系统,其优点是设备运行24小时处于监控状态, 利用计算机的存储空间记录设备的运行参数包括振动、温度、压力、流量等参 数，设备一旦出现故障前兆及时报警并尽可能多的采集故障信息，为了解故障现象和分析故障原因提供了可靠的数据，系统自动生成日数据库、历史数据库及报警 库，从而实现了故障诊断、故障报警和故障追忆。对于稳态工作的机械设备,为了降低投资,可以采用多通道并行切换的方案构建在线监测系统。也就是指所有需要在线监测的机械设备均配置多个测点的振动传感器 和转速传感器,用切换开关对每套设备分别采样,这样,就可以用比较少的并行同步数据采集系统,完成对很多设备的在线监测。