基于数据驱动的方法通过挖掘过程数据中的内在信息建立数学模型和表达过程状态，根据模型来实施过程的有效监测。随着智能化仪表和计算机存储技术的广泛应用，海量的过程数据得以有效地监测、收集和存储，而该类方法正是基于这样的海量数据，在监测和预警算法上它又可以分为基于信号处理、粗糙集、机器学习、信息融合和多元统计这五大类算法，其中机器学习算法是在理论和实践中发展活跃的分支，它包括贝叶斯分类器，神经网络，支持向量机，聚类算法，主成分分析等算法

对运转中的设备整体或其零部件的技术状态进行检查鉴定，以判断其运转是否正常，有无异常与劣化征兆，或对异常情况进行追踪，预测其劣化趋势，确定其劣化及磨损程度等，这种活动就称为状态监测。状态检测的目的在于掌握设备发生故障之前的异常征兆与劣化信息，以便事前采取针对性措施控制和防止故障地发生，从而减少故障停机时间与停机损失，降低维修费用和提高设备有效利用率。

振动监测故障诊断就目前来分，可分为在线诊断和离线诊断。前者是对运行状态下的机组振动故障原因作出出线条的诊断，以便运行人员作出纠正性操作，防止事故扩大。因此，在线诊断在诊断时间上要求相对比较紧迫，目前采用计算机实现，故又称为自动专家诊断系统。系统的核心是专家经验，但是如何将分撒的专家经验进行系统化和条理化，变成计算机的语言，是目前国内外许多专家正在研究的一个技术问题，因此不能将这种诊断系统误解为能完全替代振动专家。即使到来，也是诊断专家设计和制造诊断系统，为缺乏振动知识和经验的运行人员服务，而不是诊断系统替代振动专家。