故障诊断工程技术（Prognostics and Health Management, PHM）是一门综合性的学科，旨在对复杂系统的健康状况进行监测、分析、预测和维护管理。该技术在航空航天、电力能源、制造业等领域有着广泛应用。PHM的核心技术主要包括以下几个关键点：

1. 传感器技术和数据采集：这是PHM的基础环节，通过部署各类传感器实时收集设备运行过程中的参数数据，如温度、振动、压力等。这些数据是后续分析和诊断的重要依据。

2. 信号处理与特征提取：从大量的原始数据中提取有用的信息是关键步骤之一。信号处理技术用于滤波噪声、分离有用信号，并通过算法提取设备的健康状态特征。

3. 模式识别与机器学习：利用模式识别和机器学习算法对提取的特征进行分析，以区分正常工作模式和非正常工作模式。这有助于实现自动化诊断和预测功能。

4. 剩余使用寿命预测（Remaining Useful Life, RUL）：通过对历史数据的学习和对当前数据的分析，可以预测设备或系统剩余的使用寿命，以便提前规划维护任务和时间表。

5. 健康评估模型建立：基于上述数据分析过程，构建设备或系统的健康评估模型，用以量化描述其当前的运行状态以及未来的趋势走向。

6. 决策支持系统开发：将上述各部分技术集成到一个统一的系统中，形成智能化的决策支持平台。这个平台可以根据实时的数据输入提供最优的维护建议和管理策略。

7. 协同工作和远程监控：随着物联网工程的普及，PHM技术逐渐具备了跨地域协作的能力。这意味着即使设备分布在不同的地方，也能够实现集中式的管理和维护。

8. 安全隐私保护机制设计：在数字化时代，数据的安全性和用户的隐私尤为重要。因此，PHM技术必须考虑如何保证数据传输和存储的安全性，同时尊重用户的个人隐私权。

9. 持续优化与改进：PHM技术不是一劳永逸的解决方案，而是需要在实际使用过程中不断迭代更新，以适应新的需求和技术进步。

综上所述，故障诊断工程技术的关键点包括但不限于以上几点。随着科技的发展和社会需求的不断提高，PHM将继续发展完善，为提高复杂系统的可靠性和效率做出更大的贡献。