摘要：针对目前迅猛发展的工业智能诊断方法缺乏可解释性开展综述,指出模型无关的归因解释技术在工业智能诊断中的研究现状和潜在研究方向。分析可解释性技术的主要观点和作用,针对工业智能诊断的两个特性问题—非线性高维观测、知识表征精度低,归因解释技术可以提供有效的前向理解智能模型逻辑结构、反向优化模型设计的工具。从注意力机制、显著性分析、规则提取、代理模型四个方面,概述其主要观点与作用,介绍现有方法的研究现状,并总结分析不同归因解释技术的优势与不足。通过四个案例分析,阐述不同归因解释技术在智能诊断中的效果。最后展望归因解释技术在工业智能诊断中的研究方向,包括可解释性量化、反馈模型设计、模型复杂性与可解释性平衡、高维特征的归因解释,期望为可解释人工智能技术在工业智能诊断中的发展提供方向建议。