El diagnóstico de fallas secuenciales es un tipo de método importante de diagnóstico de fallas para sistemas complejos a gran escala, y generar una estrategia de diagnóstico de fallas excelente es fundamental para garantizar el rendimiento del diagnóstico secuencial. Sin embargo, con el aumento de la complejidad del sistema, la complejidad del árbol de diagnóstico de fallas aumenta bruscamente, lo que hace extremadamente difícil generar una estrategia de diagnóstico óptima. Especialmente, debido a que los métodos existentes requieren una redundancia masiva de iteración y cálculos repetidos para los parámetros de estado de los nodos, la estrategia de diagnóstico resultante a menudo es ineficiente. Para abordar este problema, se propone un método novedoso de diagnóstico de fallas secuenciales rápido. En este método, presentamos una nueva idea de búsqueda descendente basada en el mapa de Karnaugh, SVM y el algoritmo de recocido simulado. Combina fuentes de fallas para generar estados y se utiliza un mapa de Karnaugh para juzgar la lógica de cada estado. Los autovalores de SVM se obtienen rápidamente a través del algoritmo de recocido simulado, luego SVM se utiliza para eliminar el estado menos útil. Al mismo tiempo, el método descendente y los algoritmos heurísticos de costo se combinan para generar el árbol de decisión óptimo. Los experimentos muestran que el tiempo de cálculo del método es menor que el tiempo de los algoritmos anteriores, y se puede obtener un costo de prueba más pequeño cuando el número de muestras es suficiente.