由于风机广泛应用于各种生产设备，其运行可靠件直接影响整个生产设备的安全性和稳记性，时故障诊断则是提高系统可靠性的主要途径。但由于风机的各种故障征兆与故障类型之间的关系是高度非线性关系，很难用具有线性关系的数学模型来进行故障诊断定位。而人工神经网络因具有仟意精度逼近任何连续非线性函数，以及自组织、自学习和并行处理能力，在故障诊断中得到了广泛应用。因此，本文提出采用神经网络来建立故障诊断模型，解决凤机的各种故障征兆与故障类型之间的非线性映射关系，实现故障诊断和定位。

人工神经网络中的BP神经网络是日前故障诊断领域应用较多的一种网络。但是因为BP网络采用的是沿梯度下降的搜索求解算法，这就不可避免地出现了网络学习收敛速度慢的问题，甚至不收敛，而且更容易陷入局部极小。为了解决这个问题，本文将RBF神经网络应用于故障诊断。RBF可以避免像BP学习算法那样冗长的迭代计算和陷人局部极值的可能，使学习速度比通常的BP算法快几十倍甚至上百倍。