张灿辉 梁长友

【摘要】随着高速旋转设备日益得到广泛应用。这些设备对加工质量及效率起着关键乃至核心作用，其造价往往相当昂贵。因此高速旋转加工设备的损坏或产品报废甚至仅仅是加工效率的降低都可能造成巨大的损失，为了确保高速旋转设备的正常工作及对设备故障的预防，基于RBF神经网络的高速旋转设备故障诊断技术日趋发展。由于RBF神经网络具有并行分布式处理、联想记忆、自组织及自学习能力和极强的非线性映射特性，能对复杂的信息进行识别处理并给予准确的分类，因此可以用来对系统设备由于高速旋转机械故障而引起的状态变化进行识别和判断，从而为高速旋转设备故障诊断与状态监控提供了新的技术手段。

【关键词】神经网络；故障诊断；状态监控；故障预测

1.概述

RBF神经网络用于高速旋转设备故障诊断是近年来迅速发展起来的一个新的研究领域。RBF神经网络作为一种新的新的模式识别技术，在高速旋转设备故障诊断领域显示的应用价值较为明显。目前，神经网络在高速旋转设设备故障诊断领域的应用主要集中在以下几块：

（1）从故障预测的角度，应用RBF神经网络作为动态预测模型进行高速旋转设备的故障预测；

（2）从故障处理的角度，建立基于RBF神经网络的高速旋转设备故障诊断系统；

（3）从模式识别的角度，应用RBF神经网络作为分类器对高速旋转设备故障类型进行准确分类。

随着计算机技术和人工智能的快速发展，特别是信息工程、专家系统的快速发展，为RBF神经网络高速旋转设备故障诊断技术的研究提供了新的方法和理论。……