由于風機廣泛應用于各種生產設備，其運行可靠件直接影響整個生產設備的安全性和穩記性，時故障診斷則是提高系統可靠性的主要途徑。但由于風機的各種故障征兆與故障類型之間的關系是高度非線性關系，很難用具有線性關系的數學模型來進行故障診斷定位。而人工神經網絡因具有仟意精度逼近任何連續非線性函數，以及自組織、自學習和并行處理能力，在故障診斷中得到了廣泛應用。因此，本文提出采用神經網絡來建立故障診斷模型，解決鳳機的各種故障征兆與故障類型之間的非線性映射關系，實現故障診斷和定位。

人工神經網絡中的BP神經網絡是日前故障診斷領域應用較多的一種網絡。但是因為BP網絡采用的是沿梯度下降的搜索求解算法，這就不可避免地出現了網絡學習收斂速度慢的問題，甚至不收斂，而且更容易陷入局部極小。為了解決這個問題，本文將RBF神經網絡應用于故障診斷。RBF可以避免像BP學習算法那樣冗長的迭代計算和陷人局部極值的可能，使學習速度比通常的BP算法快幾十倍甚至上百倍。