自六十年代始，人民开始意识到智能诊断的重要性，设备诊断发展迅速，规模扩大， 成果显著。同时六十年代的计算机和信息技术水平急剧提高。同一时期的算法语言和 FFT 傅氏变换的发明，把信号分析的方法由以前的硬件分析转换到了了软件分析。随着振动信 号谱分析，红外测温技术，声发射技术等无损检测技术的出现，故障诊断技术越发完善和 成熟，使其成为现代化机械检测维修方法中极其重要的一环。“智能故障诊断技术的发展 为复杂系统的可靠性、安全性以及故障诊断提供了新的途径，它是故障诊断的高级阶段” [1]。 

美联邦（USA）研究故障诊断的时间领先于其他国家很多。二十世纪六七十年代由美 航局的领头，由美国海军研究室主持成立了美国机械故障预防组（MFPG），并取得了如 美国国家标准局的机械故障预防小组研究的“机械故障机理”，“检测、诊断和预测技术”。 于此同时美国机械工艺技术公司（MTI）的赛格研究所也发表了“回转机械的诊断”和“轴 承的诊断”等累累成果[2]。 

一些欧盟国家在设备诊断技术中各自领域取得成就，如德国的 AT 研究所提出的机械 故障原因分析方法，瑞典的 SPM 滚动轴承故障诊断冲击脉冲检测技术，英国在其原子能 研究机构中成立一个系统可靠性研究部门，主要研究机械设备故障诊断的课题。 

亚洲国家于此方面也有所建树，日本政府专门成立机械技术研究院，主要从事机械部 件故障的智能诊断方法，其研究在运输、材料、建筑等方面处于世界一流水平。 我国与八十年代开始从事设备故障诊断方面的研究，许多高校和科研机构都开展了该 方面的工作，取得了可观的成果。其在我国的电力、铁路、化工等领域得到了应用，部分 设备诊断技术列于“八五”等攻关项目。一些诊断技术已接近国际水平，研发了一些诊断 仪器和设备，能够满足工业生产的需求。但客观来说，我国设备诊断技术实际应用水平和 国际先进水平还有一段距离，主要体现在：1.投入研究成本较少而分散，没有同意标准， 通用性差且没有连续性。2.企业重视度不够，追求短期效益，工程实际应用较少。 

RBF 神经网络的发展

RBF 神经网络的研究最早起源于二十世纪三四十年代左右，其发展过程可分为起源 时期、瓶颈时期和繁盛三部分：

1、起源时期

二十世纪四十年代，心理学家麦卡洛克和数学家皮茨在生物科学学会期刊《Bulletin of Mathematical Biophysics》上共同发表了一篇期刊文献。该文概述了生物神经元一些基本 的特性，提出了描述生物神经元的数学结构的 M-P 模型，神经网络系统的结构起源于此。 虽然 M-P 模型中神经元的功能并不强大，但是其网络系统结构中具有大量的神经元个数，及各个神经元之间有着较为紧密的联系，补足了神经元功能较弱所带来的缺陷，最重要的 是，该网络系统中的神经元都具有并行计算的能力，总体来说该神经网络的计算能力还是 较为强大的， M-P 神经网络最具意义的是引发了世界对神经网络的研究的潮流。50 年 代末期，Rosenblatt 提出了感知机(Perception)模型——人类史上第一次在实际应用中使用 到神经网络，该模型与动物平时自我学习的心理学过程相似，神经心理学的理论可以应用 在感知机模型中。最重要的是该模型的学习过程中，输入源是含有噪声的，并且感知机模 型的网络结构和一般动物学习环境一样具有随机连接，现在感知机模型也作为神经网络的 入门知识给初学者进行学习。