随着生产技术水平的不断提高,现代设备的结构越来越复杂,设备运行的安全性和可靠性已得到社会的普遍重视,于是故障诊断技术近年来在国内外获得了飞速的发展。各种智能控制方法在故障诊断得到了应用,自上世纪80年代末,科学家将人工神经网络应用于故障诊断以来,神经网络技术以其可实时运行,抗干扰能力强,诊断准确率高等特点,在智能故障诊断领域中占有着重要的地位。本文针对矿井提升机在煤矿生产中的重要性,对RBF神经网络在当前矿井提升机的故障诊断问题中的应用进行了研究。首先讨论了神经网络理论的概念、特点以及组成神经网络的基本要素,对神经网络技术进行了简要的介绍。然后对BP网络和RBF网络进行介绍,分析了BP网络和RBF网络各自的特点,比较了RBF网络与BP网络的性能优劣。以目前应用广泛的RBF神经网络为研究对象,深入地对其性能进行探讨和分析,指出了RBF网络的优点,并进行了MATLAB仿真分析。说明了本文选择RBF网络的原因。其次,在介绍了矿井提升机的组成结构和工作特点的基础上,指出了矿井提升机的核心工作部件和辅助系统,然后说明了矿井提升机监测系统的组成,为使系统运行更加完善和可靠,必须对矿井提升机进行在线实时监测。分析了矿井提升机常见的故障机理。分析了矿井提升机故障诊断系统的总体构架,然后说明了故障诊断方案的确定,RBF神经网络应用于故障诊断,诊断算法的实现,人机接口开发语言,Borland C++ Builder与MATLAB的混合编程的实现。说明了基于RBF神经网络的矿井提升机故障诊断系统的功能和特点,故障诊断系统可诊断的故障种类。结合了对故障诊断系统的要求,分析了以RBF神经网络算法为核心,以MATLAB编制的后台服务程序的故障诊断系统。通过分析验证了RBF神经网络在系统故障诊断中分析与设计的实用性,也实现了预先的设计要求。最后,分析了本系统应用于矿井提升机液压站模块的故障诊断,分析结果表明系统性能符合故障诊断的要求。本文最后给出了进一步完善和改进系统性能的方法与技术路线。