作者首先阐述了传统BP神经网络模型、识别原理和学习过程;指出了其存在的三大弊端并提出了解决这些问题的方法,通过实例验证了改进后的BP算法明显地优于传统的算法.作者尤其从建立BP神经网络模型的基础出发,根本性地讨论了神经元开关函数的选择问题.通过对神经元开关函数饱和参数值深入地研究,定性地将BP神经网络的容错能力、全局性能和收敛速度有机地结合起来,利用误差曲面形象地解释了这三者之间的关系,并提出了在工程实际如何应用这些关系来合理选择神经元开关函数.最后作者在振动频谱波形特征的基础上,就高速旋转机械的四种典型故障模式,建立了相应的BP神经网络进行试验研究和分析.虽然在输入学习模式中加入了干扰信息,BP神经网络仍成功地将各个故障模式相互区分出来,这个结果表明即使在恶劣条件下,人工神经网络技术对于高维空间模式识别及非线形模式识别问题仍具有强的分类表达能力,作为一种新的自适应模式识别方法,神经网络技术能够有效地解决故障诊断中的复杂模式分类问题;另外作者还概括了应用神经网络的一般步骤.