球磨机通常由给矿部、筒体部、排矿部、轴承部、传动部和润滑系统等组成，是典型的大型低速重载回转设备。其主要故障特征见，其中前5个为设备本身故障，可从振动信号谱中提取故障信息，第6、7、8项为润滑系统故障，最后两个为生产工艺过程中的状态故障。
神经网络故障诊断系统的设计目前应用较多前馈型网络的是BP网络，但BP网络存在局部最优问题，并且训练速度慢，效率低，而RBF网络在一定程度上克服了这些问题，它在逼近能力、分类能力和学习速度等方面均优于BP网络。本系统采用RBF网络对磨矿中的故障进行诊断，诊断系统功能结构。
球磨机主要故障特征及表征方法故障现象故障原因表征方法表征参数不平衡装配不当或转子有附加物、转子磨损或破裂频谱和波形特征，特征频率是筒体回转频率振动信号不对中装配不当或基础损坏同上振动信号机械松动安装不良或基础、零部件破坏同上振动信号油膜涡动轴与轴承间隙太大或润滑不良频谱和波形特征，特征频率是筒体回转频率的一半振动信号齿轮故障齿轮对中不良或松动、齿面磨损或齿轮断齿频谱和波形特征，特征频率是齿轮啮合频率振动信号主轴承断油油泵故障或循环油路堵塞、漏油温度、流量的变化温度信号流量信号油压过高或过低油路漏油或油管堵塞油压的变化压力信号轴瓦或回油温度过高润滑中断或不足温度的大小和变化温度信号流量信号球磨机欠载给矿量或磨矿浓度过低电流、筒体声响的变化电流、排矿量、噪声信号球磨机胀肚给矿量或磨矿浓度过高电流、筒体声响的变化同上磨矿神经网络故障诊断功能示意2.1RBF网络的结构及其特性假设xx0∈Rn，以x0为中心，x到x0的径向距离为半径形成的核‖x-x0‖构成的函数系{k（x）=O‖x-x0‖}称径向基函数。
RBF网络的训练方法和诊断推理正交最小二乘法OLS简单易行，运算速度快，可避免局部最优问题，是目前训练RBF网络的常用方法。该算法首先选择充分多的实际输入数据点作为初始RBF中心，并根据所有RBF应当覆盖这个输入区域的原则，确定其半径，从而最终预先确定了每一个RBF的形式，然后应用子集回归的观点，应用GramSchmidt正交化过程，从上述已确定的RBF中选择对网络性能影响相对较大的一部分RBF构成最终的网络。本系统的网络也采用OLS法训练。
结论RBF神经网络是一种在逼近能力、分类能力和学习，从实例分析结果来看，该网络可成功应用于磨矿生产过程的故障诊断，对磨矿智能故障诊断研究有借鉴意义。