进行RBF神经网络设计的首要工作（或称设计核心）就是确定其数据中心。数据中心选择的好坏直接关系到故障诊断系统的成败。目前，RBF神经网络的数据中心选择方法有两种：第一种方法是根据经验从样本中选取。这要求对系统的各种运行工况都要全面掌握，并在此基础上根据典型的故障工况设计出合理的有关故障诊断的RBF神经网络的数据中心；第二种方法是聚类的方法，就是把数据样本聚成M类，类中心就作为RBF神经网络的数据中心。这种方法适合于对系统的运行情况不熟悉或无法全面掌握的情况下采用。用聚类的方法寻找制粉系统的7个数据中心是不合适的。所以，经过对制粉系统运行情况进行详细的调研、统计和试验，基本掌握了制粉系统在各个工况下的运行参数。因此，在本文中采用第一种方法选择RBF神经网络的7个数据中心。根据已掌握的大量制粉系统各工况下的运行参数，现将正常工况的数据中心C1选为给煤机转速在397rPmin稳定20min后的工况作为C1，即C1=<0.52601.9-25266.53869735.23851104-5.65.523.839721.3>。同样可以选出另外6个数据中心。每个数据中心的宽度R1R7也是重要的参数，通过试验分别令Ri=0.5（i=1，2，3，4，5，6，7）；Ri=0.8（i=1，2，3，4，5，6，7）；Ri=1.0（i=1，2，3，4，5，6，7）进行训练。经多次试验后，取R1=1.0，其余Ri=0.5（i=2，3，4，5，6，7）的情况下，网络对各种模式的分辨能力较高。后经分析，由于制粉系统的正常工况涵盖的范围较宽，因此R1的值要取得大一些。14个输入信号（磨电流、差压，给煤量等）经输入层节点被分别传递到隐层的7个隐节点（隐层7个神经元的基函数都是高斯核函数）。