②任取4组测试数据见表5，观察其识别结果。表6为归一化后的测试数据，表7为识别结果。与故障模式对比可知，第一组数据对应的故障是MA-1；第二组数据对应的故障是MB-2；第三组数据对应的故障是MD；第四组数据对应的故障是MG。由此可见，本网络不仅能识别样本本身的故障，而且能准确诊断样本以外的数据故障。

4 结  语

本次实验中的BP神经网络采用共轭梯度法进行优化设计，由实验数据可知，该网络能够准确诊断数据的故障状态，可见，该方法能够成功应用于设备的故障诊断中。故障诊断是一门实用性很强的技术，因此只有在实际应用中才能体现它的价值，目前在理论研究方面虽有不少进展，但真正在工程实践中成功应用的实例还较少，因此如何将先进的故障诊断理论与方法应用到实际中，还有待更深入的研究。