在礦山，礦井提升機(jī)主要用途是提升礦物，同時(shí)也是井上、井下升降人員的主設(shè)備， 其運(yùn)行可靠性直接影響整個(gè)礦區(qū)的安全性和穩(wěn)定性，因此，迅速判斷故障發(fā)生的原因并有效的予以排除， 對(duì)保證礦區(qū)生產(chǎn)正常運(yùn)行有特別重要的意義。徑向基函數(shù) （Radial Basis Function ，RBF） 網(wǎng)絡(luò)具有良好的非線性逼近能力， 網(wǎng)絡(luò)中需要確定的參數(shù)包括隱含層節(jié)點(diǎn)數(shù)、隱含層基函數(shù)的中心值和寬度、隱含層到輸出層的連接權(quán)值。其中，基函數(shù)的中心和寬度的確定是建立 RBF 網(wǎng)絡(luò)的關(guān)鍵。在傳統(tǒng) RBF 網(wǎng)絡(luò)建立中，隱層節(jié)點(diǎn)數(shù)目主要依靠經(jīng)驗(yàn)來(lái)獲取;隱層中心值和寬度選取方法有 K-均值聚類(lèi)法、HCM 算法、Konhonen 自組織映射算法等;輸出層的權(quán)值采用遞推最小二乘法、LMS 等方法確定。但是這些設(shè)計(jì)方法或多或少存在些問(wèn)題， 降低了網(wǎng)絡(luò)的最佳逼近性能。遺傳算法 GA（Genetic Algorithms）常用于解決神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化設(shè)計(jì)問(wèn)題，但容易出現(xiàn)早熟、局部搜索能力差、容易破壞最優(yōu)解。而模擬退火算法 SA（Simulated Annealing）是一種通用的隨機(jī)搜索算法，擁有很高的局部搜索能力，能有效的防止陷入局部最優(yōu)的情況發(fā)生。