radial公司于1987年开发的汽轮发电机组振动诊断专家系统（turbomac），在建立逻辑规则的基础上，设有表征振动过程各种成分与其可能故障源之间关系的概率数据，其搜集知识的了系统具有人一机对话形式。该系统含有900条知识规则，有很大的库容。美国boyce国际工程公司（royce engineering international，简称:bei）开发的基于专家系统的状态监测与诊断系统datm4 (diagnostic analysis of turbo-machinery)具有多种参数的趋势分析和预报功能。该系统在1981至1990年发展到总共近1万多条规则的人工智能诊断规则库，其中包括:汽轮机3000多条，发电机近3600条，机械（包括辅机）近3200条。美国西屋电气公司和卡内基一梅隆大学合作研制的汽轮发电机在线诊断专家系统aid于1984年在得克萨斯州达拉斯附近的发电厂投入使用，对三个电厂共七台大型发电机(其中645mw容量的机组四台，835mw容量的机组三台)进行在线监测和诊断。其他已广泛投入使用的典型的状态监测与诊断系统包括:美国本特利公司的dm2000系统;日本二菱重工的mhms系统;日立公司在1982年开发的汽轮机寿命诊断装置hidic-08e;美国scientific atlanta公司的m6000、m8000系统；美国entek-ird公司推出的entrx系统；法国电力部门(ede)开发的专家系统psad及其di-va子系统等。另外，瑞士abb公司、德国西门子公司、丹麦b&k公司等都开发出了各自的诊断系统。国内方面，80年代初开始引入人工智能，刘占生等人在轴心轨迹特征提取中采用一种新的平面图形加权编码法，提高了图形辨识的准确率，从而减少了轴心轨迹神经网络识别系统的输入变元数，使训练后的神经网络的联想能力得到较大提高，也加快了网络的训练速度及稳定性，提高了故障诊断专家系统的自动诊断水平。
虽然相关的应用实例还有很多，但它们中许多仍处于实验室或小范围应用状态，限于成本、技术等问题，不能得到普及应用，这将成为智能技术在机械故障诊断领域应用的“瓶颈”。
5 结束语
伴随计算机网络尤其是internet的发展，加上多媒体技术、生物计算技术、分布式人工智能和知识发现等计算机技术的兴起，使得人工智能更有效的应用于机械故障诊断及其它领域。面对日益激烈的机械行业的竞争，研发基于专家系统、神经网络、模糊逻辑等的混合智能设计、控制、监测、诊断系统将成为一大研究热点。虽然智能技术已应用于机械故障诊断的各个方面，如何将现有的先进故障诊断设备和技术进一步推广应用、如何实现低成本、高精度、高效率的诊断系统则成为亟待解决的问题。