以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的，给出了一种RBF网络增量学习算法。算法首先对初始数据集进行聚类得到初始的RBF网络结构，然后采用GAP—RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习。RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响，增强了其增量学习的稳健性。IRIS数据集和雷达实测数据集仿真实验表明，算法具有较好的增量学习能力。

为了提高车辆液压制动系统的可靠性水平,提出了应用RBF网络和模糊ARX模型来研究液压制动系统故障诊断方法。研究了模糊ARX模型非线性特征,建立了基于径向基函数RBF的液压制动系统故障诊断方法,并开展了实验测试以目标故障特征为分类参考,使用RBF网络分类器对故障特征进行分类,判断系统的故障状态。基于模糊ARX模型与RBF网络的液压制动系统故障诊断方法准确地诊断出了90%以上的系统故障,表明该方法能够有效地应用于液压制动系统的故障诊断。