随着现代工业生产自动化、连续化水平的不断提高,加工中心的占有率也在增大,在生产中已经占有重要地位。加工中心在许多企业中被用于重要的加工环节,如果出现故障后不能及时正确地进行故障诊断和维修,则会带来较大的经济损失。随着粗集理论近年来在智能信息处理研究领域获得了迅速发展,它基于现实的大数据集,从中推理、发现知识和分类系统的某些特点,对于研究不精确知识的表达、学习、归纳方面有其独特之处。本文研究了基于数据挖掘的加工中心故障诊断方法,跟以往的故障诊断方法不同,研究的方向并不是基于机械振动分析,而是采用了粗集理论结合神经网络的方法。论文研究了粗集对故障数据进行约简的可行性,并应用自组织映射神经网络的聚类功能,来实现连续属性值离散化的方法;通过对诊断信息的分析,采取常规约简方法,该方法实现了样本条件属性的约简,可消除样本数据中的冗余信息。采用MATLAB神经网络工具箱建立了加工中心故障类型的智能混合诊断系统;研究了智能混合故障诊断系统,并进行了功能模块设计,各功能模块分别为:数据采集模块,数据预处理模块,数据约简模块,神经网络模块,故障诊断模块。在此基础上构建了一个基于粗集-神经网络的智能混合故障诊断系统。