目前,故障诊断已经发展到了智能阶段,而智能故障诊断技术的研究重点已经逐渐由传统的人工智能转向新兴的计算智能领域。计算智能领域的一些理论,如人工神经网络,粗糙集理论等已经在故障诊断中得到了广泛应用。人工神经网络(ANN)是一种自适应非线性动力学系统,具有可学习性和并行计算能力,可以实现分类、自组织、联想记忆等功能。粗糙集(RS)理论是一种刻画不完整性和不确定性的数学工具。它能有效地分析和处理不精确、不一致、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。粗糙集理论可以弥补神经网络不能确定哪些知识是冗余的,哪些知识是有用的,训练时间过于漫长的局限性。因此,将神经网络与粗糙集理论结合来完成故障诊断是很有意义的。本文在对现有的粗糙集--神经网络结合的故障诊断方法分析的基础上,重点研究了属性约简的方法。主要作了以下几方面工作:1.当故障系统中包含多个条件属性时,提出一种先将决策表分块再约简的方法,并对该方法的可行性和算法的时间复杂度进行了分析,分析结果表明分块建立决策表再约简的方法是可行的,可以降低约简的复杂度,从而缩短约简工作的时间。2.结合一个轴承故障诊断的实例,给出了用前述方法对故障数据进行处理的全过程,并用MATLAB的图形用户界面GUI设计了一个BP神经网络,对学习样本集不断学习训练,网络训练好后,对测试样本集进行仿真,得到了正确的诊断结果。实例证明,提出的故障诊断方法是可行的。