数据挖掘研究如何从大量的数据中智能地、自动地提取出有价值的知识和信息，是当前相当活跃的研究领域。近年来，随着我国铁路信息化建设快速发展，知识的自动获取已经成为制约其进一步发展的“瓶颈”。因此，研究适用于机车故障诊断领域的数据挖掘，具有理论意义和重要的实用价值。 本文系统归纳总结了现有的数据挖掘技术，分析了粗糙集在数据挖掘应用中的特点。以SS8型电力机车主变流器为研究对象，通过对主变流器的工作原理的分析，建立了主变流器的仿真模型。以变流器的输出电压为故障信息分析对象，并仿真了变流器不同整流元件开路故障时的运行情况，构造了相应的输出电压波形。采用小波变换对电压波形进行能量分解，构造相应的特征向量。 由于特征向量的冗余，可能产生不可识别的故障。本文提出应用基于粗糙集的数据挖掘技术对变流器进行故障诊断，研究了故障特征的约简方法及诊断规则的获取方法，在保持识别能力的情况下，对规则进行修剪，得到了约简规则库。从仿真应用来看，所提出的应用方法具有较强的鲁棒性和泛化能力。 数据挖掘研究正处在发展阶段，数据挖掘本身以及其在机车故障中的应用还有许多问题值得探讨，本文的研究工作是一个尝试，相关工作还有待进一步深入。