锅炉是一种重要的工业设备，也是一种复杂的非线性对象，其结构复杂、运行参数多、故障率高、故障危险性高，运行过程中产生的数据信息非常庞大。如何及时准确地从历史数据库中找出数据点与故障之间的关系，对锅炉故障进行快速的有效的诊断具有非常高的工程应用价值。　　 作者在现有锅炉故障研究的基础上，提出了基于粗糙集理论人工神经网络的锅炉故障诊断方法。结合粗糙集理论和神经网络各自的优势，以其提高锅炉设备故障诊断的准确性和快速性。　　 首先，分析了锅炉的结构、故障特点，总结了汽水系统、烟气系统、燃烧系统等锅炉主体部分的主要故障类型、征兆以及相关参数，建立对应的数据库。其次，介绍了粗糙集的相关理论，探讨了应用粗糙集建立锅炉故障决策表、故障特征属性约简等问题；阐述了将RBF神经网络应用于锅炉故障诊断的方法。通过仿真实验，详细描述了两种方法的实现过程，推理分析出两种方法应用于锅炉故障诊断的优势和劣势。最后，针对两种方法的不足之处，将粗糙集理论和RBF神经网络有机地结合起来，提出了基于RS-RBF神经网络的锅炉智能故障诊断方法。详细介绍了粗糙集理论进行前端数据预处理的过程，描述了如何将预处理后的属性作为网络输入构建RBF神经网络模型。以燃烧系统为研究对象，将该方法应用于具体的故障诊断仿真实验，就实验结果与RBF诊断方法进行对比，证明了该方法能有效避免使用单一方法的缺点，具有诊断性能优越、诊断时间短的优点。　　 针对锅炉故障诊断系统的信息化、智能化要求，采用Visual Basic和Matlab语言相结合的方法开发了锅炉智能故障诊断软件系统，该软件系统可对锅炉汽水系统、燃烧系统和烟气系统进行有效地故障诊断。