该文从工程应用角度出发,以柴油机为研究对象,以人工神经网络和粗糙集等理论为基础,重点研究了故障特征参数的处理并给出一种新的基于神经网络与粗糙集理论集成的智能化故障诊断方法.首先,从故障诊断角度出发,给出了柴油机缸盖振动信号的信息模型,研究了柴油机缸盖表面振动信号的检测及实现方法.在此基础上,研究了气门间隙异常等典型故障的振动诊断机理和诊断方法.然后,该文介绍了利用SOFM神经网络对故障特征参数中连续属性值离散化的基本原理,给出了SOFM神经网络离散化算法的一般步骤.研究了神经网络故障模式识别问题,给出了分别采用BP网络和RBF网络进行识别的具体算法并比较了这两种算法的精度和速度.从粗糙集理论的基本原理出发,对数据缺失值如何进行预处理进行了探讨,研究了属性约简以及值约简算法,给出了常规约简算法,提出了利用属性频率函数的启发式约简算法和基于决策矩阵的改进型值约简算法.最后将粗糙集理论与神经网络技术相结合,提出了基于神经网络与粗糙集理论集成的故障诊断方法.该方法利用神经网络对获得的故障特征参数进行离散化处理,然后用粗糙集理论对诊断规则进行约简,最终通过神经网络实现了对柴油机故障的自动分类和诊断.利用该方法对柴油机气门间隙故障进行诊断,从仿真以及比较的结果看,该方法的诊断结果与实际相符,利用粗糙集理论来确定神经网络的输入节点数,降低了神经网络的结构复杂性,提高了故障诊断效率.在数据充分的条件下,该方法可以推广应用于其它机械设备的故障诊断.