随着现代社会化大生产的发展和科学技术的进步,现代设备的结构越来越复杂,功能越来越完善,自动化程度也越来越高。而且设备发展的一个明显的趋势是不断朝大型、高速、强载、连续运转和自动化的方向发展。因此,设备的组成结构越来越复杂,功能越来越强大,性能指标、自动化程度和可靠性也越来越高。一台设备从设计、制造到安装、运行有诸多环节,任何不应有的偏差都可能导致设备的“先天不足”造成带病运行。在运行过程中,设备可能处于各种各样的环境之中,其内部可能受到力、热、摩擦、电磁干扰、腐蚀、电解、氧化等多种物理、化学作用,使其性能劣化,造成“后天故障”。故障的产生可能使得设备降低或失去其预定的功能、使得生产系统紊乱,设备遭受损失,甚至全线停工,同时还可能破坏环境,危及人身安全,带来严重的、灾难性的事故,更有甚者造成社会问题。基于粗糙集理论的风机状态检修研究是近年来火电厂风机状态监测和故障诊断领域研究的前沿课题。其核心思想是充分利用粗糙集理论的数据挖掘和知识发现功能,对风机运行监测数据进行分析,从中获得运行状态、故障诊断、检修建议等决策的专家决策系统。本课题正是围绕这样一个主题来展开研究工作。课题的研究得到了山西省自然科学基金项目(20051037)、太原理工大学校科技发展基金资助项目(190-12901244)的资助。本论文深入研究和分析了课题内容涉及的粗糙集理论和风机故障诊断技术的相关理论和技术以及它们的现状和发展,并对两个系统的相似性做了论证。在基于粗糙集理论的风机故障诊断技术的研究中,论文重点分析了粗糙集理论的基本概念、思路、理念,尤其是粗糙集理论在属性约简方面的应用等问题,提出了新的属性约简算法,通过实验验证了新规则和新算法的有效性。通过总结前人的研究工作,并对相关技术进行创新和改造的基础上,论文提出了一种可以实现的基于粗糙集理论的风机故障诊断技术的系统模型,并对模型做了实验分析,实验结果表明,该模型在风机故障诊断方面表现良好。论文最后对本课题今后发展方向做了预测。