矿井通风机是煤矿安全生产中的关键设备,它的作用是保持井下有新鲜的气流,降低瓦斯等有害气体的浓度。当矿井通风机发生故障时,应该迅速识别故障并做出决策,避免或减轻因故障所造成的损失,以保证安全生产。因此,对矿井通风机故障诊断系统的研究具有非常重要的意义。　　 本文针对矿井通风机故障诊断过程中特征属性多和样本数据有限的特点,提出了一种基于粗糙集和支持向量机的矿井通风机故障诊断方法。矿井通风机是一个非常复杂的非线性系统,通过检测设备所获得的故障信息中存在大量的冗余信息,这就会增加计算的复杂性。粗糙集可以有效的去除掉这些冗余信息,降低计算的工作量,提高矿井通风机故障诊断的效率。支持向量机是一种机器学习方法,它对有限的样本数据具有良好的学习能力。采用支持向量机对矿井通风机进行故障诊断,可以得到准确率较高的故障诊断结果。基于粗糙集和支持向量机的矿井通风机故障诊断方法首先利用粗糙集理论对矿井通风机的故障数据进行离散化和属性约简处理,然后应用支持向量机对约简后的数据通过学习形成故障分类器,利用该分类器对故障样本进行测试,得出矿井通风机的故障诊断结果。该方法充分结合了它们各自的优点,粗糙集能有效的减少故障特征属性的维数,提高故障诊断的效率；支持向量机对小样本数据具有良好的推广能力,提高故障诊断的准确性。最终达到了快速并准确地诊断矿井通风机故障的目的。