矿井通风系统的正常运转是保障井下生产工作正常进行、工作人员生命健康安全以及防灾抗灾的重要环节。矿井通风系统应长期处于稳定状态,将矿井发生巷道冒落或变形、风门开关或者损毁、通风机性能下降等变化所引起的通风系统风量发生异常变化的现象称为矿井通风系统阻变型故障,将故障导致巷道风阻变化的大小称为故障量也称为故障等效风阻。根据矿井通风系统阻变型故障发生后巷道风量的监测值,利用支持向量机SVM、遗传算法GA等人工智能方法可以诊断通风系统发生阻变型故障的位置及其等效风阻,由此引出的核心问题是利用最少的风速传感器数量实现满足现场实际需求的故障诊断准确度,针对此问题提出了基于邻域粗糙集的矿井通风系统阻变型故障诊断风速传感器优化布置模型,实现利用最少数量风速传感器达到对风速的有效监测,获得较高的故障诊断准确度。由于矿井对通风的严要求,不能在实际中产生足够数量的“矿井通风系统阻变型故障—风量”样本,利用矿井通风仿真系统（MVSS）基于网络解算方法,结合具体矿井的网络拓扑关系生成故障仿真样本作为机器学习的数据基础。将传感器的布置问题转化为一个决策问题,将故障仿真样本编制邻域粗糙集（NRS）决策表,风量作为条件属性,故障分支编号和故障等效风阻作为决策属性,利用条件属性对决策属性的重要度分别确定以诊断故障位置为目标和以诊断故障量为目标的风速传感器安设数量、安设分支,并且对影响邻域粗糙集属性约简结果的因素进行了分析。通过SVM建立故障诊断模型,以故障仿真样本中分支的风量作为SVM的输入,以故障分支编号和故障等效风阻作为SVM的输出,分别构建故障位置诊断分类模型和故障等效风阻诊断回归模型。以故障位置和故障等效风阻诊断准确度作为评判标准,校验利用NRS方法确定风速传感器安设位置优化的效果。对矿井通风系统阻变型故障诊断风速传感器位置优化进行了实际应用验证。针对实际矿井利用本文提出的风速传感器位置优化算法得到以诊断故障位置为目标需要安装风速传感器的分支数为35条,占分支总数的24%,以诊断故障量为目标需要安装风速传感器的分支数为39条,占分支总数的27%,且安装风速传感器的分支大多为大风阻分支。在现场通过打开风门试验,人工测试得到风量数据,进而对故障位置和故障量进行诊断,故障位置诊断准确度为100%,故障量的预测值与真实值的绝对误差范围为(0～0.1037],证明了本文提出方法的有效性。该论文有图35幅,表38个,参考文献122篇。