随着现代工业机械化速度的发展,设备安全运转的可靠性高低直接关系到生产的安全性。目前,齿轮传动是机械系统中使用最广泛的传动形式之一,而齿轮故障是设备故障最重要的因素之一,因此,如何有效的预防并减小齿轮故障的发生,及时发现设备异常,并准确判断故障的类型及部位,是一件非常有意义的工作。目前,常用的齿轮故障诊断方法有时、频域分析法、包络分析法、小波分析法等,而传统的分析法需要有经验的专业人员通过判断齿轮振动信号的波形特征来辨别齿轮故障类型,对人力要求很高。随着智能技术的发展,智能方法被广泛的引入到齿轮故障诊断中,使故障诊断达到系统化、智能化,同时大大提高了诊断精度。不同齿轮故障类型的振动信号传递出来的信息是不同的,为了发现其中潜在的规律,利用粒计算方法进行研究是非常有效的。作为人工智能领域的新理念,粒计算的本质是选择合理的粒化方法,从而得到近似的、较好的解决方法。粗糙集作为粒计算的三个理论之一,能够有效的处理不精确、不一致、不完备的信息与知识。因此,将粒计算理论运用在数据挖掘领域,能够有效的实现从海量数据到潜在有用知识的转化,降低问题求解的难度。本文基于粒计算的思想,主要研究了决策表的属性约简与规则提取方法。提出了基于粒计算的信息系统属性约简算法,其基本思想是：从属性集中逐一删除对划分没有影响的属性,从而得到约简。与传统的属性约简算法相比,该算法不用求核,结构清晰。本文在决策表系统中,引入了相对分布函数和相对分布度的概念,用相对分布度之差作为启发信息,给出了基于相对分布粒度的决策表属性约简算法,并利用UCI数据集对算法进行验证,实验结果表明算法是有效且高效的。给出了知识粒的表示方法,研究了粒计算以及粒层的表示与转换,在此基础上给出了基于粒计算的决策表规则提取方法。结合数据挖掘,给出了基于粒计算的数据挖掘模型,并将其应用在齿轮故障诊断中,对齿轮常见的四种故障类型进行了数据挖掘,结果显示,提取出的故障规则与实际故障信号特征一致,并能有效进行故障诊断。并在此基础上,实现了齿轮故障诊断仿真系统。