随着生产过程的日趋复杂，大型复杂设备的可靠性和安全性问题已经引起人们的极大关注。解决这一问题的关键就是建立能够及时准确地进行诊断和定位的故障诊断系统。本文从工程应用角度出发，以粗糙集和人工神经网络等理论为基础，重点研究了故障特征参数的约简处理和BP神经网络在航空发动机故障诊断中的应用，提出一种基于粗糙集与神经网络理论集成的智能化故障诊断方法。 本文从以下几个方面作了探索性尝试： (1)根据粗糙集和神经网络各自的优缺点，选定基于两者相结合的故障诊断模型为研究对象。讨论了数据的离散化问题，给出基于变精度理论和基于概率的约简算法，并对其中的分类能力与决策精度以及知识的不确定度量等问题作了分析说明。 (2)对BP神经网络理论及改进方法做了相应分析研究，引入面向MATLAB的神经网络工具箱。 (3)选取某一航空发动机的故障样本，应用变精度约简算法和概率的约简算法提取特征参数，结合BP神经网络完成发动机的故障诊断。通过与基本约简算法的对比计算可以看出，应用前两种方法得到了较好的结果。 (4)根据变精度理论和概率的约简流程，分别采用手算和程序进行验算，得到了一致的结果，证明了程序模块的准确性。 (5)将算法模块加入飞机远程故障诊断平台中，以某空军和某民用发动机实际数据进行测试，取得了良好的诊断效果，证明了模型的可行性。最后，通过实例再次证明约简对于诊断规则的提取是可行的。