在大型汽车维修数据库中,关键故障数据查询关系到汽车的维修速度。随着汽车种类与复杂程度的增加,维修数据库故障数据属性种类逐渐增加,且具有无序性。传统的汽车故障数据查询方法需要根据故障属性建立横向的查询数据结构,属性之间在数据结构上是并列且相互独立,一旦属性过多,造成数据结构横向过于复杂,故障数据查询耗时长且查询准确率低。提出采用模糊粗糙集算法的大型汽车维修数据库中关键故障数据查询方法,建立故障数据查询模型,为数据分类提供完备的数据支持,依据模糊粗糙集相关理论对数据进行详细分类,计算数据属性的匹配模糊度值,并进行排序,以获取分类结果,实现大型汽车维修数据库中关键故障数据的查询。实验结果表明,利用改进算法进行大型汽车维修数据库中关键故障数据查询,能够提高关键故障查询的准确性和查询效率、缩短查询耗时。