由于故障信号存在数量冗余、不准确、不完整等现象,导致了基于神经网络的故障诊断专家系统的网络结构输入维数大,结构复杂,冗余部分多,因此网络训练速度慢,不易收敛,推广能力差,限制了这种专家系统在各个场合的广泛应用。因此本文用粗集来消除网络输入(故障信号)和网络结构中的冗余,提高专家系统的应用能力。文章首先讨论了决策表中冗余对象对粗集约简的影响,然后提出了求最简决策表的算法,算法利用对象频度的概念,删除决策表中的冗余对象,组建最简决策表,把求最简决策表的算法与基于区分对象对集的约简算法结合起来,形成了一种能同时适用于一致表与不一致表的粗集约简算法-SDTRA算法。然后研究BP网络的结构优化理论,分析了权衰减法、灵敏度法及相关性法等剪枝法的优缺点,根据BP网络学习与权值调整的特点,结合粗集能够优化约简冗余信息的长处,提出了在网络的训练过程中构建决策表进行约简,最后根据约简的结果删除冗余的连接和节点,得到一个求最优神经网络结构设计的新方法-粗集法。最后在粗集约简理论与粗集优化神经网络理论的基础上,提出了一种粗集集成神经网络的故障诊断专家系统模型,模型先用粗集理论对诊断输入数据进行约简,然后用它来对神经网络进行剪枝优化。文章最后设计了一个基于粗集神经网络的柴油机气阀开度故障诊断专家系统,实验表明该系统诊断时不仅速度快,而且正确率高,明显优于其它系统,因此具有较好的工程应用价值。