近年来,由于煤矿的大量开采,瓦斯爆炸事故频繁发生,给人们的生命财产安全造成了极大危害。矿井局部通风设备故障是导致掘进工作面较易发生瓦斯爆炸事故的主要原因之一。矿井局部通风设备系统包含多个组成部分,产生故障的原因和种类较多。工作人员无法及时对所发生的故障进行准确地分析判断,延长了停风时间,为瓦斯爆炸事故的发生埋下了隐患。粗糙集理论作为人工智能领域中一个新的学术热点,它无需任何先验信息,能有效地分析和处理不精确、不一致、不完备性数据,通过发现数据间的关系,揭示潜在的规律,从而提取有用信息,简化信息的处理。因此,本文应用粗糙集理论提取出矿井局部通风设备的故障诊断规则,从而快速准确地判断故障发生原因,减少停风时间,降低瓦斯爆炸事故发生的概率。本文首先介绍了粗糙集理论的基础知识,分析了几种基于粗糙集理论的约简算法。其次,针对基于区分矩阵的属性频度算法不一定能找到正确属性约简的问题,结合决策表是否相容的因素,对基于区分矩阵的属性频度算法提出了改进,避免计算的盲目性,使约简结果更加准确。通过实例分析,对改进算法的有效性进行了验证。最后,针对收集的矿井局部通风设备故障信息,建立故障决策信息系统,并采用本文的改进算法对其进行属性约简和值约简,确定了关键故障征兆,提取出故障诊断规则。实验证明,使用粗糙集理论获取的故障诊断规则应用在矿井局部通风设备故障诊断中,可以提高故障诊断的效率。