随着现代工业的迅速发展,人们对工业生产设备的安全性和可靠性要求的越来越高。因此,建立和发展智能故障诊断系统,保证常见旋转机械的安全可靠运行,具有非常重要的意义。旋转机械的故障诊断,主要根据各种症状(如振动频谱、波形特征、轴心轨迹、相关运行参数等),判断出各种故障。在现有的智能故障诊断方法中,如人工神经网络和专家系统,都由于知识和经验描述的多样化和不确定性,知识的获取和有效处理常常成为“瓶颈”。近年来,基于粗糙集理论的数据分析方法得到了广泛应用,粗糙集理论擅长处理模糊和不精确数据,具有很强的知识获取能力。本文就其在旋转机械故障诊断中的知识获取进行了研究。主要内容包括:1、全面阐述粗糙集理论的基本概念,对与旋转机械故障诊断知识获取密切相关的概念进行了说明。2、对旋转机械故障的特点和诊断过程进行了阐述。建立基于粗糙集的知识获取模型,并对已有的知识获取约简算法进行了分析。在此基础上,提出一种关注边界域细化的基于正向近似的规则提取算法。3、利用提出的算法,以木板材机械的故障数据进行验证,并与原有的约简算法提取结果相比较,证明了本文提出算法的可行性及一定的提高之处。