摘　　　要：針對發電廠制粉系統故障與征兆對應關系復雜及過程信息的不確定性及傳統ＢＰ神經網絡故障診斷的缺點，提出了基于粗糙集概率神經網絡（ＲＳＰＮＮ）的制粉系統故障診斷方法，以改善傳統ＢＰ神經網絡初始值敏感、易使學習過程陷入局部極小值以及樣本數據過大時訓練速度慢等問題。首先采用自組織映射神經網絡（ＳＯＭＮＮ）對連續樣本數據進行離散化；再利用基于區分矩陣的ＨＯＲＡＦＡ算法對離散化樣本數據進行ＲＳ屬性約簡，并將約簡結果作為概率神經網絡（ＰＮＮ）的輸入；較后利用Ｐ...