摘　　　要：針對(duì)發(fā)電廠制粉系統(tǒng)故障與征兆對(duì)應(yīng)關(guān)系復(fù)雜及過(guò)程信息的不確定性及傳統(tǒng)ＢＰ神經(jīng)網(wǎng)絡(luò)故障診斷的缺點(diǎn)，提出了基于粗糙集概率神經(jīng)網(wǎng)絡(luò)（ＲＳＰＮＮ）的制粉系統(tǒng)故障診斷方法，以改善傳統(tǒng)ＢＰ神經(jīng)網(wǎng)絡(luò)初始值敏感、易使學(xué)習(xí)過(guò)程陷入局部極小值以及樣本數(shù)據(jù)過(guò)大時(shí)訓(xùn)練速度慢等問(wèn)題。首先采用自組織映射神經(jīng)網(wǎng)絡(luò)（ＳＯＭＮＮ）對(duì)連續(xù)樣本數(shù)據(jù)進(jìn)行離散化；再利用基于區(qū)分矩陣的ＨＯＲＡＦＡ算法對(duì)離散化樣本數(shù)據(jù)進(jìn)行ＲＳ屬性約簡(jiǎn)，并將約簡(jiǎn)結(jié)果作為概率神經(jīng)網(wǎng)絡(luò)（ＰＮＮ）的輸入；較后利用Ｐ...