摘　　　要：針對發(fā)電廠制粉系統(tǒng)故障與征兆對應關系復雜及過程信息的不確定性及傳統(tǒng)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(tǒng)故障診斷方法，以改善傳統(tǒng)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(shù)據(jù)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(xù)樣本數(shù)據(jù)進行離散化；再利用基于區(qū)分矩陣的ＨＯＲＡＦＡ算法對離散化樣本數(shù)據(jù)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...