SDG模型作为定性模型的一个重要分支,可以表达系统间复杂的因果关系,具有包容大规模潜在信息的能力,用于故障诊断时,不仅完备性好,适应性强,鲁棒性好,而且可以提供故障传播路径和演变解释。近年来,SDG故障诊断方法得到了学者们的广泛关注,发展迅速,在石油化工行业取得了较好的应用效果。但是基于SDG模型的故障诊断方法不可避免的具有定性方法中普遍存在的多义性推理导致分辨率低的缺点,而且存在对模型过于依赖以及计算大系统时诊断速度慢、实时性差等问题。T. Y. Lin教授在1996年提出的粒计算理论是当前计算机人工智能研究领域中模拟人类思维和解决复杂问题的新方法,是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具。其中的属性约简算法可以在保证分类能力不变的前提下,约简冗余属性,导出最小属性集；搜索推理算法可以在很大程度上减少甚至避免结果发生冲突的概率,提高推理的分辨率。为了解决SDG故障诊断中存在的问题,本文将粒计算理论中的属性约简算法和搜索推理算法引入到SDG故障诊断中,主要进行了以下几个方面的研究：(1)为了提高故障诊断的实时性,避免对相同故障模式的重复推理和可能出现的“组合爆炸”问题,提出了一种基于决策规则的SDG故障诊断方法,以电站除氧器系统为例,采用经验法建立其SDG模型,获取故障诊断决策表,分别采用所提出的方法和基本SDG故障诊断方法对其进行诊断,结果表明了该方法的优越性。(2)提出了一种新的基于相对粒度的属性约简算法,用于约去决策表中的冗余属性,该算法不但时间复杂度低,而且同时适用于相容决策表和不相容决策表,并对除氧器的故障诊断决策表进行了约简。(3)提出了一种基于相似度的搜索推理算法,通过计算最大相似度寻找现场采集信息对应的决策,这种方法可以有效减少甚至避免推理中结果冲突的概率,提高分辨率,将其用于除氧器系统的故障诊断决策推理中。(4)提出了一种基于粒计算的SDG故障诊断方法,以65t/h蒸汽锅炉系统为例,搭建其SDG模型,获取SDG故障诊断的决策表,约简后生成粒库,利用搜索推理方法,通过计算最大相似度寻找故障源,并在Matlab仿真平台上,对算法的可行性进行了验证。仿真结果表明,该方法在保留SDG故障诊断诸多优点的前提下,提高了诊断的速率和分辨率