在设备系统的故障诊断过程中，由于人类的实践总是受到客观环境和条件的限制，因而所获得的关于诊断对象的信息经常表现出不精确性、不完备性和不一致性等，这就造成了故障诊断的不确定性。深入研究故障诊断中不确定性的概念、分类及基于不确定信息的诊断规则获取等问题对于完善故障诊断理论、提高人类在实践过程中解决故障诊断问题的能力具有重要的意义。　　本文在对故障诊断的概念体系和各种不确定性分析方法在故障诊断中的应用等内容进行综述的基础上，通过学科类比，引入信息科学的原理，从信息的角度对故障诊断问题进行了描述，建立一个统一的故障诊断信息模型。以粗糙集理论作为工具，对故障诊断问题中常见的两种不确定性——不一致性和不完备性进行了研究。研究内容主要包括故障诊断不确定性的度量和基于不确定信息的故障诊断决策规则获取。　　论文的主要内容如下：　　分析了故障诊断不确定性的含义和具体类型，把设备系统发生故障并引起相关征兆出现的过程，描述为故障信息运动的过程，给出了故障诊断的广义信息运动过程和基本信道模型。从信息的角度对故障诊断问题进行了描述，并建立起一个故障诊断信息模型，给出了故障诊断信息系统的定义。　　提出了在实际的故障诊断问题中，故障诊断的不确定性经常表现为不一致性和不完备性的观点，提出故障诊断决策系统的不确定性度量主要包括两部分，第一部分是对其中由空缺属性值引起的不完备性的度量；第二部分是对其中由矛盾实例引起的不一致性的度量。分别从代数观点和信息论观点出发，研究了故障诊断决策系统的不一致性和不完备性的度量。针对故障诊断问题的不确定性，提出了利用故障熵作为故障诊断不确定性的度量，并引入条件故障熵和互信息故障熵的概念，描述了故障诊断决策系统的不确定性。　　在分析了故障诊断信息不一致的原因及故障诊断实例样本集规律性的基础上，综合认知心理学和机器学习的研究结果，结合粗糙集理论中知识约简等概念，提出了一种改进的“规则＋例外”故障诊断规则获取模型，用于从包含不一致信息的故障诊断数据集中获取诊断规则，并结合汽轮发电机组振动故障诊断实例说明了该模型的可行性和有效性。　　用极大相容块取代了相似类作为不完备故障诊断决策系统的基本知识粒度，更加充分地描述了对象之间的相似关系。针对故障诊断问题的不完备性，提出了分辨矩阵基元的概念，以此为基础，定义了三种不同层次上的分辨矩阵概念，即面向对象的分辨矩阵、面向对象-极大相容块的分辨矩阵和面向极大相容块的分辨矩阵，并研究了三者之间的关系，给出了利用定义的三种分辨矩阵求取相应约简的方法。将现存的基于粗糙集的故障诊断方法中属性约简和值约简两个过程结合在一起，提出了一种面向对象-极大相容块的约简方法，用于从不完备故障诊断决策系统中直接获取形式简洁的诊断决策规则，并以电力系统操作点的安全状态诊断实例说明了该方法的可行性和有效性。　　针对目前智能故障诊断系统存在的问题，本文建立了一个基于不确定信息的故障诊断与学习模型，介绍了模型的具体结构，对模型的诊断过程和学习策略给出了详细的描述。该模型不仅能够从包含不确定信息的故障诊断问题中进行诊断知识的发现，而且能够在运行过程中进行动态的学习和知识获取，不断丰富和完善模型的诊断能力，为基于不确定信息的故障诊断问题的解决提供了一个可行的方法。