RH-KTB复杂大型炉外精炼真空系统用于对钢水的提纯处理。在实际精炼中,该系统时常发生各种故障影响了产品的质量甚至生产效率。而现有的针对该系统的监控软件无法实现对精炼过程的状态判断及故障诊断。故障发生时往往要停止生产,人工对故障进行排查和处理。这给生产带来了诸多不便。有时用人工的办法很难准确找出某些故障点和故障原因。因此,建立一套RH-KTB智能故障诊断系统有其实际意义。本文首先研究RH-KTB系统的故障种类及特点,对该系统进行了故障树分析,找出了各种故障间的关系并建立了原始样本采集系统。RH-KTB系统的工艺要求对其进行快速故障诊断。因此本文对该系统进行了无教师快速模糊聚类分析。针对该系统的监测点多且存在大量的重复样本的特点,利用粗糙集理论对原始样本集进行了约简处理。快速诊断要求快速学习和快速分类。本文研究了利用决策树理论对RH-KTB系统的约简集进行学习和分类。给出了基于决策树ID3算法的针对RH-KTB真空系统的故障分类过程。最后,提出了一种基于粗糙集-决策树理论的RH-KTB故障诊断模型。该模型从理论上可以保证及时对干扰数据进行排除并实现快速诊断。给出了基于该模型的故障诊断的完整过程并以实例验证了该模型的实用性。基于该模型开发了一套RH-KTB智能故障诊断系统。应用表明效果良好。