本文将粗集和模糊集相结合，从数据预处理、特征提取、故障识别等方面。对以粗集和模糊集相结合的飞机故障诊断算法做了探索性研究： 在论文第一章中，综述了国内外故障诊断和民航中故障诊断技术发展状况，并根据粗集和模糊集的发展现状和民航故障诊断的特点，指出将粗集和模糊集相结合用于飞机故障诊断的必要性，并进行了可行性分析；第二章对粗集和模糊集理论进行了介绍：第三章针对飞机故障特征提取面临的诸多问题，重点讨论了飞机故障信息系统中属性离散和属性约简问题，研究并提出了基于粗集和模糊集相结合的特征参数获取算法。采用真实的发动机数据验证了算法的有效性。第四章针对飞机故障数据缺失问题，考虑到飞机故障缺失数据的随机性和不确定性，重点讨论了各参数属性值的概率分布以及随机落影函数的最大值问题，研究并提出了基于随机集数据补齐算法。研究结果表明，算法对补齐具有模糊性、连续性、平稳性的飞机故障数据非常有效，精度较高，具有较小的随机误差：第五章针对飞机故障识别和状态监测中的参数冗余问题，重点讨论了如何提高识别正确率和改善由于故障特殊性带来的识别算法的鲁棒性问题，研究并提出了一系列的基于模糊集距离、贴近度、聚类等飞机故障识别算法。研究结果表明，这些算法能够去除干扰因素的影响,提高了识别的效率和精度，在同等条件下，识别精度高于BP网络。在论文最后，将以上研究的算法进行计算机仿真，编制相应的程序，分别封装成单个模块，集成到飞机远程故障诊断系统平台系统中，为进一步实现飞机的远程故障诊断奠定了基础；将以上研究的算法用于飞机故障诊断实践中，并取得了较好的效果：提取的特征参数分别是导致航空发动机故障和影响飞机起落架维修性的关键因素；军用和民用发动机故障数据补齐的精度达到96.42％；在民用发动机状态监测实例中，基于模糊粗集的识别算法正确率达到98.4％，在同等条件下，BP网络的识别正确率最高达到84.1％：在发动机转子故障识别实例中，识别结果全部正确：对于飞机燃油系统健康监控中的喷嘴堵塞故障模式。基于模糊粗集的识别算法比改进的状态因子诊断法有一定的优势. 以上研究的诊断算法具有一定的创新性和实用性，算法的有用性得到真实飞机故障实例的验证。基于模糊粗集的飞机故障特征参数获取算法为解决飞机故障诊断中知识库庞大和故障参数冗余等问题，提供了一种有效途径和手段；基于随机集的故障数据补齐算法为解决当前飞机故障诊断中存在的不完整性、不确定性等问题，提供了一个有效的工具：基于模糊粗集的飞机故障识别算法为解决当前飞机故障识别中的算法鲁棒性不强、抗干扰能力差、计算量大等问题，提供了一种新的思路。这些算法在飞机故障诊断中具有广泛的应用前景。