随着计算机技术迅速的发展，传统产业通过信息化升级提高企业竞争力已成为一种趋势。挖掘机作为我国的一种传统产业，近两年发展比较迅速，但技术力量落后、技术人员缺少等问题也逐渐暴露出来。因此，迫切希望找到一种能够对挖掘机的运行状态进行实时监测，并能迅速、准确地进行故障诊断的方法。　　 本文研究的液压挖掘机是复杂的机、电、液一体化的工程机械设备，作业现场分散、机械的使用强度大、发生故障的突发性高、施工时间紧迫等，因此要求进行故障诊断必须迅速、准确。从查阅的大量文献中发现，在工程机械故障诊断方面也已有了较多的研究，但是关于在挖掘机故障智能诊断的研究非常少，几乎是空白。因此，本文提出一种基于粗糙集和神经网络的挖掘机故障智能诊断技术，来实现迅速、准确的诊断。　　 论文首先介绍了文章的研究背景及主要工作；其次详细介绍了粗糙集理论和神经网络的理论、方法和特点，在此基础上，提出了基于粗糙集理论与BP神经网络的挖掘机故障智能诊断技术，即由粗糙集技术作为前期数据的预处理准备，接着将处理过的数据再用BP神经网络技术来进行故障诊断；然后重点研究了粗糙集和BP神经网络的算法，通过采用改进的LM算法和减少属性约简次数等方面，建立了基于RS-LMBP算法的故障诊断模型，并通过实例来验证了算法的可行性和高效性；最后介绍了挖掘机在线监测与故障智能诊断系统具体的设计与实现。　　 实践证明，本文研究的挖掘机故障智能诊断系统，较好的完成了对故障的诊断和适度预测，提高了工作效率，达到了预期设计效果。所以挖掘机故障智能诊断技术的研究有着十分重要的意义。