汽车发动机在故障诊断时由于其复杂的结构和恶劣的工作环境,使得各传感器测量的数据具有不完备和不确定性,且测量数据中大多含有噪声,给故障诊断带来了很大困难。利用粗糙集理论进行故障诊断,不需要任何数据以外的先验知识和预备知识,即可有效分析和处理各种不确定、不完备数据,并从中发现隐含的知识,揭示潜在的规律。随着计算机技术的不断进步,该理论日趋成熟,并逐步成为故障诊断和规则知识获取的有效手段。基于粗糙集理论的发动机故障诊断,主要是通过粗糙集理论对不确定和不完备数据的计算,从大量故障数据中提取有用规则,规则提取首先对决策表进行属性约简,属性约简的结果直接影响故障诊断的效果,故文章对属性约简算法做了重点研究。论文的主要工作有：(1)深入研究了基于粗糙集区分矩阵的属性约简算法,对传统的以核为启发式信息的算法进行了改进,改进算法以核和“伪核”为启发式信息化简区分矩阵,计算区分函数并将其转换为极小析取范式,然后,将核属性加入极小析取范式的每个合取范式中,得到属性约简结果,当给定决策表没有核属性和条件属性较少时,该算法对计算效率提高显著；(2)为使算法具有普遍适用性,结合HORAFA-AFVDM算法的优点进一步完善了改进算法,即以化简后区分矩阵中条件属性的频率值为启发式信息进行属性约简,并以约简后的决策表与原始决策表的决策能力是否发生变化为标准来判断属性约简结果的正确性；(3)构建了基于粗糙集的发动机故障诊断系统,该系统可以根据故障数据和故障征兆两种特征进行诊断,编程实现了系统的部分功能,软件开发采用VS2010集成开发环境,实例数据和规则存储基于SQL SERVER2008构建,以ADO作为数据库访问接口,编程实现了汽车发动机故障诊断算法,并用算例证明了算法的正确性。论文通过一定的故障数据对属性约简改进算法进行测试验证,验证结果说明改进算法具有一定的可行性和优越性,通过实例分析和测试了软件各个模块的功能,达到了较好的诊断效果。