针对数据库和数据仓库技术在故障诊断领域的广泛应用以及现在各工厂基本上都对重要设备实施了实时监控，由传感器不间断的传回反映机组运行状态的各种数据及参数，已经形成大型的数据库或数据仓库这一事实，提出将数据挖掘中产生显式规则的方法应用于该领域。决策树、粗糙集、关联规则等数据挖掘方法能产生显示的规则，并能有效解决海量数据中知识的发现问题。 决策树是一个类似于流程图的树结构，主要用途是提取分类规则，进行分类预测。粗糙集理论无需提供除问题相关的数据集合外的任何先验信息，适合于发现数据中潜在的规律、不准确数据或噪声数据内在的结构联系，可以解决重要的分类问题。关联规则反映一个事件和其他事件之间依赖或关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。应用于故障诊断领域，对大量的机组状态数据进行挖掘，发现故障数据中存在的规律，以规则的形式体现出来，可以为故障诊断提供决策依据。利用转子实验台的模拟故障数据对提出的方法进行考核。结果表明，系统采用的几种方法所得出的规则是正确的，并能正确用于故障的分类工作，也可为专家提供有价值的信息。 在WINDOWS98开发平台上，结合开发工具Microsoft Visual C++ 6.0，SQL Server数据库管理系统。采用面向对象的程序设计思想和模块化程序设计方法，对基于显式规则的几种数据挖掘方法进行了软件实现，开发了基于故障诊断的挖掘系统，该系统具有一定的实用价值。 本文的创新点在于将数据挖掘产生规则的方法引入了故障诊断，结合先进的数据库管理系统，将数据挖掘中关联规则、粗糙集以及决策树方法用于故障的分类工作，并最终软件实现了以上的构想。