粗糙集故障诊断法（rough set fault diagnosis method），工学-控制科学与工程-系统辨识、建模与自适应控制-故障诊断-故障诊断方法-数据驱动的方法-粗糙集法，利用粗糙集属性约简技术提取故障诊断特征量的方法。粗糙集是继概率论、模糊集、证据理论之后的又一个处理不确定性的数学工具。粗糙集理论能有效地分析不精确、不一致、不完整等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。与模糊理论使用隶属函数和证据理论使用可信度不同，粗糙集的最大特点就是不需要数据集之外的任何主观先验信息就能够对不确定性进行客观的描述和处理。属性约简是粗糙集理论的核心内容，它是在不影响系统决策的前提下，通过删除不相关或者不重要的条件属性，从而可以用最少的属性信息得到正确的分类结果。因此，在故障诊断中可以使用粗糙集来选择合理有效的故障特征集，从而减小输入特征量的维数，降低故障诊断系统的规模和复杂程度。如在汽车玻璃故障检测中，利用粗糙集对从红外图像中提取的故障特征进行选取，所构造的检测特征向量能够在减小计算复杂度的同时提高检测精度。