本文主要以4200mm宽厚板轧机HGC（Hydraulic Gauge Control）系统的电液伺服阀为研究对象。电液伺服阀不仅是HGC系统中最容易发生故障的部位，而且性能好坏直接影响到宽厚板轧机的性能和可靠性。因此，开展电液伺服阀故障智能诊断方面的研究对保证产品质量，降低维修成本，推进设备维修现代化有着重要的意义。　　 当前伺服阀的故障诊断仍以离线为主，缺乏在线诊断的有效手段，为此，本文对伺服阀的动态特征信息的在线提取方法进行了研究。基于伺服阀的工作特性，提出了一种揭示伺服阀动态特征的状态信号选取方法。通过对伺服阀阀芯开口度进行时频联合分析，结合所选取的伺服阀特征参数，提取出反映伺服阀动态特征信息的特征向量。基于粗糙集理论对特征量进行了特征约简以提高在线诊断效率。通过人工神经网络对伺服阀性能在线诊断的实验结果表明，所提取的特征向量能够准确反映伺服阀动态特征信息，有效判断伺服阀的异常状态，为电液伺服阀的在线故障诊断奠定了基础。