SDG模型作为定性模型的一个重要分支,可以表达系统间复杂的因果关系,具有包容大规模潜在信息的能力,用于故障诊断时,不仅完备性好,适应性强,鲁棒性好,而且可以提供故障传播路径和演变解释。近年来,SDG故障诊断方法得到了学者们的广泛关注,发展迅速,在石油化工行业取得了较好的应用效果。但是基于SDG模型的故障诊断方法不可避免的具有定性方法中普遍存在的多义性推理导致分辨率低的缺点,而且存在对模型过于依赖以及计算大系统时诊断速度慢、实时性差等问题。粒计算从不同粒层研究问题,主要用于处理不确定的、模糊的、不完整的海量的信息,是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具。粒计算的知识约简在保证分类能力不变的前提下,去除冗余属性,导出最小规则,能约简复杂系统的冗余节点,提高故障诊断速率和实时性。本文将粒计算理论中的规则约简算法和推理算法引入到SDG故障诊断中,解决SDG故障诊断中存在的弊端,开展了以下几个方面的研究：(1)采用了一种新的基于GrC的规则约简算法,用于约去相容决策表中的冗余属性。(2)采用了一种基于GrC的规则推理算法,通过计算最大相似度寻找现场采集信息对应的决策,这种方法可以有效减少甚至避免推理中结果冲突的概率,提高分辨率。(3)采用了一种基于GrC的SDG故障诊断方法,以电站除氧器系统为例,搭建其SDG模型,获取SDG故障诊断的决策表,约简后生成粒库,利用GrC规则推理方法,通过计算最大相似度寻找故障源,并在Matlab仿真平台上,对算法的可行性进行了验证。仿真结果表明,该方法在保留SDG故障诊断诸多优点的前提下,提高了诊断的速率和分辨率。