粗糙集理論是一種處理的有效的數學工具，它在知識分類和知識獲取得到成功應用模糊和不確定性知識的。粗糙集理論與神經網絡法，遺傳算法，模糊集理論，混沌理論和“軟科學”不同的方法，它僅使用由信息提供的數據，不需要任何額外的信息或先驗知識，如基本概率證據理論，模糊集合從屬關係函數，在統計理論概率分佈分配，粗糙集的基礎，用於分類的數據觀察和測量，直接測量輸出對象，消除了冗餘信息和衝突的信息的方法，從而找粗糙集理論的內在規律，因此比“軟計算”方法等更加實用。粗糙集理論的診斷的一般步驟：
(1)知識庫建立利用搜集到的歷史或仿真數據生成聯合診斷系統故障信息表，進而表示爲知識庫的'形式。
(2)數據離散化數據離散化方法包括等距離劃分算法、等頻率劃分算法、NaiveScaler算法、基於屬性重要性算法和基於斷點重要性算法，以及布爾邏輯和粗集理論相結合的算法等，使條件屬性和決策屬性的取值爲連續的不確定性空間，數據離散化是運用粗集理論的數據預處理。
(3)特徵提取從原N個數據特徵中找到M個數據特徵，簡化後M個數據特徵對對象空間U的分類能力和原N個數據特徵的分類能力相同(N，M)，此過程稱爲特徵提取。常用的特徵提取方法有基於屬性重要性的最小約簡、基於差別矩陣和差別函數的邏輯化簡、基於包含度理論方法的最大分佈約簡、基於下近似質量不變進行屬性約簡和對存在噪聲污染時用基於上近似質量的任一約簡。
(4)規則應用提取的規則集可用來對新對象進行分類，該規則集稱爲“分類器”，用RUL來表示。當分類器遇到一個新對象X時，則在規則集RUL中尋找與x的條件屬性相匹配的規則，應用規則集可判斷新對象x決策屬性。