液体电磁阀的故障诊断是保证飞行器动力系统正常工作、实现故障快速定位的重要手段。为了对液体电磁阀进行检测与诊断，提出了一种基于经验模态分解（EMD，Empirical Mode Decomposition）与邻域粗糙集相结合的新方法。首先对电磁阀的结构、故障形式、故障机理进行了分析，通过采集电磁阀正常、弹簧失效、阀芯卡滞、线圈异常、电气短路五种状态的驱动端电流信号，对不同状态的电流进行了分析。针对电流稳态长度难以控制，EMD分解获得的本征模态函数（IMF，Intrinsic Mode Function）分量的能量熵存在不一致的特点，选用电流变化率作为特征对其进行EMD分解。引入数据挖掘思想，采用邻域粗糙集构造贪心式属性约简算法进行属性约简，将约简后的属性集输入所设计的C4.5决策树算法，经过训练，其诊断准确率达到98%。研究结果表明：该方法能够实现液体电磁阀的快速诊断，具有一定的应用价值。
