Para realizar el diagnóstico de fallos del reactor de polimerización de cloruro de polivinilo (PVC), se propone una estrategia de diagnóstico de fallos basada en redes neuronales probabilísticas (PNN) y conjuntos aproximados (RS). En primer lugar, mediante el análisis de la técnica del reactor de polimerización de PVC, se establece la relación entre los datos del proceso de polimerización y los modos de fallo. Luego, se utiliza la teoría de conjuntos aproximados para abordar el vector de entrada de la PNN con el fin de reducir la dimensionalidad de la red y mejorar la velocidad de entrenamiento de la PNN. Se adopta el algoritmo de salto de rana barajada (SFLA) para optimizar el factor de suavizado de la PNN. La clasificación de patrones de fallo del equipo del kettle de polimerización busca realizar el mapeo no lineal del conjunto de síntomas al conjunto de fallos de acuerdo con el conjunto de síntomas dado. Finalmente, se llevan a cabo experimentos de simulación de diagnóstico de fallos combinando con los datos históricos industriales del kettle de polimerización, y los resultados muestran que la estrategia de diagnóstico de fallos RS-PNN es efectiva.