矿石破碎加工在采矿生产工艺中是一个极其重要的环节，由于破碎机等大中型设备在实际使用的过程中存在冲击强烈、磨损严重等缺点和不足，且存在各种类型故障和设备部件运动的高复杂性，因此，在实际作业中始终面临着设备部件维修周期长、故障发病率高的特点。以旋回式破碎机为实例，利用各类传感器实时采集数据，基于BP神经网络构建故障诊断模型，选取4大故障类型，包括平行轴油温异常、轴承磨损、平行轴缺油和偏心套故障，同时将轴承转速、润滑油油压、回流油温和轴承振动频率作为4大故障特征参数，使用样本数据对BP神经网络故障诊断模型进行训练和优化，并使用测试数据验证了旋回式破碎机故障诊断模型的准确性及可行性。