1.一种基于BP神经网络的露天矿旋回式破碎机故障诊断方法，其特征在于，包括如下步骤：(1)数据采集及选取

数据采集是利用露天矿旋回式破碎机上布置的传感器实时获取原始故障数据，数据选取遵循开采强度多样性及时间多样性的原则，选取的目标是满足数据分布均匀性及有效性，以确保诊断模型训练结果的准确性；

(2)旋回式破碎机故障诊断模型训练

基于BP神经网络技术，首先对故障特征参数进行归一化处理，故障类型采用二进制编码方式处理；然后把故障特征参数作为网络输入，故障类型作为网络期望输出，再根据输入、输出的数据矩阵维度来确定网络输入层神经元个数n、输出层神经元个数l，而隐含层神经元个数通过先设定一个初始值来进行训练；最后设定网络训练参数，训练后计算出均方误差，若其小于期望误差，训练完成，否则，重新训练；

(3)旋回式破碎机故障诊断模型优化

通过确定隐含层神经元个数来进行模型优化，隐含层神经元个数的确定主要采用试凑法，设隐含层神经元个数为m，在网络训练参数不变的前提下，参照三个经验公式，得出隐含层神经元个数大概范围，在隐含层个数范围内，设定神经元个数初始值开始训练，训练后计算perf，并对比所有隐含层神经元个数情况下的perf大小，确定均方误差最小情况下所对应的神经元个数为隐含层神经元个数，完成模型优化；

(4)旋回式破碎机故障诊断模型诊断测试

以优化后的诊断模型为基础，在选取后的故障原始数据中再选一组数据作为故障测试数据，然后作为网络输入，测试诊断模型。

2.根据权利要求1所述基于BP神经网络的露天矿旋回式破碎机故障诊断模型的建立方法，其特征在于，所述步骤(2)中，以破碎机故障特征参数为网络输入，以故障类型为网络输出，网络拓扑结构为n-m-l。

3.根据权利要求1或2所述基于BP神经网络的露天矿旋回式破碎机故障诊断模型的建立方法，其特征在于，所述步骤(2)中设定的网络训练参数包括网络训练迭代次数net.epochs、网络训练期望误差net.goal及网络训练学习速率net.lr，其余参数运用神经网络的缺省值。

4.根据权利要求3所述基于BP神经网络的露天矿旋回式破碎机故障诊断模型的建立方法，其特征在于，所述网络训练迭代次数net.epochs＝500，网络训练学习速率net.lr＝

0.01，网络训练期望误差net.goal＝0.01。

5.根据权利要求1所述基于BP神经网络的露天矿旋回式破碎机故障诊断模型的建立方法，其特征在于，所述步骤(3)中三个经验公式是：m＝log2n

m>n-1

其中训练初始值为mmin，确定隐含层神经元个数为perfmin情况下所对应的神经元个数。

6.利用权利要求1所述基于BP神经网络的露天矿旋回式破碎机故障诊断模型的诊断方法，其特征在于，将检测数据作为网络输入，根据其输出结果，判断故障类型。