随着现代工业对机械设备的性能要求的提升,复杂化、精细化、智能化和自动化是现代机械设备的发展趋势。同时对设备的故障检测也提出了更高要求,越来越多的研究者开始研究更优良的机械设备的故障诊断技术。在众多机械设备中,辊轮组在机械设备中是一种常见的零部件,一旦辊轮组出现故障,辊轮组之间的压力不均匀,对产品的合格率有着重大影响,因此研究辊轮组的故障检测技术对提高成品率和合格率有着重大意义。本文总结了前人的研究经验,在前人的研究基础上利用分布式石墨烯柔性传感器对辊轮组的故障进行检测研究,主要工作内容如下:第一,首先分析了设备故障检测的研究背景以及研究的意义,阐述了分布式传感网络的发展情况,分析了国际上其他国家关于设备故障诊断技术的研究进展情况以及国内的研究进展情况,着重介绍了目前在设备故障诊断技术中经常用到的一些故障诊断方法,并分析了这几种方法的特性以及适用的场景。第二,介绍了分布式压力传感器的国内外研究现状,并根据机械故障检测的特点,设计了一种基于石墨烯材料的分布式柔性压力传感器,并且对该器件进行压力标定测试和压力分布测试,保证了对采集数据进行处理的可靠性。第三,介绍了分布式柔性压力传感器以及辊轮组故障数据采集系统的设计,包括硬件设计和软件设计;在硬件设计中,设计了原理图,解决了分布式压力传感器的行列信号的串扰问题;软件设计中包含下位机采集系统的程序设计、上位机数据接收处理程序的设计以及数据通讯协议规则的设计。第四,介绍了用BP神经网络和概率神经网络算法进行分类的原理,并使用这两种算法设计了辊轮组的故障监测模型,实现了算法,并且做了对比分析。结果表明,基于概率神经网络的诊断算法对的辊轮组故障识别率高达98.64%,并且基于概率神经网络的故障检测算法在创建和训练网络的时间上具有很大的优势。而基于BP神经网络的故障诊断算法对辊轮组故障的识别率仅为96.52%,并且收敛速度相对较慢。因此要求实时性的条件下,基于概率神经网络诊断算法和分布式石墨烯柔性压力传感器的故障诊断系统是一种优良的装备检测技术。