滚动轴承状态监测
滚动轴承状态检测仪检查滚动轴承状态的方法 检测仪如何做好保养
滚动轴承状态检测仪检查滚动轴承状态的方法检测仪如何做好保养产品属性：振动检测：测量范围：0～199.9 mm/s，频率范围：1～5000 Hz轴承状态检测：测量范围：0～19.99 mm/s，频率范围：600 Hz ～12k Hz温度检测：测量范围：—20 ～+260C 非接触测量（选件）L—方法:检查滚动轴承状态的方法理论估算和实际测试表明：源于轴承的故障频率集中在高频范围，L—方法测量600 Hz 至 12k Hz 的振动，全部由机械故障如不平衡和不对中引起的振动被滤波器所抑制。
L—方法也反映润滑状态，在高L—值时应先检查润滑状态。
机器转速、功率和轴承尺寸对L—值几乎没有影响。
FT—VTM36只定义了两个状态，好和差1．良好的轴承状态和润滑状态，L值1，连续运行。
2．差的轴承状态和润滑状态，L值2，更换轴承。
3. 当 1L2 时，加油，改善润滑情形。
气体检测仪是一种气体泄露浓度检测的仪器仪表工具，包括：便携式气体检测仪、手持式气体检测仪、固定式气体检测仪等。
紧要利用气体传感器来检测环境中存在的气体种类，气体传感器是用来检测气体的成份和含量的传感器。
一、气体检测仪的寿命气体检测仪的使用寿命紧要取决于传感器。
用于检测有毒气体浓度的传感器和用于检测可燃气体的爆炸浓度的传感器。
用于测量有毒气体浓度的传感器大多是电化学传感器，使用寿命是2～3年。
用于检测可燃气体浓度的传感器大多是催化燃烧传感器，它的使用寿命在3～5年。
二、怎样使气体检测仪使用更长期我们有时候会有操作不当，或者是其他原因导致气体检测仪不是很灵敏，那我们应当怎样去保养呢，1、检查气体流量，流量过大或者过小对分析仪结果影响较大2、更换滤纸：停抽气泵，过滤罐排水3、检查气路系统中有无漏气现象。
抽泣泵膜片有无破损，取样探头密封圈是否分裂，四通阀、冷凝汽是否损坏等4、取样探头清洗，取样孔管路疏通5、检查冷凝器工作是否正常，通常温度调整在3摄氏度范围内6、检查测量器室看是否脏污，适时清洗。
智能化滚动轴承状态检测.
智能化滚动轴承状态检测院系：班级：姓名：学号：指导老师：摘要：轴承是各类机械设备中的常用部件，也是易损部件之一，轴承出现故障而得不到及时更换时，将可能影响整个机械装置的工作，所以对轴承进行状态监测，及时发现轴承的故障，将是十分必要的。
本文对轴承状态监测的流程及各流程的实现进行了较为详细的阐述，说明了进行轴承状态监测的意义及其技术的发展过程，之后介绍了状态监测的基本步骤及各个步骤的实现方法，最终完成对轴承状态的正确判断，并对此项技术进行了总结和拓展。
关键字：滚动轴承；状态检测；神经网络1绪论1.1滚动轴承滚动轴承（rolling bearing）是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。
滚动轴承图滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与轴承座相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，防止滚动体脱落，引导滚动体旋转起润滑作用。
滚动轴承结构图滚动轴承的作用是支承转动的轴及轴上零件，并保持轴的正常工作位置和旋转精度，滚动轴承使用维护方便，工作可靠，起动性能好，在中等速度下承载能力较高。
与滑动轴承比较，滚动轴承的径向尺寸较大，减振能力较差，高速时寿命低，声响较大。
1.2滚动轴承常见故障与检测技术滚动轴承常见故障滚动轴承在运转过程中可能会由于各种原因引起故障，如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等都可能会导致轴承过早失效。
即使在安装、润滑和使用维护都正常的情况下，经过一段时间运转，轴承也会出现疲劳剥落和磨损而不能正常工作。
总之，滚动轴承的失效原因是十分复杂的，其主要失效形式与原因如下[6]。
(1)磨损失效磨损是滚动轴承最常见的一种失效形式，是轴承滚道、滚动体、保持架、座孔或安装轴承的轴颈，由于机械原因或尘埃、异物等润滑杂质的侵入引起的表面磨损。
状态监测在滚动轴承故障诊断方面的应用
状态监测在滚动轴承故障诊断方面的应用摘要:滚动轴承是机械设备中常用的一种回转支承,对机械的运行精度和稳定性有着至关重要的影响。
因此,笔者结合自身的经验,对滚动轴承状态监测技术进行了分析,明确了滚动轴承状态监测的意义;在此基础上,本文分析了滚动轴承的常见故障模式,最后提出了三种常见的滚动轴承状态监测方法,旨在更加系统的了解这一技术，保障滚动轴承平稳的运行。
关键词：滚动轴承；状态监测；故障方式；方法轴承是影响机械设备的关键。
对机组轴承的状态检测、故障诊断和维修势在必行。
随着现代信息技术的进一步发展,信息技术已广泛应用于故障诊断,并成为保证机组轴承运行能力的关键。
一、滚动轴承状态监测的意义滚动轴承是机械旋转中使用的标准部件，作为一种旋转支架,最容易发生操作故障。
滚动轴承具有润滑方便、成本低、效率高、操作灵敏度高、维护快捷方便等诸多优点,在机械行业中得到了广泛的应用。
根据相关统计结果,目前,超过30%的机械故障来自滚动轴承。
由此可见，滚动轴承在工作中能否正常、稳定的运行，对整机运行精度、可靠性及寿命均产生重要影响。
将状态监测技术应用于滚动轴承的故障判断,可以有效降低事故率和维修成本。
因此,如何科学有效地开展滚动轴承的状态监测,对提高滚动轴承的运行稳定性具有重要意义。
二、滚动轴承常见的故障方式目前，滚动轴承主要包含下述几种故障方式：(一)磨损滚动轴承作为一种回转支承,在高速运行状态下,滚道与滚动体之间的相对运动,由于润滑状态不良或外部异物的进入,导致轴承磨损,导致轴承间隙超过标准允许值,增加表面粗糙度,降低轴承本身的精度,并导致轴承运行失败。
(二)疲劳脱落滚动轴承在运行过程中,受载荷的影响,皮料裂缝在最大剪边应力地方集中，随着疲劳裂纹的延伸会逐步接触至零部件表面，导致接触位置处产生斑点式的剥落现象，随后逐步扩大，这是当前导致滚动轴承性能不佳的重要原因。
(三)胶合这种故障模式主要发生在重载、高速工况下。
滚动元件与滚道之间有异物感或轻微不平感,会导致应力不均匀。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断展开全文本文中研究滚动轴承故障诊断研究的基本方法将采用滚动轴承的振动信号分析的方法，采取与正常轴承振动信号作对比的方式，抽样选取不同轴承振动的信号，通过比对从而判断该滚动轴承的故障类型并在此基础之上获得其状态监测的方法。
1.监测与诊断的目的和意义滚动轴承是旋转机械的重要组成部分，同时也是旋转机械中最容易出现故障的部件之一。
它具有造价较低、润滑冷却方便、运行灵敏、使用效率较高、维修便捷等优点，在机械行业应用广泛。
据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，所以，对滚动轴承的状态监测和故障诊断进行研究势在必行。
滚动轴承正常运行与否，对于整机的可靠性、精度以及寿命等性能有很大的影响。
据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，在将故障诊断技术运用到生产中以后，事故率降低近70%，同时降低的维修费用也有近40%。
利用轴承状态监测技术可以了解轴承的使用性能，并对可能发生的故障进行早期检测，分析和预测可能发生的故障，进一步提高设备的管理水平和维修效率，经济效益十分显著。
2.轴承故障诊断的发展历程轴承故障诊断刚开始主要是依靠人工听觉来诊断，再有就是利用探听棒这种方法在许多企业中仍在使用，一些工具已经被改进到电子听诊器。
例如，当使用电子听诊器检测轴承故障时，具有经验丰富的人员可以凭经验诊断轴承疲劳剥落，有时还可以诊断出损伤发生的位置，但是其它的外部原因，可靠性有时会无法得到保证。
随着科技的发展，越来越多的振动仪器被运用到在滚动轴承的状态监测工作中。
这些仪器利用振动位移、速度和加速度的均方根值或峰值来判断轴承是否有故障。
这些仪器减少我们对经验的依赖，使得监测和诊断的准确性有了很大的提高，但是在故障发生的初始阶段仍然很难及时做出准确的诊断。
瑞典SKF公司在多年研究轴承故障机理的基础上，于1966年发明了脉冲计检测轴承损伤的方法，很大程度上的提高了滚动轴承的故障诊断工作的准确性和及时性。
滚动轴承状态监测与故障检测
本文采用压电式加速度传感器获取原始振动信号序列，经零均值预处理后利用振动信号分析诊断法对滚动轴承运行状态进行智能化监测。
通过MATLAB软件对滚动轴承振动信号进行时域和频域范围的分析，得到时域特征值、频域特征值和FFT谱特征值，对获取的有效特征值归一化处理后作为输入神经元传递到BP神经网络中。
网络模型经过训练使其误差在允许的范围内即模型初步建立，经校验模型符合条件后就可对滚动轴承状态进行模式识别，实现滚动轴承故障的快速诊断。
关键词：特征抽取，BP神经网络，MATLAB第一章绪论 (1)1.1．滚动轴承运行状态智能化监测的研究意义 (1)1.2．滚动轴承故障形式分析 (1)1.3．滚动轴承主要的状态监测技术 (2)1.3.1 振动信号分析诊断法 (2)1.3.2轴承润滑状态监测诊断法 (2)1.3.3 油液分析诊断法 (3)1.3.4 温度监测诊断法 (3)1.4．滚动轴承状态监测常用传感检测方法 (3)1.5．滚动轴承运行状态特征信号提取处理方法 (3)1.5.1 时域分析 (4)1.5.2 频谱分析 (4)1.5.3 小波分析 (5)第二章滚动轴承振动信号处理和特征抽取 (5)2.1．滚动轴承振动信号处理 (6)2.1.1MATLAB软件简介 (6)2.1.2 MATLAB软件应用实例 (7)2.1.3 滚动轴承振动信号数据预处理 (7)2.2．滚动轴承振动信号特征抽取 (9)2.2.1滚动轴承振动信号时域特征值抽取 (9)2.2.2 滚动轴承振动信号频域特征值抽取 (11)2.2.3滚动轴承振动信号的FFT谱特征值抽取 (12)2.3．滚动轴承振动信号特征值归一化 (14)第三章基于BP神经网络的滚动轴承故障模式识别 (16)3.1．BP神经网络工作原理 (16)3.2．滚动轴承故障的BP神经网络设计 (18)3.2.1输入层和输出层神经元个数的选择 (18)3.2.2隐含层神经元个数的选择 (19)3.2.3BP神经网络训练参数选择 (19)3.2.4滚动轴承状态模式识别 (19)3.2.5 BP神经网络模型测试 (20)第四章结论 (20)参考文献 (21)附录：MATLAB程序设计 (22)第一章绪论1.1.滚动轴承运行状态智能化监测的研究意义随着现代化生产的日益规模化与自动化，机械设备的故障检测技术愈显重要，机械故障检测也越来越受到重视。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断滚动轴承是工业领域中常见的机械部件之一，主要用于支撑和转动机械设备。
在使用过程中，滚动轴承可能会出现一些故障，如轴承损耗、磨损等问题。
针对这些故障，及时进行状态监测和故障判断是非常必要的。
本文将从滚动轴承的状态监测和故障诊断两个方面进行介绍。
指标监测：通过监测关键指标，如轴承的温度、位置振动、噪声等，可以获得轴承的运行状态。
其中，温度的监测是比较常见的方法，通常使用温度计和红外线测温技术进行监测。
对于高速轴承还可以使用锅炉测温计进行实时监测。
位置振动监测是指通过振动传感器或加速度计获取轴承的振动数据，根据振动数据来分析轴承的状态。
如果轴承的振动频率很高，则说明可能存在故障。
油润滑监测：为了确保轴承的正常运行，需要进行油润滑监测。
在油润滑监测过程中需要测量油温、油压、粘度等指标，同时还需要检查油的浑浊度和金属微粒的含量。
这些指标可以帮助判断油润滑的状态是否正常。
损耗诊断：损耗是指轴承零件表面材料的脱落、烧焦、磨损等现象。
通过损耗诊断可以确定损耗的原因，如材料强度、润滑状况等。
损耗诊断可以使用金相分析和扫描电子显微镜等技术。
磨损诊断：磨损是指轴承零件表面材料被磨损或腐蚀的现象。
磨损可能是由于轴承内部的某些因素引起的，例如材质、润滑状况、工作载荷等。
可以使用虚拟仪器技术、金属磨损颗粒分析等方法对轴承的磨损程度进行诊断。
结论通过对滚动轴承的状态监测和故障诊断，可以提高轴承的可靠性和安全性，延长轴承的使用寿命，减少维修和更换的次数和成本。
因此，对滚动轴承进行状态监测和故障诊断是非常重要的。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断滚动轴承作为工业设备中常见的零部件之一，承载着机器运行过程中的重要轴向负荷。
滚动轴承的状态监测与故障判断对于设备的正常运行和维护至关重要。
本文将探讨滚动轴承的状态监测技术、故障判断方法以及相关的应用实例。
一、滚动轴承的状态监测技术1. 振动监测技术振动监测是最常见的滚动轴承状态监测技术之一。
通过在轴承上安装振动传感器，可以实时监测轴承运行时所产生的振动信号。
根据振动信号的频率、幅值和波形等特征参数，可以判断轴承的运行状态，从而及时发现轴承的异常情况。
声音监测是利用特定的声学传感器对轴承运行时产生的声音信号进行监测和分析。
通过分析声音的频谱、频率和幅值等参数，可以判断轴承的工作状态和存在的故障问题。
温度监测是通过在轴承上安装温度传感器，实时监测轴承的工作温度。
当轴承发生异常时，温度会升高，通过监测温度的变化可以及时发现轴承故障的存在。
4. 油膜厚度监测技术滚动轴承常常需要润滑油润滑，在轴承内形成一定厚度的油膜以减少摩擦和磨损。
油膜厚度监测技术可通过超声波传感器或其它传感器测量油膜的厚度，判断油膜的完整性和润滑效果，进而判断轴承的工作状态。
二、滚动轴承的故障判断方法1. 振动特征分析法通过对轴承振动信号的频谱分析、包络分析和趋势分析等方法，判断轴承是否存在异常振动，以及具体的故障类型，如轴承内环、外环或滚动体的故障。
通过监测轴承的工作温度，分析温度的变化趋势和幅值变化，判断轴承是否存在异常，例如摩擦热、润滑不良或局部热点等故障。
1. 航空发动机轴承的状态监测与故障判断航空发动机轴承是航空发动机中的重要部件，其状态的监测与故障的判断对飞机的安全运行至关重要。
航空发动机轴承通常采用振动监测和声音监测技术，通过监测振动信号和声音信号的特征参数，判断轴承的工作状态和可能存在的故障问题。
滚动轴承的状态监测与故障判断是工业生产中的重要课题，通过采用多种监测技术和故障判断方法，可以有效地保障轴承的安全运行，延长其使用寿命，提高设备的可靠性和运行效率。
滚动轴承的状态检测与故障诊断
d BSF = 2D [1− ( D cosθ)2 ]× f0 d
d FTF = 1 (1− D cosθ) × f0 2
有时难以测量轴承的几何尺寸，在知道滚动体数目的情况下，可以用以下公 式估算轴承的故障频率：
内
环：
BPFI = ( n +1.2) × f 0 2 BPFO = ( n −1.2) × f 0 2
3.轴承故障频率计算
内环滚动，外环固定，这是滚动轴承最常见的安装方式。其故障 频率分别为： 内 环： 外 环： 滚动体： 保持架： 式中： n——滚动体数目 d——滚动体直径 D——轴承节径，即外环内径与内环外径的平均值 θ——接触角，对于推力轴承，接触角θ为90°。
d BPFI = n (1+ D cosθ ) × f0 2
1）第一阶段：轴承的超声频率振动阶段
轴承最早期的故障是表现在250kHz～350kHz范围的超声频率的振动异常，随着故 障的发展，异常频率逐渐下降移到20kHz～60kHz。
2）第二阶段：轴承的固有频率振动阶段
随着轴承的运转，轴承滚动表面会产生轻微的缺陷，这些轻微缺陷引 起的振动会激起轴承部件的固有频率(fn)振动或轴承支承结构共振，一般振 动频率在500Hz～2kHz。
二、诊断技术和方法
1.滚动轴承的失效形式 1.滚动轴承的失效形式 2.滚动轴承的失效过程 2.滚动轴承的失效过程 3. 故障频率计算 4.振动特征的分析方法 4.振动特征的分析方法
1.滚动轴承的失效形式
1）疲劳剥落
滚动轴承的内外滚道和滚动体交替进入和退出承载区域，这些部件因长时间承 受交变载荷的作用，首先从接触表面以下最大交变切应力处产生疲劳裂纹，继而扩 展到接触表面在表层产生点状剥落，逐步发展到大片剥落，称之为疲劳剥落。疲劳 剥落往往是滚动轴承失效的主要原因，一般所说的轴承寿命就是指轴承的疲劳寿命。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
轴承故障诊断1.1、轴承状态检测的意义：伴随着科学技术的发展，现代化设备日趋大型化、自动化和连续化。
设备一旦发生故障将给产品的质量、乃至人员的生命安全构成严重威胁，因此，企业在设备的维护中花费了大笔费用，以保证其安全运行，如今，保证设备的正常运行，最大限度的减少费用，保证安全，设备故障诊断无疑成为解决这些问题的重要手段。
例如滚动轴承，作为机电系统中非常重要的零件，同时又是极易受损的零件，而滚动轴承的状态对工业生产、交通运输等很多方面有很多影响。
对于工业生产来说，如果能随时地检测到轴承的工作状态，并进行恰当的维护，将会给生产带来更大的经济效益。
然而对于交通运输来说，只有保证列车滚动轴承工作在良好的状态下，才能保证旅客的安全，以及运输系统的正常运作。
据统计，在使用滚动轴承的大多旋转机械中，约30%的机械故障是由滚动轴承造成的。
文献①，由于设计不当和安装工艺不好或者是使用状态不佳，或突发载荷的影响，使轴承在正常运行一段时间之后，产生缺陷，并且在继续运行中进一步恶化，使轴承的运行状态发生变化。
因此，对轴承故障的诊断就显得十分重要。
1.2、轴承状态检测常用方法：1.2.1、温度法：用温度传感器检测轴承座或轴承外的箱体处的温度，来判断轴承的工作状态是否正常。
温度检测对轴承载荷、速度和润滑情况的变化比较敏感，尤其对润滑不良而引起的轴承过热现象很敏感。
但是，当轴承出现早期点蚀、剥落、轻微磨损等比较微小的故障时，温度检测就无能为力了。
因此，这一方法有其明显的不足。
文献①1.2.2、油样分析法：从轴承所使用的润滑油中取出油样，通过收集和分析油样中金属颗粒的大小和形状来判断轴承的受损情况。
但是这种方法只适用于润滑有轴承，对于脂润滑来说，就不适用了。
同时，可能受到从外围部件上掉下的颗粒的影响，使判断结果的准确性受影响。
这种方法也有其局限性。
文献①1.2．3、振动信号分析法：通过安装在轴承底座或箱体恰当位置上的振动传感器检测轴承的振动信号，并对采集到的信号进行分析和处理来判断轴承的状态，振动法具有如下优点：一、适用于各种类型，各种工况的轴承。
二、可以有效地诊断出早期的故障。
三、信号的测试及处理简单。
四、诊断结果十分可靠等。
因此在实际中得到了广泛应用。
文献④1．3、国内外研究的概况及趋势：文献①目前，国内外开发生产的各种滚动轴承的诊断仪器和系统大多都是根据振动法制成的。
滚动轴承故障诊断始于上世纪六十年代，随后，各种方法不断发展，不断完善，大致经历了如下几个阶段：第一个阶段：利用通用的频谱分析仪诊断轴承故障。
第二个阶段：用冲击脉冲技术诊断轴承故障。
第三个阶段：用共振解调技术诊断轴承故障。
第四个阶段：开发以微机为中心的监视与故障诊断系统。
目前的研发属于第四个阶段。
并且随着信号检测技术、计算机技术、数字信号处理技术、人工智能的发展，故障诊断已经成为融合了数学、物理、力学等自然科学，以及计算机技术、数字信号处理技术、人工智能技术相结合的综合学科。
当今故障诊断的趋势是传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊断技术的智能化。
1.4、常用分析方法：1.4.1、时域波形分析法分析过程包括时域波形、调幅解调、相位解调等。
文献⑤1.4.2、频域分析法主要通过对功率谱、细化谱的分析。
文献①1.4.3、时频域分析方法该方法主要包括：包括短时FFT，维格纳分布，小波分析等; 文献③1.4.4、双谱分析法该方法可以敏感地检测滚动轴承的工作状态，并且利用特征图谱可以有效识别轴承的不同故障。
文献④1.4.5、基于EMD的时频分析法EMD是一种具有自适应能力的平稳化处理方法，是目前提取数据序列趋势或均值的最好方法，广泛应用于地震监测、故障诊断等研究领域。
文献⑤1.5、运行状态识别：1.5.1、支持向量机——该方法利用有限的故障样本,以结构风险最小原理为基础,建立滚动轴承早期故障特征与其运行状态之间的对应函数关系,即故障分类器,并以该函数的输出判定轴承的早期故障类型。
实验结果表明,小波包分析能够有效的提取滚动轴承中微弱的早期故障特征,支持向量机可以对这些早期故障特征进行准确识别。
文献②1.5.2、连续隐Markov模型(HMM)——小波-HMM可以在变转速变载荷工况下以及未知转速情况下对滚动轴承的各种故障有效地进行诊断。
文献⑦1.5.3、BP、RBF和PNN神经网络模型——利用声发射在线检测系统对故障滚动轴承进行测试,提取不同故障轴承声发射信号特征参量作为神经网络输入向量,并分别用3种神经网络对滚动轴承故障模式进行识别.结果表明,采用BP神经网络的声发射信号识别技术的正确识别率略低于其余2种的识别率;RBF和PNN 网络的分类结果相同,且在分类能力和学习速度方面均优于BP网络.。
其中，BP 神经网络是前向网络的核心部分，体现了神经网络中最精华、最核心、最完美的内容。
文献①BP神经网络是由Rumelhart等在1986年提出的一种监督学习的人工神经网络，它采用误差反向传播训练算法（Back-Probagation简称BP算法）来进行，系统地解决了多层网络中隐含单元连接权的学习问题。
目前，在人工神经网络的实际应用中，绝大部分神经网络采取的是BP神经网络和其变化形式，也是前向网络的核心，体现了神经网络最精华的部分。
文献②中，作者从包罗信号的时域和频域信号中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入，用BP算法对该网络进行训练，很好地实现了对滚动轴承的故障诊断。
文献⑤1.5.3.1：人工神经网络吸取了生物神经网络的许多优点，因而有其固有的优点：高度的并行性；（一）、高度的非线性；（二）、良好的容错性与联想记忆功能；（三）、很强的自学习能力和对环境的适应能力。
1．5.3.2：神经元模型如下：文献⑧文献⑧神经元模型是神经元的基本处理单元，它一般是一个多输入、单输出的非线性元件。
文献①1.5.3.3:BP网络包括三种网络层，分别是输入层、隐层和输出层，其中隐层可以是多层，也可以是单层。
神经网络层次结构如下：文献⑧文献⑧1.6、文献综述总结：1.6.1、轴承状态检测常用方法有：油样分析法、温度法、振动信号分析法等。
其中最为广泛应用的是振动信号分析法。
1.6.2、国内外研究的概况及趋势大体上为：以及计算机技术、数字信号处理技术、人工智能技术相结合的综合学科。
以及传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊断技术的智能化。
1.6.3、常用分析方法：时域波形分析法、频域分析法、时频域分析方法、双谱分析法、基于EMD的时频分析法。
其中时频分析法应用尤为广泛。
1.6.4、常用的运行状态识别方法：支持向量机、连续隐Markov模型(HMM)、BP、RBF和PNN神经网络模型。
其中神经网络模型的应用尤为广泛，而神经网络的算法中，后向传播BP 神经网络的应用最为广泛。
2、轴承状态监测装置2.1、传感器的选择2.1、振动传感器的型号、性能选择，是振动传感器获得精确测量结果的前提。
振动传感器的选型受很多因素影响，其中振动传感器的灵敏度和振动传感器的频率范围，是选型中的重点，决定了振动传感器在实际测量中的表现水平。
振动传感器的频率范围是指以指定频率点的灵敏度作为基准，在一定灵敏度偏差内的频率范围。
振动传感器在选择时，如果选择灵敏度高的，则高频截止频率较低、振动传感器质量重，反之振动传感器的体积小、重量轻，但灵敏度相对较低。
振动传感器的测量频率范围除了和灵敏度相关之外，还取决于振动传感器本身的安装方式。
振动传感器的使用频率范围必须配合适当的安装方式，否则过度追求振动传感器的测量频率范围，会导致振动传感器的安装困难，也会增加振动传感器的购买成本。
振动传感器测量频率范围和灵敏度是用于估量测量结果精确程度的指标，反过来说，了解所要测量的振动量，对振动传感器这两个指标的选择也有很强的指导性意义，因此在选择振动传感器前，可以先对振动量进行估计，而后选择合适的振动传感器指标。
振动传感器的选型，在估计振动量，并确定最大和最小的测量值的前提下，应考虑振动传感器的外在尺寸和频率范围条件，而后确定振动传感器的灵敏度，当然在以上条件许可的情况下，灵敏度的选择是越高越好。
2.2、振动传感器的分类：2.2.1、振动传感器按测量的机械量不同，能分为：振动位移传感器、振动速度传感器、振动加速度传感器、振动力传感器、振动应变传感器、扭振传感器和扭矩传感器等。
2.2.2、振动传感器按机电变换原理的不同，分为：电压式振动传感器、压电式振动传感器、电涡流式振动传感器、电感式振动传感器、电容式振动传感器、电阻式振动传感器、光电式振动传感器等。
2.2.3、首选压电传感器，因为压电式传感器因其频域宽、动态范围大、可靠性高、使用方便等，应用十分广泛。
压电加速度传感器是利用压电晶体的正压店效应。
其原理是某些晶体在一定方向外力的作用下或承受变形时，它的晶体表面或极化表面将会有电荷产生，这种从机械能到电能的变换叫压电效应。
压电式传感器测试的示意图如下：前置放大器的作用：一是放大压电元件的微弱信号；二是高阻抗输入变为低阻抗输出。
前置放大器的类型：电压放大器电荷放大器2.2.4、影响压电式传感器选择的主要因素：2.2.4.1、灵敏度。
压电传感器的灵敏度分为电荷灵敏度Sq和电压灵敏度Sv。
2.2.4.2、频率。
一、低频振动，振动传感器的频段可选为：0.1kHZ —1kHZ 。
二、中频段振动：机械设备中的振动一般是中频段振动，可根据设备振动及设备刚度等综合估算振动频率，大致范围为：0.5Khz —5kHZ 。
三、高频振动。
由碰撞和冲击引起。
2.2.4.3、由计算公式确定轴承故障时的大致特征频率的一般公式：滚动体缺陷：⎪⎪⎭⎫ ⎝⎛--=α222cos 12d D f f d D f r a b 内滚道缺陷：⎪⎭⎫ ⎝⎛--=αcos 12d D f f Z f r a i 外滚道缺陷：⎪⎭⎫ ⎝⎛-+=αcos 12o d D f f Z f r a 当外圈滚动内圈静止时：r f =0；当内圈滚动而外圈静止时：a f =0. 其中：Z 为滚动体数目；α为触角；b f 为滚动体公转频率；r f 为内环的旋转频率；o f 为外环的旋转频率; d 为滚动体直径。
当内圈静止，再选定Z 、α就可确定内、外圈故障时的特征频率。
进一步确定相应频段的压电传感器。
2.2.5、传感器具体型号选择在本系统中，传感器选用的是CA-YD-117压电式陶瓷片2.3.1、电荷放大器基本电路如下：2.3.2、电压放大器：高输入阻抗的比例放大器()20im /1w w QwRU +=iC C C C Q ++≈a电压放大器输出电压与电容C = C a + C i +C c 密切相关，连接电缆的长度与形状变化，会给测量带来不稳定因素，影响传感器的灵敏度。