我国经济的高速发展所带来负面问题就是大气颗粒物浓度污染在不断加剧,危及着人们的健康安全。对大气颗粒物污染浓度的有效治理就成为了保障人们身体健康和社会和谐发展的关键因素。微量振荡天平监测仪对大气颗粒物浓度污染可以进行有效监测,而其内部最主要的单元是质量传感器。质量传感器是保障着大气颗粒物污染浓度监测结果输出的准确性,为环境的治理提供更科学的依据,本文对质量传感器故障诊断技术进行了深入探讨和研究。1)对质量传感器故障诊断的背景意义和国内外发展现状及趋势进行介绍。2)在微量振荡天平实验台上模拟质量传感器的四种运行状态,包括正常状态、失衡状态、松动状态和不对中状态,采集质量传感器四种状态下的振动信号,为进一步研究小波分析理论提供可用的实验数据。3)研究基于分析理论的信号特征提取,对微量振荡天平实验台上采集到的质量传感器四种状态下的数据利用小波分析法进行特征提取,综合考虑使用“频率等分”法更简单实用。4)研究小波分析理论与神经网络相结合的故障诊断方法,将小波包和BP神经网络理论结合起来,先利用小波包对质量传感器四种状态下的振动信号进行特征向量提取,再将提取的特征向量作为BP神经网络的输入样本进行样本训练和样本测试,目的是使得BP神经网络具有质量传感器故障识别的功能。运用小波包与BP神经网络相结合的方法对质量传感器的四种状态的故障识别率都超过90%,该方法对质量传感器具有较好的故障识别能力。