随着自动化技术的发展，传感器的状态对设备控制性能的影响越来越大。传感器状态在线诊断技术正成为一个越来越重要的研究课题。 本文对轧机速度传感器状态和设备性能之间的关系进行了讨论，提出了对速度传感器在线诊断的迫切需求，分析了实现过程中存在的难点，寻找了能够反映速度传感器性能的参数及其获取方法，展示了传感器性能变化的实际规律。 本文分析了神经网络和支持向量机的特点。通过神经网络和支持向量机的参数分析，确定了数据预处理和输入输出的方式。利用这两种技术进行了异常状态识别的研究，并证明了在识别效率、训练时间等方面，支持向量机存在着巨大的优势。 Visual Basic和MATALB相结合，利用神经网络和支持向量机进行了软件的实现。从结构上看，软件分成了采集、分析和输出3个模块。采集模块展示了研究获得的数据文件结构、采集的频率及数据存储的问题。分析模块介绍了数据的预处理、状态识别、神经网络和支持向量机后期训练的原则。这些功能保证了该软件可以不断完善。输出模块介绍了报警方式、历史回放和手工识别的功能。 本文对于速度传感器在线诊断技术进行了有益的探索，初步解决了困扰工业现场多年的问题。随着生产经验的积累，本软件将被不断完善。该技术将能使更多设备的传感器实现状态维修，可以大大降低企业的生产成本。