根据测量原理振动测量分为相对式测量和绝对式测量,本文设计出一种以磁悬浮球为测量元件的测振系统,属于绝对式振动测量,相对于传统的测量方式有着振子无机械连接、无机械摩擦损耗、测量精度高等优点。由于磁悬浮系统属于非线性系统,初始条件发生变化会出现混沌运动,不利于测量结果的准确性以及系统的稳定性。因此,对磁悬浮测振系统的混沌状态的识别尤为重要,本文通过BP神经网络以及基于遗传算法改进的神经网络对磁悬浮测振系统混沌状态进行识别。设计了磁悬浮测振系统,分析了组成部分及其工作原理,给出了磁悬浮测振系统模型和控制电路,在理论上证明了磁悬浮绝对式测量的可行性。根据光电位移传感器的输出特性、控制电路以及磁悬浮球的运动方程,建立了磁悬浮测振系统Simulink仿真模型,其他参数保持不变,通过改变零、极点的值,仿真得到输出波形。实验表明在一定条件下系统会出现双吸引子、单吸引子、周期运动和稳定四种状态。对于振动过程中存在的混沌特性进行系统分析,并建立混沌模型,通过仿真验证其混沌特性,总结混沌运动的边界条件,如何调节参数使系统脱离混沌状态。推导BP神经网络算法,总结出BP神经网络存在的不足,建立GA-BP神经网络的模型。选取特征值,作为网络训练以及测试样本,利用神经网络对数据进行训练,经过不断降低误差的过程,得到一个良好的网络,最后将实测数据代入,进行混沌状态的识别。实验结果表明,此网络能够准确识别磁悬浮系统的混沌运动状态。比较两种算法的识别结果,得到GA-BP神经网络比BP神经网络收敛速度更快、正确率更高。