1.一种采用地铁轨道扣件振动信号检测装置评估轨道扣件健康状态的方法，所述地铁轨道扣件振动信号检测装置包括：压敏电阻，所述压敏电阻安装在轨道扣件的下方，用于检测列车经过时，轨道扣件产生的振动，并将振动转化成电信号；

放大滤波电路，所述放大滤波电路接收振动信号，减少振动信号中的噪音；

A/D转换电路，所述A/D转换电路接收放大滤波电路发出的振动信号，将振动信号转换成数字信号，发送给处理器；

处理器，所述处理器接收A/D转换电路的振动信号，生成压敏电阻检测的振动波形，评估轨道扣件健康状况，并发送给显示器；

显示器，所述显示器显示扣件的振动波形和健康状况；

其特征在于，包括以下步骤：

S1：建立轨道扣件振动信号的数据库，在数据库中建立三个文档，三个文档包括健康轨道扣件振动信号文档、亚健康轨道扣件振动信号文档和危险轨道扣件振动信号文档；

S2：收集若干地铁轨道上轨道扣件工作时的振动信号，收集的振动信号包括健康轨道扣件的健康振动信号、亚健康轨道扣件的亚健康振动信号和危险轨道扣件的危险振动信号，并将收集的振动信号分配到对应的三个文档中；

S3：建立BP神经网络模型，所述BP神经网络模型的激励函数为：其中，xi为输入信号，e为误差函数；

S4：分别利用健康振动信号、亚健康振动信号和危险振动信号训练BP神经网络模型，分别得到健康振动信号BP神经网络模型、亚健康振动信号BP神经网络模型和危险振动信号BP神经网络模型；

S5：压敏电阻实时采集地铁经过时轨道扣件的振动信号，并分别发送给健康振动信号BP神经网络模型、亚健康振动信号BP神经网络模型和危险振动信号BP神经网络模型，识别出该振动信号的类型，并将识别结果显示在显示屏上；

所述步骤S4包括：

S41：将健康轨道扣件振动信号文档中的健康振动信号作为输入信号x＝(x1，x2，···，xn)，其中，xn为健康振动信号，n为健康振动信号的数量；

S42：对BP神经网络模型进行初始化，使各连接权值在区间(‑1，1)内取值，设定误差函数e的计算精度值和最大迭代次数M；

S43：将输入信号输入初始化后的BP神经网络模型中，得到输出信号：ho＝f(hi)

yo＝f(yio)

其中，wi为输入层与隐含层之间的连接权值，xi为健康振动信号，bh为隐含层各神经元的阈值，hi为隐含层的输入信号，ho为隐含层的输出信号，yio为输出层的输入信号，yo为输出层的输出信号，who为隐含层与输出层的连接权值，bo为输出层各神经元的阈值；

S44：计算输出层的输出信号yo与期望输出信号之间的误差信号，若误差信号在允许的误差范围内，则进入步骤S 411，否则进入步骤S45；

S45：利用误差函数e求输出层的偏导数：δo＝(do‑yo)yo(1‑yo)其中，do为期望输出信号；

S46：通过隐含层的输出信号ho和偏导数δo、输出层和隐含层之间的连接权值who，计算隐含层的偏导数：

S47：修正隐含层和输出层之间的连接权值和阈值，使实际输出无限趋近与期望输出：N+1 N

who ＝who+ηδohoN

bo＝bo+ηδo

S48：计算全局误差E

S49：利用全局误差E修正输出层的输出信号yo；

S410：计算修正后的输出信号与期望输出信号之间的误差信号，若误差信号在允许的误差范围内，则进入步骤S411；否则，重复步骤S45‑S49，继续修正输出层的输出信号yo，直到误差信号在允许的误差范围内；

S411：判断健康轨道扣件振动信号文档中所有的健康振动信号是否训练完成；

S412：若是，则完成健康振动信号BP神经网络模型的训练；否则，重复步骤S43‑S411，直到所有健康振动信号训练完成；

S413：分别将亚健康轨道扣件振动信号文档中的亚健康振动信号和危险轨道扣件振动信号文档中的危险振动信号作为输入信号，重复步骤S41‑S412，训练亚健康振动信号BP神经网络模型和危险振动信号BP神经网络模型。