环境振动状况监测对设备的安全运营至关重要。通过压电振动能量采集器可实现对环境振动信息的感知，再经过智能信息处理方法无线监测设施的安全运营状态。将无线传感与深度学习相结合，在充分研究压电振动能量采集器输出信号特征的基础上，提出了优化的卷积神经网络模型，用于识别环境异常振动模式，并设计实现了智能感知无线监测传感节点。系统工作时，节点可监测环境振动、温度信息并报警异常事件。测试结果表明，该传感节点在无线传输距离超过100 m的情况下，实现了环境振动事件的实时监测，报警时间小于5 s，环境振动模式识别准确率可达95.7%，监测环境温度状况并准确报警异常燃烧事件的时间小于3.7 s。该节点在野外目标监测等场合有广泛的应用前景。

为了有效采集多个方向的振动能量, 本文提出了一种圆柱形的压电阵列径向分布的二维(2D)振动能量采集器。通过将柔性弧形压电阵列径向分布在圆柱体上, 该采集器可以收集到二维(2D)平面内任意方向的振动能量。同时, 引入了角度带宽来描述采集器获取二维振动能量的能力。实验结果表明: 这种新型结构采集器的角度带宽接近180°; 而且, 通过把对称位置的聚偏二氟乙烯(PVDF)压电元件进行反向串联, 采集器的最大输出电压可以达到11.6 V; 当把对称位置的聚偏二氟乙烯(PVDF)压电元件反向并联时, 最大输出功率达到13.5 μW。与传统的悬臂式压电振动能量采集器相比, 该二维(2D)采集器具有更好的多方向振动能量采集性能。