1.一种变化幅度承受程度识别系统，其特征在于，所述系统包括：逐时触发设备，设置在被监控温度的运行状态下的机械主体上，用于每隔固定时间发送一次现场触发信号；

温度测量机构，设置在所述机械主体的被监控温度的位置，与所述逐时触发设备连接，用于每接收到一次现场触发信号执行一次所述机械主体的外壳温度的测量，以获得对应的实时外壳温度；

变化检测机构，与所述温度测量机构连接，用于对每一个实时外壳温度执行以下变化检测：基于历史最近数个实时外壳温度与本实时外壳温度的变化趋势获得本实时外壳温度对应的温度变化斜率；

现场可编程门阵列，在VHDL语言的配置下运行定制的多层神经网络，所述定制的多层神经网络以所述变化检测机构输出的固定数量的温度变化斜率作为输入，以机械主体能否承受温度变化幅度为输出；

液晶显示机构，设置在所述机械主体的附近，与所述现场可编程门阵列通过无线局域网建立数据连接，用于接收并显示所述定制的多层神经网络的运行结果；

其中，基于历史最近数个实时外壳温度与本实时外壳温度的变化趋势获得本实时外壳温度对应的温度变化斜率包括：将历史最近数个实时外壳温度与本实时外壳温度进行曲线拟合以获得变化曲线，进而获得所述变化曲线的最大斜率以作为本实时外壳温度对应的温度变化斜率；

其中，所述现场可编程门阵列还在VHDL语言的配置下，以机械主体能承受温度变化幅度状态下的固定数量的温度变化斜率作为输入，以能够承受温度变化幅度为输出对所述定制的多层神经网络进行训练；

其中，所述现场可编程门阵列还在VHDL语言的配置下，以机械主体无法承受温度变化幅度状态下的固定数量的温度变化斜率作为输入，以无法承受温度变化幅度为输出对所述定制的多层神经网络进行训练；

其中，在VHDL语言的配置下运行定制的多层神经网络包括：在VHDL语言的配置下运行训练后的定制的多层神经网络。

2.如权利要求1所述的变化幅度承受程度识别系统，其特征在于，还包括：时钟发生机构，分别与所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接；

数据存储芯片，分别与所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接；

其中，所述数据存储芯片用于暂存所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备的输入/输出数据。

3.如权利要求2所述的变化幅度承受程度识别系统，其特征在于：所述时钟发生机构用于分别为所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备提供各自需要的参考时钟信号。

4.如权利要求3所述的变化幅度承受程度识别系统，其特征在于，还包括：数值转换设备，分别与所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接以用于分别为所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接提供各自需要的电压数值。

5.如权利要求4所述的变化幅度承受程度识别系统，其特征在于：所述液晶显示机构还与所述温度测量机构连接，用于接收并显示每接收到一次现场触发信号测量到的实时外壳温度；

其中，所述液晶显示机构还与所述变化检测机构连接，用于接收并显示所述变化检测机构输出的每一个实时外壳温度对应的温度变化斜率。

6.一种变化幅度承受程度识别方法，其特征在于，所述方法包括：使用逐时触发设备，设置在被监控温度的运行状态下的机械主体上，用于每隔固定时间发送一次现场触发信号；

使用温度测量机构，设置在所述机械主体的被监控温度的位置，与所述逐时触发设备连接，用于每接收到一次现场触发信号执行一次所述机械主体的外壳温度的测量，以获得对应的实时外壳温度；

使用变化检测机构，与所述温度测量机构连接，用于对每一个实时外壳温度执行以下变化检测：基于历史最近数个实时外壳温度与本实时外壳温度的变化趋势获得本实时外壳温度对应的温度变化斜率；

使用现场可编程门阵列，在VHDL语言的配置下运行定制的多层神经网络，所述定制的多层神经网络以所述变化检测机构输出的固定数量的温度变化斜率作为输入，以机械主体能否承受温度变化幅度为输出；

使用液晶显示机构，设置在所述机械主体的附近，与所述现场可编程门阵列通过无线局域网建立数据连接，用于接收并显示所述定制的多层神经网络的运行结果；

其中，基于历史最近数个实时外壳温度与本实时外壳温度的变化趋势获得本实时外壳温度对应的温度变化斜率包括：将历史最近数个实时外壳温度与本实时外壳温度进行曲线拟合以获得变化曲线，进而获得所述变化曲线的最大斜率以作为本实时外壳温度对应的温度变化斜率；

其中，所述现场可编程门阵列还在VHDL语言的配置下，以机械主体能承受温度变化幅度状态下的固定数量的温度变化斜率作为输入，以能够承受温度变化幅度为输出对所述定制的多层神经网络进行训练；

其中，所述现场可编程门阵列还在VHDL语言的配置下，以机械主体无法承受温度变化幅度状态下的固定数量的温度变化斜率作为输入，以无法承受温度变化幅度为输出对所述定制的多层神经网络进行训练；

其中，在VHDL语言的配置下运行定制的多层神经网络包括：在VHDL语言的配置下运行训练后的定制的多层神经网络。

7.如权利要求6所述的变化幅度承受程度识别方法，其特征在于，还包括：使用时钟发生机构，分别与所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接；

使用数据存储芯片，分别与所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接；

其中，所述数据存储芯片用于暂存所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备的输入/输出数据。

8.如权利要求7所述的变化幅度承受程度识别方法，其特征在于：所述时钟发生机构用于分别为所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备提供各自需要的参考时钟信号。

9.如权利要求8所述的变化幅度承受程度识别方法，其特征在于，还包括：使用数值转换设备，分别与所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接以用于分别为所述变化检测机构、所述现场可编程门阵列、所述温度测量机构和所述逐时触发设备连接提供各自需要的电压数值。

10.如权利要求9所述的变化幅度承受程度识别方法，其特征在于：所述液晶显示机构还与所述温度测量机构连接，用于接收并显示每接收到一次现场触发信号测量到的实时外壳温度；

其中，所述液晶显示机构还与所述变化检测机构连接，用于接收并显示所述变化检测机构输出的每一个实时外壳温度对应的温度变化斜率。