新葡的京集团3522vip专业钢丝绳生产厂家,为您提供各种规格型号钢丝绳 企业风采| 收藏新葡的京集团3522vip| 钢丝绳价格| 联系大家
全国热线
0513-81100618
13861988658

热点资讯

钢丝绳内外部断丝损伤识别

发布时间:2022-01-31 13:12 文章来源:未知 文章编辑:admin 点击数:

0引言 钢丝绳具有强度高、韧性好、自重轻等优良特性,常应用于煤炭开采运输中。由于工况条件复杂,钢丝绳在使用过程中容易出现各种损伤,导致其强度降低甚至断裂,危及工作人


0引言
钢丝绳具有强度高、韧性好、自重轻等优良特性,常应用于煤炭开采运输中。由于工况条件复杂,钢丝绳在使用过程中容易出现各种损伤,导致其强度降低甚至断裂,危及工作人员生命及生产安全,所以定期对钢丝绳进行损伤检测至关重要[“]。钢丝绳最常见的损伤形式之一是断丝损伤,通常将一定长度内钢丝绳的断丝数量作为钢丝绳报废标准的首要指标[4]。钢丝绳断丝损伤可分为外部断丝与内部断丝。外部断丝产生于钢丝绳与其他零件之间的磨损,可用肉眼观测,但人工检测耗时长且极易疏漏阳。内部断丝是由钢丝绳自身股间摩擦导致,不能被直接观测到。
随着机器学习理论的发展,神经网络模型逐渐被应用于钢丝绳断丝损伤检测中,通过提取漏磁信号的特征并将其输入神经网络模型中训练及分类,实现识别损伤。J.W.Kim等回采用一种基于霍尔阵列的多通道漏磁传感器采集漏磁信号,提取包络信号的多个特征,实现了基于人工神经网络的多阶段模式识别方法,用于检测不同断口长度及深度的外部断丝损伤。Zhang Juwei等[]采用18个高精度巨磁电阻传感器组成传感器阵列以采集钢丝绳表面剩磁,并提出一种基于小波分解的自适应滤波算法,采用数字图像处理方法提取缺陷图像的多个特征,利用Elman神经网络对外部断丝类型进行定量识别。Huang Xinyuan等[9采集钢丝绳损伤位置的光学图像,并采用卷积神经网络对缺陷图像进行分类,实现了不同断口深度的检测识别。钟小勇等回采用改进粒子群算法优化的BP神经网络对漏磁信号进行识别,检测外部断丝损伤。目前对于钢丝绳断丝损伤检测以外部断丝损伤检测为主,对内部断丝损伤检测的研究较少且内外部断丝识别精度不高。
本文提出了一种钢丝绳内外部断丝损伤识别方法。首先采用钢丝绳损伤径向漏磁检测器采集漏磁信号,然后利用双密度双树复小波变换对漏磁信号进行降噪处理,之后提取信号的时频域特征,并通过基于类间距离和互信息的特征选择方法获得最优特征子集,最后将最优特征子集输入BP神经网络进行定量识别。

1漏磁信号采集与双密度双树复小波降噪处理
基于漏磁法设计的钢丝绳损伤径向漏磁
检测器由霍尔阵列、衔铁、衬套、永磁铁、聚磁环、导向轮等组成,如图1所示。霍尔阵列由12个周向排布的霍尔元件组成,在霍尔阵列上方装有聚磁环,可减轻由于钢丝绳振动引起提离值变化导致的漏磁信
号失真。
梅铁衬套
聚磁环
导向轮永磁铁钢丝绳
(a)模型(b)实物
图1钢丝绳损伤径向漏磁检测器
Fig.1Radial magnetic flux leakage detector for wire rope damage选取直径24mm、类型为6×37+lWS的钢丝绳,人工制作9种不同数量、类型的断丝损伤,如
图2所示。
采用钢丝绳损伤径向漏磁检测器采集钢丝绳断
丝损伤产生的漏磁信号,如图3所示(图3(a)中3个突变波形依次为内部1-3根断丝损伤产生的
漏磁信号;图3(b)中6个突变波形依次为外部1一6根断丝损伤产生的漏磁信号)。可看出单根断丝
损伤产生的漏磁信号较微弱,容易被噪声淹没;多根断丝损伤产生的漏磁信号较明显,但噪声的存在会
给特征提取造成困难。

3基于BP神经网络的钢丝绳断丝损伤识别
对钢丝绳断丝损伤的识别过程实质上是建立不
同损伤类型与信号特征的空间映射分类准则。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络],具有任意复杂的模式分类能力和优良的多维函数映射能力,BP神经网络结构包括输入层、隐藏层和输出层,其训练过程由信号的前向传播与误差的反向传播2个过程组成“]。前向传播计算BP神经网络的损失函数,反向传播对BP神经网络的权重矩降和偏置进行调整,多次训练后,使BP神经网络的希望输出与实际输出逐渐吻合。将从钢丝绳断丝损伤漏磁信号中获得的最优特
征子集按4:1的比例划分为训练集和测试集。设置BP神经网络的隐藏层节点数量为13,隐藏层和输出层的激活函数分别为tansig和purelin,设迭代次数为300,学习率为0,1,目标为0.001。用训练集中的数据调练BP神经网络,当达到最大选代次数或损失函数已达指定阀值时,BP神经网络训练结束。将测试集数据输入训练好的BP神经网络进行识别分类。
经过测试,BP神经网络的分类准确率为
97.8%.测试集预测结果的混淆矩阵如图8所示。
可看出仅在内部3根与外部3根断丝损伤类型中分别出现1次分类错误,对于其他损伤类型均分类
正确。内!1内2内3怒
搜G A.—
内1内2内3外1外2外3外4外5外6预测类
图8预测结果的混淆矩阵
Fig.8 Confusion matrix of predicted results

4结语
为更加精确地识别钢丝绳断丝损伤的数量及位
置,提出了一种钢丝绳内外部断丝损伤识别方法。首先对钢丝绳损伤径向漏磁检测器采集的漏磁信号进行基于双密度双树复小波变换的降噪处理;然后提取信号的时频域特征,并采用基于类间距离和互信息的方法进行特征选择,得到最优特征子集:最后将最优特征子集输入BP神经网络训练进行钢丝绳断丝损伤分类识别。该方法能识别钢丝绳内外部断丝损伤且识别准确率达97.8%。


XML 地图 | Sitemap 地图