基于磁场模型的矿用钢丝绳检测信号特性试验研究

电磁检测是矿用钢丝绳缺陷可靠的检测手段之一。基于电磁法的矿用钢丝绳缺陷检测,目前存在缺陷与信号特性表征规律不明确的问题,定量识别时存在无关信号特性,影响识别准确性。采用三维磁偶极子理论计算、Maxwell模拟仿真与试验相互验证的方法,总结漏磁信号特性与缺陷变化之间的表征关系。首先建立磁场环境下的钢丝绳三维磁偶极子理论模型,应用模型对标准缺陷处进行磁场理论计算并进行Maxwell模拟仿真;分别提取理论值与仿真值的峰/谷绝对值、波宽、峰谷差值、峰谷值宽度四项信号特性,进行缺陷与信号的表征分析;最后设计缺陷进行试验验证,得到试验数值的斯皮尔曼相关系数。试验结果表明:缺陷的宽度、深度与峰/谷绝对值、波宽、峰谷差值3个信号特征值呈正相关,与峰谷值宽度无明显相关性;缺陷长度与峰/谷绝对值呈先上升后下降的趋势,与波宽、峰谷差值、峰谷值宽度呈正相关。并且发现宽度缺陷信号幅值最强,长度缺陷信号幅值最弱,深度信号幅值居中,峰谷差值和峰谷绝对值与缺陷相关性最高。该研究具有一定的工程指导价值。

钢丝绳无损检测信号处理算法的进展

电磁无损检测技术是实现钢丝绳状态监测的重要方法。从钢丝绳的电磁检测方法、信号预处理、特征提取和定性判断及定量分析等4方面对钢丝绳电磁检测技术进行综述。概述了钢丝绳电磁检测技术的研究现状和相关进展;探讨了不同检测技术对钢丝绳缺陷检测的影响;并从信号处理角度分析了常用的降噪方法,特征提取算法和定性及定量分析方法,论述了股波、振动等噪声对钢丝绳缺陷信号的影响及对应的降噪方法;在对比特征提取算法优缺点的基础上给出了损伤定性判定及定量分析的有效方法。最后,探讨了钢丝绳电磁检测技术的不足和未来发展方向。

一种塔吊钢丝绳损伤检测信号降噪方法

针对钢丝绳漏磁检测信号中存在的未知频率噪声干扰问题,提出一种基于多尺度样本熵(Multi-scale Sample Entropy,MSE)的自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)联合小波包阈值降噪(Wavelet Packet Threshold Denoising,WPTD)方法。将钢丝绳损伤信号分解为一系列本征模态函数(Intrinsic Mode Functions,IMF)分量,分别计算各IMF分量的多尺度样本熵,通过阈值对比筛选出含有噪声的IMF分量,进而利用小波包阈值法对这些分量进行降噪,并与保留的IMF分量进行重组,获取降噪后的损伤信号。实验结果表明,该联合降噪方法比其他降噪方法的信噪比提高了9.2%,均方根误差明显提高,滤波后的损伤信号曲线更加平滑,余弦相似度也大于0.85,能够有效降低检测信号中的噪声分量。

改进粒子群优化小波阈值的矿用钢丝绳损伤信号处理方法研究

为有效提取矿用钢丝绳损伤信号的特征值,采取小波分析对损伤信号去噪。针对损伤信号中存在小奇异点的特性,对小波分析中的阈值获取和阈值函数选取两方面改进。首先利用粒子群算法优化经验值,并基于Birge-Massart策略获取阈值。提出一种改进的小波阈值函数算法。该函数加入了可调变量,改善了已有软、硬阈值函数去噪中的不足点,通过仿真实验的信号结果和信噪比(SNR)对比几种阈值函数去噪算法,最终得出,采用优化经验值并改进小波域值函数的去噪算法相比于其他方法,更能完整保留原始信号,去噪效果好。

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。

钢丝绳损伤检测信号的特征量获取方法研究

针对钢丝绳常见的断丝损伤,在利用电磁无损检测的基础上,给出了钢丝绳断丝信号的特征量获取方法。通过仿真实验表明:利用4个特征量相结合可以较好地定性和定量判定钢丝绳断丝损伤的位置和程度,以及判定内外断丝状况。

基于改进小波阈值算法的矿用钢丝绳损伤检测信号去噪方法

在矿用钢丝绳损伤检测中,信号去噪对损伤检测信号特征提取与定量识别的准确性有着直接的影响。针对小波阈值算法在钢丝绳损伤检测信号去噪中的应用,在Donoho的软、硬阈值去噪方法的基础上,提出一种改进的小波阈值算法,该算法解决了硬阈值去噪效果不佳与软阈值过度光滑导致信号失真的难题,完整地保留了钢丝绳检测信号中的小奇异信号,去噪效果明显优于传统的阈值去噪方法。

强噪声背景下钢丝绳损伤信号降噪方法

钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。

基于TMR传感器的钢丝绳损伤漏磁检测研究

以钢丝绳损伤漏磁检测为研究背景,采用隧道磁电阻(TMR)传感器周向布置的方式检测漏磁场,根据TMR传感器的输出特性,基于仪表放大器、电压跟随器、求和电路设计了信号预处理电路。试验结果表明,TMR传感器能够在一定提离值范围内检测到钢丝绳损伤漏磁信号。

钢丝绳内外部断丝损伤识别

针对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的问题,提出了一种钢丝绳内外部断丝损伤识别方法。通过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;采用双密度双树复小波变换对漏磁信号进行降噪处理;通过设置自适应阈值提取降噪信号的时域特征,同时提取原始漏磁信号的频域特征;采用基于类间距离和互信息的方法进行特征选择,即先对所有特征进行归一化处理,剔除标准差较大及类间距离较小的特征,然后计算特征之间的互信息,排除包含损伤信息较为相似的特征,最后计算特征中区分度最差的2种损伤类型,并从剔除的特征中收回这2种类型类间距离最大的特征;将保留的特征融合作为最优特征子集并输入BP神经网络进行分类识别。测试结果表明,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%。