Key technique of a detection sensor for coal mine wire ropes

Wire ropes,employed extensively in coal mine hoists and transportation systems are subject to damage due to wear,corrosion and fatigue.The extent of damage and the carrying capacity of ropes are closely related to the sense of safety by staff and equipments.Magnetic flux leakage detection method(MFL),as an effective method,is these days widely used in detection of broken strands of wire ropes.In order to improve the accuracy of detection of flaws in wire ropes by magnetic flux leakage(MFL),the effect of the distance between a sensor and the surface of a wire rope(i.e.,lift-off) on detection by magnetic flux leakage was in-vestigated.An analysis of the main principles for the choice of lift-off is described by us and a new method that improves the structure of the detector is proposed from the point of view of the design of a magnetic circuit,to restrain the impact of fluctuations of sensor lift-off.The effect of this kind of method is validated by simulation and computation.The results show that the detection sensitivity is markedly increased by this method.Furthermore,the signal-to-noise ratio(SNR) can be increased by over 28%.This method will lend itself to offer reliable scientific information to optimize the structure of excitation devices and improve the accuracy of MFL detection.

基于整体与局部纹理特征加权融合的港机装备钢丝绳断丝缺陷检测研究

钢丝绳是港机装备的重要部件,由于作业工况环境恶劣,钢丝绳表面极易引起断丝等缺陷,影响港机装备作业安全。针对港机装备钢丝绳表面油泥严重、光照亮度不均,以及港机装备钢丝绳断丝缺陷能够在钢丝绳股顶钢丝椭圆形区域内有效体现的特点,提出了一种基于钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征加权融合的钢丝绳断丝缺陷检测方法。首先采用图像降噪、增强、校正技术对钢丝绳原始图像进行预处理。然后采用图像平滑、阈值分割及边缘特征提取技术对股顶钢丝椭圆形区域边缘轮廓进行提取。接着采用局部二值模式(LBP)算子分别提取钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征,并对钢丝绳整体纹理及边缘轮廓纹理特征进行特征加权融合。最后对加权融合后的特征向量进行主成分分析(PCA)法降维,并应用支持向量机(SVM)技术对钢丝绳断丝缺陷进行检测。研究结果表明:本文提出的方法对实际工况下重油泥、光照不均等钢丝绳断丝缺陷具有较好的检测效果,具有一定的工程应用价值。

一种基于单轴向充磁永磁环励磁的钢丝绳无损检测方法

为提高钢丝绳缺陷检测能力,简化励磁结构,提出一种基于单个轴向充磁永磁环励磁的钢丝绳无损检测方法。通过分析钢丝绳缺陷在单个轴向充磁永磁环励磁方法下产生的漏磁场,得到该方法能通过漏磁场感知缺陷运动方向的结论。在此基础上,利用COMSOL软件对该励磁方式进行有限元建模,通过仿真计算缺陷处漏磁的分布,验证了结论的正确性,分析了影响漏磁场的因素,并结合霍尔元件性能参数,给出了传感器的最佳布置位置。最后,通过设计信号调理电路,结合3D打印实现传感器结构,完成了实验平台搭建。仿真结果表明,对于同一缺陷,基于该励磁方式产生的最大漏磁场明显大于传统方式。实验结果表明,对于10 mm粗的钢丝绳,当霍尔元件布置的提离值为3 mm和8 mm时,均能够通过缺陷处漏磁信号感知钢丝绳运动方向。

基于磁敏调向的钢丝绳漏磁检测绳股信号抑制方法

分析钢丝绳漏磁检测方法中绳股信号的形成原因,提出了基于磁敏调向的钢丝绳漏磁检测绳股信号抑制方法,且搭建了消除绳股信号特征的磁敏调向试验装置,通过试验对比分析了不同磁敏方向的绳股信号特征,最终确定了抑制绳股信号的最佳磁敏调向。结果表明,该方法极大地抑制了绳股噪声信号,提高了钢丝绳损伤信号信噪比。

钢丝绳远程监测系统的设计与实现

针对现有的工业钢丝绳损伤监测系统的局限性,设计并实现了一款基于LabVIEW、Flask和Vue.js的钢丝绳远程智慧监测系统。该系统兼具传感器数据采集、信号处理、可视化展示、远程检测、数据分析等多项功能,以满足钢丝绳检测的全面需求。系统使用LabVIEW进行传感器数据采集和实时处理,Flask用于构建后端服务器以及数据处理,Vue.js负责前端的可视化展示和用户界面,使工程师和操作人员能够远程监测钢丝绳状态并及时作出反应。试验结果表明,采用的综合性系统设计不仅提升了工业生产中钢丝绳的质量控制水平,也大幅提高了远程监测能力,为工程人员提供了全方位的实时监测和管理工具。

海洋石油工程起重船变幅钢丝绳无损检测的技术措施

海洋石油工程起重船变幅钢丝绳作为船舶起重机主要的受力构件,使用工况及环境较为特殊,为延长钢丝绳寿命及安全运营,对起重船的变幅钢丝绳进行预防性维护和安全性检测非常重要。文章阐述了国内外目前较为先进的无损检测技术及设备现状,剖析了在具体应用环节存在的问题,并提出了起重机变幅钢丝绳有效、准确检测的技术措施。

多通道钢丝绳的漏磁检测信号融合方法

分析了现有钢丝绳漏磁检测系统中存在的损伤信号幅值较小、前端多个磁敏元件处理方式较为简单等问题,提出了一种钢丝绳漏磁检测系统中的多通道信号融合方法。首先从磁敏元件阵列的角度出发,提出了多种磁敏元件阵列方式;其次从信号处理模拟电路的角度出发,设计了多通道信号融合硬件电路;最后,针对钢丝绳进行了实际测试,验证了此方法的可行性。

基于PCB线圈的钢丝绳金属横截面积损失检测方法

钢丝绳金属横截面积损失(Loss of Metallic area)直接影响钢丝绳承载强度等特性,因此其检测及定量分析对于设备安全可靠运行具有重要意义。针对目前主磁通检测中存在的线圈绕制困难、参数确定模糊等问题,基于仿真模型提出一种基于印制电路板(Printed Circuit Board)的分体式线圈结构,分析了线圈匝数、线圈层数、线距等参数对检测信号的影响;建立主磁通检测模型,探究损伤宽度对主磁通检测信号的影响规律,并针对损伤宽度变化造成的信号损失设计补偿方法;最后通过钢丝实验验证金属横截面积定量检测效果,表明该方法定量误差在1%以内,能够有效检测钢丝绳的LMA。

提升机钢丝绳载荷动态检测装置的设计及仿真分析

为保证提升机的安全平稳运行,设计了一套提升机钢丝绳载荷动态检测装置。首先,对检测装置的结构进行了分析研究,通过液压连通装置中平衡油缸的动态特性和液压油的流动性的检测来验证动态检测装置的准确性。然后,基于AMESim模型库设计系统,分别建立了液压缸仿真模型和连通装置仿真模型进行仿真分析。为之后提升机钢丝绳载荷动态检测装置的生产实现提供了理论依据。

基于BO-WT-VMD组合模型的钢丝绳的损伤信号降噪方法

为了准确识别钢丝绳缺陷的故障数据,消除被测信号中的噪音,可使用基于贝叶斯优化-小波变换-变分模态分解(BO-WT-VMD)的组合降噪模型进行降噪。首先利用小波变换(WT)对原始信号进行处理;其次对处理后的信号再利用变分模态分解算法(VMD)进行模态分解,计算分解的各个模态与原信号之间的相关系数,以完成信号的模态选择和重构;再次利用贝叶斯优化算法(BO)对VMD算法的模态数目K以及α值进行寻参,避免其受序列分解和预测精度的影响,从而找到最优超参数组合。最后,在仿真实验和真实数据中,计算BO-WT-VMD、WT和VMD算法的SNR值和RMSE值,分别为(17.3403,0.1010),(15.6170,0.1232)和(15.6492,0.1227),说明提出的算法能够有效地去除信号噪音。

提升机钢丝绳张力检测系统设计研究

基于提升机钢丝绳加速提升、减少爬坡过程中持续的高张力运行工况,提出一种提升机钢丝绳张力检测系统设计方案。分析了张力检测系统主体结构,并进行张力数据采集发射、提升容器行程检测等程序设计,实现了对提升机钢丝绳张力的实时检测、记录功能。

基于人工智能的钢丝绳芯输送带断丝检测技术研究

针对钢丝绳芯输送带传统断丝断丝监测方法效率较低、工人劳动强度大、检测准确度较低等问题,通过分析钢丝绳芯输送带内的钢丝绳结构,提出了一种基于人工智能的钢丝绳芯输送带断丝检测方法,利用神经网络算法提取胶带内钢丝绳断丝特征,实现了定量准确识别。以含有不同类型断丝缺陷的619钢丝绳的胶带为试验对象,利用断丝检测技术进行断丝检测,结果表明,完成长度为2 m的胶带检测仅需3.8 s,对于表面断丝较多的钢丝绳,反馈得到的信号变化率强度较大,最大值为0.498。本次研究取得了满意的实验结果,验证了方案设计的合理性。

基于TRIZ理论的提升机钢丝绳缺陷检测系统的设计与应用研究

针对高庄煤业提升机钢丝绳采用传统缺陷检测方法,存在检测效率低下、劳动强度大、易发生漏检等问题,运用TRIZ理论设计一种矿用提升机钢丝绳缺陷检测系统。该缺陷检测系统主要由钢丝绳无损检测仪和存储器、钢丝绳缺陷检测系统管理软件组成,管理软件中缺陷识别算法模块及EMD能对采集数据进行处理,生成重构后的LMA和LF波形图,从LMA图中波峰信号可准确判断钢丝绳断丝位置,结合重构谱图中峰值高度能准确判断断丝数量。钢丝绳缺陷检测系统在高庄煤业提升机的实践应用表明,该系统能对钢丝绳断丝位置及断丝数量进行精准判定,检测时间短、效率高、智能化程度高,可有效保障提升机安全、稳定运行,安全经济效益显著。

基于机器视觉的钢丝绳检测数据自动处理与分析系统的研究与应用

为了解决钢丝绳传统拆股检测存在的效率较低、数据处理量大、计算量大以及多股钢丝绳数据检测难度较大等问题,在分析了钢丝绳结构特点的基础上,采用机器视觉技术和人工智能检测算法搭建了钢丝绳数据自动检测与处理系统,实现了对钢丝绳状态和力学特性的智能检测与在线实时处理,并以现场使用的圆股钢丝绳为实验对象,对机器视觉钢丝绳智能检测系统进行了应用调试。结果表明,钢丝绳智能检测数据处理系统能准确获取钢丝绳的物理性能参数,距离位置偏差仅为0.02 mm,有效提高了钢丝绳检测数据的效率。

改进YOLOv5的钢丝绳损伤图像识别实验方法研究

钢丝绳在煤矿设备中发挥着非常重要的作用。为了能够及早发现钢丝绳损伤,提前进行预警和故障处理,保护矿下人员安全,提出了一种基于深度学习的钢丝绳损伤识别检测方法,采用目标检测算法YOLOv5并对其进行改进。采用快速自适应加权中值滤波进行图像预处理,提高钢丝绳损伤图像识别精度,改进后运行速度提升到187 ms/张,且增强效果良好;将CBAM模块和Transformer prediction heads(TPH)集成到YOLOv5,数据集扩充后输入到改进的模型中进行训练测试。实验结果表明,改进后的模型检测性能良好,最终平均准确率达到了0.893,比原算法高了0.037,比传统检测算法SSD、Faster R-CNN以及原始YOLOv3分别高0.196、0.162、0.102,表明该算法精度较高,有效提高了钢丝绳损伤图像的识别准确率。

基于机器视觉的钢丝绳直径在线检测方法研究

为了实现钢丝绳直径的自动采集,设计了一种基于机器视觉的钢丝绳直径在线检测方法。硬件主要采用欧姆龙FH-SMX05相机、SV-1614H镜头、白色背光源、FH-2050标准控制器等,通过图像处理软件提取钢丝绳的外部边缘,利用Canny算法得到亚像素级的钢丝绳轮廓,再设计算法得到钢丝绳直径。试验结果表明,在线检测钢丝绳直径误差可控制在钢丝绳公称直径的0~5%。

TWRD-Net:一种用于曳引钢丝绳缺陷的实时检测网络算法

曳引钢丝绳(TWR)在大型工业起重设备中发挥着重要的应用价值。在使用曳引钢丝绳作业的同时,也需要定期对曳引钢丝绳进行缺陷诊断避免安全事故发生。传统方法是人工目测方法,但该种方法检测时间长、效率低下。因此,本文提出了一种基于YOLOv5改进网络的曳引钢丝绳缺陷(TWRD)检测的网络算法,简称TWRD-Net。为了方便在算力较低的工业设备上进行部署,首先设计了轻量级的LW-C3模块,降低了模型的参数量以及计算开销;其次,改进PAN结构,设计了跨层级加权特征金字塔网络(CLW-FPN)结构,加强模型对于缺陷语义信息的提取、对缺陷位置信息的敏感度;最后,本文设计了β-CIoU损失函数,相较于CIoU损失函数,β-CIoU降低了边界框回归损失,并进一步提升了检测精度。本文建立了TWRD数据集,并使用TWRD-Net进行实验,实验结果表明,本文提出的TWRD-Net准确率可达98%,mAP可达99.4%,帧率可达151 fps,对比其他主流检测模型实验结果,具有精度高、体积小和检测速度快的优势,可为工业设备质检人员提供参考依据。

基于深度学习的煤矿钢丝绳缺损检测方法研究

为了解决煤矿用钢丝绳缺损在线实时检测问题,进一步提高矿用钢丝绳缺损检测的灵活性及准确度,开展了图像法矿用钢丝绳缺损检测的研究。利用摄像机对钢丝绳入井前段采样,提出一种基于YOLO v5的物体表面小缺陷检测模型,实现了钢丝绳外部小缺陷的精准检测。引入迁移学习方法,进一步提升了小样本训练的模型精度。经过大量实验表明,在钢丝绳缺损检测中,该模型的平均正确率及准确率均值较修改前有明显提升,且能够保证检测速度保持在实时水平。

金刚石NV色心在钢丝绳缺陷检测中的应用

氮-空位(NV)色心是金刚石中的一种晶格缺陷,由于其具有优异的自旋性质和光学性质,在量子精密测量领域受到广泛关注。利用金刚石的高灵敏度和高分辨率磁测量特性,实现灵敏且准确的钢丝绳缺陷检测。在磁场测量方面,该技术使用光学探测磁共振法测出NV色心的共振频率,从而计算出外界的磁场强度。在钢丝绳检测方面,以浓度为1.8×10^(17)~3.6×10^(17)的NV色心磁传感器为核心组成探头模块,三块高度集成的现场可编程门阵列(FPGA)板卡组成控制模块,搭建量子精密测量平台,检测钢丝绳断丝缺陷和微弱磨损缺陷。实验结果表明,该系统的磁场测量灵敏度可达6 nT/Hz,空间分辨率为200μm,可以对钢丝绳缺陷进行准确检测,为工业安全提供了新的检测方式。

基于漏磁检测的矿用钢丝绳励磁装置

针对目前研究未考虑工程应用背景下钢丝绳摆动对励磁装置的影响,导致钢丝绳漏磁检测效果不理想的问题,设计了一套矿用钢丝绳励磁装置。通过建立钢丝绳仿真模型,仿真研究了不同气隙、提离值对钢丝绳漏磁场的影响,发现增大气隙或提离值均会降低钢丝绳漏磁场磁感应强度,影响钢丝绳漏磁检测结果。但实际应用中矿用钢丝绳摆动幅度大且易污染,因此钢丝绳励磁装置的气隙和提离值不宜过小。在考虑工程适用的条件下,设置气隙为6 mm、提离值为5 mm,进一步仿真分析永磁体厚度与长度、磁极间距、衔铁厚度对钢丝绳漏磁场的影响,发现永磁体厚度与长度对钢丝绳漏磁场影响最大,磁极间距对钢丝绳漏磁场影响较小,衔铁厚度对钢丝绳漏磁场的影响可忽略不计。基于仿真结果并考虑经济性和便携性,设置钢丝绳励磁装置参数:永磁体厚度为10 mm、永磁体长度为30 mm、磁极间距为180 mm、衔铁厚度为10 mm。动态仿真结果表明,钢丝绳漏磁场磁感应强度峰峰值达0.9 mT,说明该励磁装置能够保证损伤处产生较高的漏磁。实验结果表明,漏磁信号在钢丝绳不同断丝处均出现了明显波动,说明该励磁装置具有良好的励磁效果,可准确检测出钢丝绳断丝损伤。