基于BP神经网络的钢丝绳电涡流无损定量检测技术

　　泛应用于煤炭、运输、建筑、旅游等诸多行业，其无损探伤与评估已成为相关领域学者研究的热点。国内外存在的钢丝绳无损检测方法有电磁检测法、超声波检测法、声发射检测法、射线检测法及光学检测法等。

　　电磁无损检测技术得到了广泛应用，国内外已开展了大量研究工作，文献 [1] 设计了以计算机和传感器为核心的检测系统，排除了因检测中速度不均衡所造成的影响，以差分超限数为特征矢量，利用模式识别技术实现了钢丝绳断丝的定量检测。文献 [2]建立了一组全方位的钢丝绳缺陷信号特征量，用模糊方法识别钢丝绳缺陷类型及定量判定其缺陷损伤程度。文献 [3] 采用漏磁检测技术，研制了一套密封钢丝绳断丝在线无损检测系统，结合智能化信息处理技术，实现了断丝的自动识别，并能据此进行报警和打标。

　　同时，也有专家将神经网络 ( NN) 辨识技术应用于电磁无损检测领域。REKANOS 等[4]在基于电涡流检测的导电性金属层结构识别技术中设计了神经网络结构，根据金属种类不同电导率不同的原理，利用该网络识别金属种类，通过实际应用证明了该方法的有效性。文献 [5] 对基于电涡流的金属种类识别技术展开了研究，通过离线训练的方法获得了神经网络辨识模型，以此来进行金属种类的识别。文献 [6]设计了一个包括数据管理、神经网络及模糊识别技术的智能专家系统，将其应用于电涡流自动化检测装置的数据分析中。SONG 等[7]采用神经网络和有限元分析法对基于电涡流检测技术的管道裂纹进行识别，并对其裂纹特征进行分析。YUSA 等[8]利用人工神经网络自动识别裂纹信息，以实现电涡流裂纹检测。RAO等[9]在钢丝绳电涡流检测技术中提出了一种广义神经网络，经过训练的网络可以检测并描述钢丝绳的缺陷特征。田志勇等[10]采用 BP 神经网络对具体结构类型的钢丝绳进行断丝缺陷的定量识别，选取检测信号的峰值、阈值波宽、波形下面积、钢丝绳绳径和钢丝直径作为输入特征参数，以断丝数量为网络输出，通过模拟和实际检测，断丝损伤识别的准确率达到 86. 9% 。

　　基于上述研究现状，作者对基于 BP 神经网络的钢丝绳电涡流无损定量检测技术展开研究，确定其检测方案，给出相应的信号特征提取算法，并利用BP 网络进行缺陷辨识，以实现钢丝绳断丝的定量识别。

　　1 钢丝绳电涡流无损定量检测方案

　　众多领域使用的钢丝绳通常是一种由许多细钢丝捻制在一起的复杂构件，其所处的工作环境恶劣，干扰因素众多，不便于停工检修，因此要求检测系统能实现长时间在线非接触式定量检测。电涡流无损检测技术以涡流效应为工作原理，具有灵敏度高、检测速度快、非接触、易于实现自动化等优点，已广泛应用于缺陷探伤、振动测量、零件计数等场合。