鋼絲繩具有柔韌性能好，抗拉強度高和負載傳遞距離長等優(yōu)點，在提升、承載以及牽引等過程中有著無可替代的作用，在礦山提升、港口起重、索道運輸、電梯、吊橋等行業(yè)廣泛應(yīng)用。
鋼絲繩無損檢測方法包括電磁、視覺、聲發(fā)射、射線和渦流等檢測法。其中，視覺、聲發(fā)射、射線和渦流等檢測法因環(huán)境惡劣、成本較高以及抗干擾能力低，在工程應(yīng)用中受到限制，仍處于理論和實驗室階段。而基于電磁檢測法的儀器逐漸在市場上得到應(yīng)用。
鋼絲繩具有良好的導磁性，因此電磁檢測方法也成為檢測的首選方法，也是國際標準ISO 4309:2017《起重機 繩索 維護和保養(yǎng)，檢修和報廢》中公認的標準工業(yè)方法。
依據(jù)勵磁強度，電磁檢測法可以分為強磁檢測法和弱磁檢測法。強磁檢測法研究起步早、技術(shù)較為成熟，而弱磁檢測法研究起步較晚，大致分為金屬磁記憶檢測法和弱磁場激勵檢測法。
金屬磁記憶檢測法無需外加激勵磁場，通過測量鐵磁材料表面的弱磁信號，來實現(xiàn)對鐵磁材料應(yīng)力集中處的定位、早期損傷識別和損傷程度評估。弱磁場激勵檢測法基于Jiles-Atherton磁機效應(yīng)理論模型，表面弱磁場激勵在力-磁耦合作用下對磁記憶信號有增強作用。
傳統(tǒng)電磁檢測方法主要包括主磁通檢測法、回路磁通檢測法和漏磁檢測法等。近年來新出現(xiàn)的檢測方法主要包括剩磁檢測法、不飽和勵磁檢測法和金屬磁記憶檢測法等。以上方法檢測原理示意如圖1所示。
圖1 鋼絲繩電磁檢測方法原理示意
上述鋼絲繩檢測原理中，主磁通檢測法、回路磁通檢測法、剩磁檢測法、不飽和勵磁檢測法和金屬磁記憶法多用于鋼絲繩金屬橫截面積損傷的檢測。
漏磁檢測法多用于鋼絲繩斷絲和腐蝕損傷的檢測。剩磁檢測法是新開發(fā)的一種鋼絲繩檢測技術(shù)，有待進一步的跟蹤研究和應(yīng)用驗證；不飽和勵磁檢測法是基于剩磁檢測法提出的，相較于剩磁檢測法，其不需要先對鋼絲繩勵磁一遍后再進行檢測，且其設(shè)備結(jié)構(gòu)更加簡單、體積更小和質(zhì)量更輕。
金屬磁記憶檢測法無需外加磁場，鋼絲繩在地磁場和工況載荷的共同作用下會產(chǎn)生磁狀態(tài)的變化，通過傳感器測量鋼絲繩表面的弱磁信號來實現(xiàn)對鋼絲繩損傷的檢測，但該方法目前研究尚不成熟且容易受到外磁場干擾，對外部環(huán)境要求較高。
2、信號預(yù)處理
鋼絲繩特殊的螺旋結(jié)構(gòu)產(chǎn)生的股波信號和缺陷信號常?；煸谝黄?，使得鋼絲繩非周期沖擊缺陷信號檢測十分困難。
此外，在鋼絲繩磁檢測過程中，受到探測傳感器的抖動、鋼絲繩振動和電子元器件背景噪聲等影響，檢測信號中含有大量噪聲信號，導致檢測結(jié)果不可靠。
因此鋼絲繩信號預(yù)處理對鋼絲繩檢測結(jié)果的準確性有著至關(guān)重要的意義，是鋼絲繩損傷信號特征提取和定量識別的前提。
1、股波噪聲
鋼絲繩通過多股金屬絲絞合制成，整體呈螺旋結(jié)構(gòu)，由于鋼絲繩表面不平整，在勵磁時會出現(xiàn)磁化不均勻的現(xiàn)象，從而產(chǎn)生鋼絲繩損傷信號中特有的股波噪聲，示例如圖2所示。
圖2 鋼絲繩損傷信號中的股波噪聲示例
針對鋼絲繩損傷信號中的股波噪聲，一些學者提出了相關(guān)的抑制方法。
LIU等提出了一種基于陷波濾波和連續(xù)小波變換的組合信號處理方法，與傳統(tǒng)的單一方法相比較，該方法能夠區(qū)分鋼絲繩缺陷信號和股波噪聲，檢測精度高，對鋼絲繩缺陷的準確檢測具有重要價值。
ZHENG等將采集到的原始信號通過小波軟閾值對股波噪聲去噪，并采用偽彩色成像技術(shù)將漏磁信號轉(zhuǎn)化為圖像，從圖像中提取顏色矩、統(tǒng)計紋理和光譜紋理特征來表征鋼絲繩缺陷。
ZHANG等采用梯度法對信號進行濾波，較好地抑制了股波噪聲，提高了信噪比。
以上方法主要采用陷波濾波法和梯度法來消除股波噪聲，但包含在股波噪聲中的缺陷信號也會嚴重衰減?；诖藛栴}，ZHOU等分析了股波噪聲在軸向、周向和斜向的空間特性，根據(jù)其斜向噪聲特性，提出了一種基于多通道信息融合原理的斜向重采樣和濾波方法，解決了股波噪聲問題，避免了缺陷信號的嚴重衰減。
ZHANG等提出了一種利用HT中的瞬時相位解來消除股波噪聲的新方法，根據(jù)股波噪聲在軸向和周向的相位連續(xù)性來抑制噪聲。與前述方法相比，該方法不僅抑制了股波噪聲，還突出了缺陷信號。
2、振動噪聲
鋼絲繩損傷信號中振動噪聲產(chǎn)生的原因主要有3種：一是操作人員在使用便攜式檢測裝置時，儀器出現(xiàn)抖動引起的振動噪聲；二是設(shè)備運行時鋼絲繩自身抖動產(chǎn)生的振動噪聲；三是鋼絲繩特殊的螺旋結(jié)構(gòu)且表面的污泥和凸起作用于檢測儀器的行走輪，導致儀器運行時伴隨出現(xiàn)抖動，從而出現(xiàn)振動噪聲。鋼絲繩損傷信號中的振動噪聲示例如圖3所示。
圖3 鋼絲繩損傷信號中的振動噪聲示例
針對上述原因造成的振動噪聲，一些學者開展了相關(guān)研究。CHEN等將振動噪聲、系統(tǒng)噪聲和其他噪聲建模為加性高斯白噪聲，利用EMD（經(jīng)驗?zāi)B(tài)分解）方法來提高鋼絲繩信號的信噪比，結(jié)果表明該方法能夠有效消除鋼絲繩信號中的振動噪聲。但該研究是基于加性高斯白噪聲替代振動噪聲來實現(xiàn)的，在某些場合不能準確分析振動噪聲的相關(guān)特征。
基于此，REN等依據(jù)霍爾傳感器的工作原理和磁場分布，研究了振動噪聲產(chǎn)生的原因和特點，重點分析了振動噪聲對缺陷信號檢測的影響，建立了振動噪聲的數(shù)學模型。針對振動噪聲和局部缺陷信號的差異，提出了一種振動噪聲消除方法，能夠有效地識別強噪聲振動下的局部缺陷，改善了強振動噪聲下缺陷信號的檢測。
LIU等通過分析振動噪聲、股波噪聲和缺陷信號的形態(tài)學特征，提出了基于形態(tài)學圖像處理的方法來抑制振動噪聲，特別適合缺陷信號被強振動噪聲覆蓋和包圍的情況，該方法不僅抑制了股波噪聲和強振動噪聲，而且提高了缺陷信號的信噪比，從而能更好地檢測缺陷信號。
3、其他噪聲
在對鋼絲繩信號處理時除了上述的股波噪聲和振動噪聲，還會有電子元器件、環(huán)境等背景噪聲，背景噪聲示例如圖4所示。這些噪聲都會疊加在鋼絲繩損傷信號上，使得缺陷信號的處理變得非常困難。
圖4 鋼絲繩損傷信號中的背景噪聲示例
針對鋼絲繩在檢測中遇到異常點、工頻干擾等問題，一些學者進行了研究。YAO等基于小波多分辨率方法對鋼絲繩缺陷信號進行去噪處理，通過對斷絲損傷信號特征分解與重構(gòu)能有效消除異常點和功率頻率干擾等。
王紅堯等采用基于雙樹復小波變換的方法取得了較好的去噪效果，能夠保留并且增大損傷信號中較小的奇異點，有利于后續(xù)的特征提取。
針對鋼絲繩在檢測中遇到強磁場干擾的問題，YAN等提出了簡化的磁路來勵磁鋼絲繩，信號調(diào)理通過四階帶通濾波器，不僅消除了干擾信號，也進一步放大了缺陷信號。
針對鋼絲繩信號中出現(xiàn)的基線漂移問題，TIAN等提出形態(tài)學非采樣小波方法解決了礦用鋼絲繩檢測信號中出現(xiàn)的基線漂移問題，彌補了現(xiàn)有礦用鋼絲繩在線檢測信號預(yù)處理方法的不足。
針對一些背景噪聲和疊加噪聲，SHAN等提出了一種自適應(yīng)移動平均濾波方法，該方法可以嗅探信號的內(nèi)在特征，并為信號處理分配時變的最優(yōu)參數(shù)，從而解決了死區(qū)和固定窗問題。
PENG等基于集合經(jīng)驗?zāi)B(tài)分解和最優(yōu)小波的多級濾波方法處理非飽和磁激勵的漏磁三維信號，有效抑制了噪聲干擾。
由于鋼絲繩自身結(jié)構(gòu)及工況復雜性，在采集鋼絲繩信號時往往會摻雜多種噪聲，對缺陷信號而言，是始終存在的干擾，影響鋼絲繩損傷信號的識別與判定。一些學者對此進行了研究。
CHEN等提出了一種基于改進的奇異值分解和相空間重構(gòu)的缺陷識別方法，從相空間重構(gòu)的角度分析了鋼絲繩檢測信號的混沌動態(tài)特性。通過與傳統(tǒng)算法比較，該算法的信噪比有明顯提高。
LIU等提出了一種e指數(shù)隨機共振模型及微弱信號檢測方法，通過輸出信號分析混沌特性并對模型性能進行仿真和評價，通過對比3種典型鋼絲繩缺陷檢測和微弱信號識別的模型比較、試驗和案例分析，驗證了該方法的有效性。
LIU等提出了基于改進的HT弱信號處理方法和鋼絲繩過濾技術(shù)，研究了該方法的平滑類型和移動平均跨度的影響因素。通過與傳統(tǒng)濾波比較，證明了該組合方法對鋼絲繩弱缺陷信號處理的有效性和可行性。不同噪聲下的信號預(yù)處理方法為實際應(yīng)用中鋼絲繩缺陷識別提供了直接參考。
3、特征提取
鋼絲繩損傷特征提取是對鋼絲繩損傷進行定性判斷和定量分析的關(guān)鍵環(huán)節(jié)。特征提取實質(zhì)是發(fā)現(xiàn)鋼絲繩損傷信號與正常信號的差異，并從中提取反映鋼絲繩損傷的特征值。目前電磁檢測技術(shù)主要有基于信號的特征提取和基于磁性成像的特征提取。
1、信號的特征提取
基于信號的特征提取是通過傳感器獲得的原始信號經(jīng)預(yù)處理后，直接用于特征值的提取和分析。下面是基于信號常用的特征值及其提取算法。
1、常用特征
目前常用的特征值及其提取算法有絕對峰值、峰峰值、相鄰信號差分值、波寬、波形下面積、短時波動能量等，此外還有鋼絲繩的直徑、鋼絲直徑、斷絲信號相關(guān)性特征、小波能量特征等。一般通過多個特征提取方法結(jié)合，來提高鋼絲繩定性判定和定量分析的準確性。
2、相關(guān)性特征
鋼絲繩斷絲信號除了局部特征指標外，考慮了斷絲信號與正常信號的統(tǒng)計差異，提出了相關(guān)性特征值，彌補了局部斷絲提取特征的不足。相關(guān)性特征通過與其他特征識別方法結(jié)合，對提高斷絲識別準確率有重要作用。
3、小波能量特征
小波信號分析可以描述信號中的非平穩(wěn)成分，尤其是小波包技術(shù)。小波包分析技術(shù)將信號分解在任意頻帶上，在這些頻帶上做能量統(tǒng)計，形成特征向量。鋼絲繩損傷信號大部分集中在低頻信號上，高頻信號能量很小，可以忽略。
2、磁性成像的特征提取
檢測傳感器獲得的鋼絲繩原始信號經(jīng)預(yù)處理后，通過傳感器陣列技術(shù)和灰度變換技術(shù)得到鋼絲繩漏磁圖像，接著基于磁性成像進行特征提取。不同類型缺陷的漏磁圖像表現(xiàn)出不同的形態(tài)特征、紋理特征、不變矩特征和顏色特征等。下面介紹基于磁性成像常用的特征值及其提取算法。
1、形態(tài)特征和紋理特征
基于磁性成像的形態(tài)特征主要包括面積、周長、等效面積、伸長率和圓度等。基于磁性成像的紋理特征值主要包括平均灰度、平滑度、一致性和熵等。
2、不變矩特征
不變矩特征通過對目標灰度分布的統(tǒng)計分析，建立不變矩面積，是一種平均統(tǒng)計描述。不變矩特征從全局角度描述一個物體的整體特征，不易受噪聲影響，不會隨著圖像的平移、旋轉(zhuǎn)和縮放而改變。
3、顏色矩特征
顏色矩是一種簡單有效的顏色特征。通過顏色矩中的矩來表示圖像中的顏色分布，一般顏色信息集中在低階矩，所以一般用其一階、二階和三階矩來表達圖像的顏色分布。
4、定性判定和定量分析
定性判斷和定量檢測是準確評估鋼絲繩剩余載荷能力，預(yù)防斷繩事故的重要方法。同時，損傷的定性判斷和定量分析也是鋼絲繩信號處理中最為關(guān)鍵的環(huán)節(jié)，鋼絲繩是否有損傷、損傷位置與大小、是否能繼續(xù)使用以及鋼絲繩剩余壽命等都是依據(jù)定性判定和定量分析的結(jié)果進行決策的。
目前鋼絲繩損傷的定性判斷和定量分析從表現(xiàn)形式上主要有信號表示、灰度圖表示和偽彩色圖表示，也有學者將紅外圖像與灰度圖像或偽彩色圖像結(jié)合的方法進行鋼絲繩損傷定性和定量分析。鋼絲繩常用的定性判斷和定量分析方法及其損傷定性和定量結(jié)果如表1所示。
表1給出了近些年來針對鋼絲繩損傷定性判斷和定量分析的處理方法，主要包括一些神經(jīng)網(wǎng)絡(luò)算法和分類器算法。這些方法可歸納如下：
① 采用傳統(tǒng)的信號處理方法，利用傳感器采集到的漏磁信號，預(yù)處理后提取缺陷處的特征向量直接代入神經(jīng)網(wǎng)絡(luò)模型和分類器算法中進行訓練；
② 為了更方便直觀地提取數(shù)據(jù)，將采集到的漏磁信號轉(zhuǎn)換為灰度圖像進行處理，常用漏磁成像技術(shù)有傳感器陣列和灰度變化技術(shù)，此外還出現(xiàn)了基于矩陣重構(gòu)、重構(gòu)正弦函數(shù)、小波變換和網(wǎng)格熵矩陣重構(gòu)的漏磁成像技術(shù)；
③ 人眼只能區(qū)分幾十種不同的灰度，卻可以區(qū)分數(shù)百種不同的顏色，因此將漏磁信號通過彩色成像技術(shù)轉(zhuǎn)換為偽彩色圖像，更加有利于鋼絲繩微弱缺陷特征的識別和提??；
④ 使用多源缺陷信息融合識別技術(shù)獲得不同類型圖像中特征值并進行特征融合，相較單一信號來源的方法，能有效提高鋼絲繩損傷的檢出率。
表1 鋼絲繩定性判斷和定量分析方法
|
方法 |
表現(xiàn)形式 |
特征值 |
損傷定性/定量結(jié)果 |
|
BP神經(jīng)網(wǎng)絡(luò) |
信號 |
峰峰值，波寬，波形下面積 |
斷絲識別準確率95.71% |
|
支持向量機 |
最大峰值通道與總通道之比，頻率特性，峰值高寬比 |
分類切割、腐蝕和壓縮分類識別準確率100% |
|
粒子群優(yōu)化算法-支持向量機 |
峰值，峰峰值，波形上/下面積，鋼絲繩直徑，鋼絲直徑，小波能量熵 |
內(nèi)外損傷識別率97.1%（多組實驗平均準確率） |
|
徑向基函數(shù)-神經(jīng)網(wǎng)絡(luò) |
峰值，峰峰值，峰間寬度 |
寬度最大誤差3 mm |
|
|
|
截面損失率最大誤差1.86% |
|
|
|
內(nèi)外缺陷誤判7.14% |
|
|
|
內(nèi)部缺陷深度最大誤差5.87 mm |
|
變步長增量極限學習機 |
峰值，波寬，波形下面積 |
斷絲分類準確率高達97.5% |
|
小波神經(jīng)網(wǎng)絡(luò) |
空間波形特征，量化后的譜特征，小波內(nèi)積等 |
定性識別 內(nèi)/外91%/97% |
|
|
|
定量識別（95%±1根） |
|
BP神經(jīng)網(wǎng)絡(luò) |
灰度圖 |
垂直度，拉伸長度，七階不變矩 |
斷絲識別準確率98.63% |
|
|
|
允許識別誤差1.85% |
|
|
|
最大識別誤差不超過2.78% |
|
AdaBoost分類器 |
標準差，平滑度，一致性，熵，七階不變矩 |
斷絲識別準確率93.55% |
|
|
|
允許識別誤差0.45% |
|
|
|
最大識別誤差不超過0.9% |
|
Elman神經(jīng)網(wǎng)絡(luò) |
平均值，標準差，平滑度，一致性，熵，缺陷面積，方形，伸長率，七階不變矩 |
斷絲識別準確率92% |
|
|
|
允許識別誤差1.17% |
|
|
|
最大識別誤差不超過2.5% |
|
BP神經(jīng)網(wǎng)絡(luò) |
偽彩色圖 |
顏色矩 |
斷絲識別準確率96.875% |
|
|
|
允許識別誤差0.901% |
|
粒子群優(yōu)化算法-支持向量機 |
顏色矩 |
斷絲識別準確率98.15% |
|
|
|
允許識別誤差0.901% |
|
|
|
最大識別誤差不超過1.351% |
|
內(nèi)核極限學習機 |
灰度圖+紅外 |
平均亮度，標準差，平滑度，一致性，熵，奇數(shù)不變矩，顏色矩 |
最高準確率98.4% |
|
|
|
最大誤差2根 |
|
K近鄰分類算法 |
偽彩色圖+紅外 |
標準差，平滑度，一致性，熵，顏色矩 |
斷絲識別準確率98.44% |
|
|
|
允許識別誤差0.463% |
|
|
|
最大識別誤差不超過0.93% |
5、結(jié)論與展望
電磁檢測技術(shù)作為鋼絲繩最有效的無損檢測技術(shù)之一，具有缺陷識別率高、穩(wěn)定性好等優(yōu)勢，在近年取得了豐碩的研究成果。但是，鋼絲繩無損檢測技術(shù)還存在一些問題亟待解決，將來的研究還需重點關(guān)注以下方面：
1、不能忽視鋼絲繩種類和結(jié)構(gòu)對檢測結(jié)果的影響。
鋼絲繩按照股橫截面形狀分為圓股鋼絲繩和異形股鋼絲繩，目前對鋼絲繩缺陷的研究多采用圓股鋼絲繩，而對異形股鋼絲繩缺陷的研究較少。由于捻制方式、繩芯材料以及編制層數(shù)的不同，即使同種鋼絲繩在磁化和缺陷檢測中也具有較大的差異。因此，對不同種類鋼絲繩缺陷信號的振動波形特點及損傷識別還需進一步研究。
2、注重鋼絲繩沖擊缺陷形態(tài)和空間分布在損傷識別中的影響。
鋼絲繩沖擊缺陷處的斷口形狀、斷口深度及寬度是影響缺陷識別準確性的重要因素。鋼絲繩沖擊缺陷處的空間分布不同，即內(nèi)/外部缺陷、同股/不同股集中缺陷等對缺陷處定量分析的準確性有著重要的影響。因此，對鋼絲繩沖擊缺陷形態(tài)和空間分布的深入研究，對損傷識別和定量分析具有重大意義。
3、提高鋼絲繩缺陷信號的信噪比及運算速度。
鋼絲繩非周期沖擊缺陷信號與股波噪聲、振動噪聲和背景噪聲等混合在一起，嚴重影響了缺陷信號的識別。特別是強噪聲背景下鋼絲繩微弱信號的識別與提取，亟需進一步的研究。研究適用于強噪聲背景下鋼絲繩微弱信號的識別與提取的新方法，以及提高現(xiàn)有方法的實用性，是未來研究重點。將種群優(yōu)化、自適應(yīng)尋優(yōu)等思想用于改進這些算法的參數(shù)選取，能夠提高損傷識別的效率和準確性。
4、重視鋼絲繩缺陷定量分析及壽命預(yù)測的研究。
鋼絲繩缺陷定量分析和壽命預(yù)測是目前研究的難點和熱點問題。鋼絲繩結(jié)構(gòu)、缺陷形態(tài)、信號處理以及定量分析方法的選取都對缺陷定量的準確性有著至關(guān)重要的影響。鋼絲沖擊缺陷形態(tài)、程度的演化通常又是影響鋼絲繩壽命預(yù)測的重要參數(shù)。因此，鋼絲繩沖擊缺陷定量分析及壽命預(yù)測還需更深入地研究。
5、遷移新技術(shù)、新方法的融合應(yīng)用。
目前鋼絲繩電磁檢測技術(shù)主要包括信號預(yù)處理、特征提取、損傷定性判定和定量分析等3步，而特征值的選擇和提取方式對定性識別和定量分析結(jié)果的影響較大且步驟繁瑣。因此基于深度學習方法，即無需特征提取而直接代入深度神經(jīng)網(wǎng)絡(luò)進行訓練將成為鋼絲繩損傷定性判斷和定量分析的研究趨勢。并且，單一的檢測技術(shù)無法解決所有鋼絲繩損傷問題，需要研究多檢測技術(shù)下多方法、多指標融合檢測技術(shù)，來提高鋼絲繩損傷識別與定量分析的準確性。
6、加強理論成果轉(zhuǎn)化和現(xiàn)場應(yīng)用。
由于鋼絲繩的結(jié)構(gòu)、規(guī)格、礦井工況的多樣性，現(xiàn)有的無損檢測設(shè)備無法進行通用檢測。對不同鋼絲繩結(jié)構(gòu)帶來的不同信號特征，應(yīng)研究一定的算法去削弱信號中的結(jié)構(gòu)特征。對于鋼絲繩規(guī)格不同導致的提離值變化，應(yīng)研究一定的算法進行補償或采用變提離值調(diào)節(jié)結(jié)構(gòu)。對于鋼絲繩現(xiàn)場工況的多樣性，如高速檢測、重載檢測、離線停機檢測和在線實時監(jiān)測等，應(yīng)針對特殊工況進行深入研究。
作者：許鐘奇，楊建華，李尚袁，楊巖，王亮，孫博文，黃升平
工作單位：中國礦業(yè)大學 機電工程學院 江蘇省礦山機電裝備重點實驗室
第一作者：許鐘奇，碩士研究生，主要研究方向為鋼絲繩無損檢測。
通信作者：楊建華，博士，教授，主要研究方向為高端裝備智能運維。
來源：《無損檢測》2023年11期
京公網(wǎng)安備11010802046783號
