矿用钢丝绳断丝特征的识别

金属磁记忆检测技术能够检测矿用钢丝绳的断丝也能评估其应力集中部位,但是钢丝绳检测一般需要实时在线检测,检测的磁记忆信号混有许多噪声,为了能够提高钢丝绳断丝识别率,需要对检测信号进行降噪处理。采用集合经验模态分解(EEMD)对检测信号降噪结果看出,此方法明显比小波降噪方法好很多,提出了一种筛选本征模态函数(IMF)的方法。     

矿用钢丝绳缺陷检测系统的设计与实现

针对国内各种钢丝绳断丝检测仪的检测精度低、检测结果稳定性差等缺陷,研究了一种矿用钢丝绳断丝漏磁信号检测和处理新仪器。仪器采用强磁检测原理,可以实时、在线、定量、多通道地检测钢丝绳的损伤,并提供网络化的服务,对损伤的判定较目前的手段更为科学、准确、合理。     

基于TMR传感器的矿用钢丝绳断丝缺陷检测系统

设计了一种基于隧道磁电阻(TMR)传感器的矿用钢丝绳断丝缺陷检测系统。阐述了系统励磁装置,硬件电路及软件的实现过程;搭建试验平台对表面分布有5处不同程度断丝缺陷的■ mm-19×7+IWR型油性钢丝绳进行在线检测。试验结果表明系统具有灵敏度高,温度稳定性好,信噪比高,体积小等优点;最小检测精度为金属断面损失0.4%的单根断丝缺陷,轴向最小分辨力达到5 mm,完全满足实际工程应用需求。     

矿用电梯钢丝绳无损检测系统的研究

阐述了漏磁检测技术检测钢丝绳的原理,设计了一种矿用电梯钢丝绳无损检测系统。该系统采用灵敏传感器检测钢丝绳两侧的漏磁通变化,并以ARM为基础平台开发了系统软件。经现场试验证明,该系统能有效地检测钢丝绳的断丝、磨损、颈缩、疲劳及锈蚀等缺陷,且检测数据可靠,大大降低了用绳成本和人工检测成本。     

矿用钢丝绳损伤定量识别技术应用研究

针对矿用提升钢丝绳缺陷检测的实际需要提出钢丝绳无损检测方法,检测系统通过提取损伤信号特征量,进行定量识别,提出基于最小二乘法的定量识别技术。经大量测试和实验表明:所研究开发的缺陷信号分析处理系统基本实现钢丝绳的无损检测,其信号分析处理结果也与钢丝绳实际故障情况基本符合,具有较好的实用价值。     

基于多线圈周向磁化的矿用钢丝绳断丝检测磁场仿真研究

针对在矿用钢丝绳损伤检测采用的永磁励磁方式存在的永磁体退磁以及磁场不稳定等问题,提出了矿用钢丝绳损伤检测系统的整体设计方案,介绍了矿用钢丝绳在使用过程中可能出现的损伤形式,阐述了钢丝绳漏磁检测的基本原理,设计了基于多线圈周向磁化的矿用钢丝绳损伤检测励磁装置,并利用Ansoft Maxwell软件建模仿真分析了励磁装置的励磁效果。     

TCK钢丝绳在线自动检测系统在煤矿提升钢丝绳安全管理中的应用

介绍了钢丝绳检测技术现状,阐述了弱磁检测技术优势和钢丝绳在线自动检测系统工作原理。同煤集团使用TCK钢丝绳在线自动检测系统创造了显著的安全和经济效益的事实证明,基于弱磁技术的钢丝绳在线自动检测系统是煤矿创建提升钢丝绳安全监管新模式的必然选择。     

钢丝绳断丝在线监测系统的研制

以漏磁检测原理为核心研究设计了钢丝绳断丝在线监测系统,对钢丝绳断丝等缺陷情况进行在线监测,详细分析了一种基于AT89S52单片机的数据采集方法,并设计了数据采集、分析、处理系统,检测结果与实际情况基本一致,从而使钢丝绳断丝等缺陷的判定较目前的手段更为科学、准确、合理。     

矿用钢丝绳检测系统

介绍了矿用钢丝绳的电磁探伤检测系统,该系统可实时、在线、定量地检测钢丝绳的损伤。     

小波去噪在矿用钢丝绳损伤检测中的应用研究

介绍了矿用钢丝绳损伤检测系统的设计及小波分析降噪的原理,针对电磁干扰对信号采集的影响,阐述了应用小波分析理论实现降噪的方法。测试结果表明,基于小波多分辨率分析对损伤信号的分解与重构处理,有效的去除了野点、工频干扰和其他众多噪声,克服了传统滤波方法的不足,为矿用钢丝绳缺陷信号的定量识别打下可靠的基础。     

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。     

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。     

矿井提升机钢丝绳损伤在线检测方法研究

针对矿井提升钢丝绳损伤检测的难题,提出了一种漏磁检测技术与机器视觉检测法相结合的在线检测方法,解决单一检测方法漏检或误检的问题。为了验证漏磁检测方法的有效性,对钢丝绳断丝漏磁信号进行小波降噪,提取断丝信号峰值、峰峰值和波形面积特征,用遗传算法优化的 BP 神经网络对其进行定量识别。结果表明：钢丝绳断丝定量识别的最大相对误差为 5.23%。为了验证机器视觉检测法的有效性,对钢丝绳损伤图像进行滤波、灰度等预处理,以及图像分割和边缘检测处理,实现了损伤面积的准确定量识别。     

基于小波变换的钢丝绳断丝定量检测技术研究

 钢丝绳在使用过程中会因疲劳、锈蚀和磨损等原因产生断丝、截面积损失等缺陷，如不及时发现将直接威胁到生产安全，已成为影响安全生产的重大隐患。本文侧重信号分析处理这一课题并展开研究，开发出基于漏磁检测原理的缺陷信号分析处理系统。本文采用的多霍尔元件阵列组合检测法以及漏磁信号的特征，运用小波变换理论对缺陷信号进行分解与重构，提取缺陷信号特征值，并针对缺陷信号进行定量识别，提出基于最小二乘法的定量识别算法。     

TCK钢丝绳芯输送带实时监测系统的研究与应用

针对钢丝绳芯输送带在煤矿运输中存在检查监测困难的缺陷,TCK采用弱磁检测技术,结合现代网络通讯技术、计算机技术、防爆技术等现代前沿科技成果,成功解决了钢丝绳芯输送带的在线自动监测难题。     

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。     

新产品·新技术

MD型钢丝绳探伤仪通过专家技术鉴定MD型钢丝绳探伤仪是洛阳矿山机械工程设计研究院检测中心开发研制的用于检测在投钢丝绳由于磨损、锈蚀、断丝引起的钢丝绳损伤的专用仪器设备。1998年10月17日在洛阳通过了河南省科委组织专家技术鉴定。MD型钢丝绳探伤仪是采用磁检测法,通过对磁通号变化的检测,获得有关钢丝绳的信息,判断钢丝绳金属面变化情况,即主磁通检测法（LMA）可检测如磨损、锈蚀等引起的钢丝绳金属横截面变化的缺陷;通过对磁场畸变信号的检测,判断钢丝绳的局部损伤缺陷,即由断丝、锈蚀斑点等引起的损伤缺陷（LF）。将以…     

基于有限元分析的矿用钢丝绳聚磁检测方法

针对目前钢丝绳聚磁检测中存在的问题,把有限元分析技术用于矿用钢丝绳的聚磁检测中,研究基于霍尔元件的钢丝绳检测聚磁器结构,以及当选用霍尔元件时,应该遵从什么原则。研究结果表明：对基于霍尔元件的矿用钢丝绳检测,可研究设计一边分布4个聚磁柱的环形聚磁环,环绕钢丝绳周围一圈布置4片霍尔元件;在使用霍尔元件进行钢丝绳损伤检测时,应该选择感应面较宽的霍尔元件。     

基于3Dmaxwell的钢丝绳漏磁检测仿真研究

为保障钢丝绳运行安全,需要对钢丝绳进行定期无损检测。现有钢丝绳检测方法中,基于漏磁原理的电磁检测法是公认的最实用的检测方法。采用3D Maxwell仿真磁场信号,经过调整磁铁磁场强度、磁铁距离和提离值,验证圆周阵列检测方法,最后对钢丝绳漏磁进行动态仿真,记录运动全过程的漏磁信号。通过本论文的研究,得到了合适的钢丝绳探伤仪参数|对运动全过程的漏磁信号进行分析,可以得到Y方向漏磁信号对钢丝绳断丝的反应最为显著,为第二代探伤仪的设计提供了关键的数据参考。     

基于最小二乘法的钢丝绳断丝定量检测技术研究

漏磁检测是钢丝绳无损检测中的一种重要方式,传统的钢丝绳漏磁检测系统存在的问题主要表现在检测精度低,检测信号的处理方式简单。采用高灵敏的霍尔元件检测断丝漏磁信号,通过现代数字信号处理技术对断丝漏磁信号进行处理,研究选取峰-峰值与波宽作为钢丝绳断丝损伤信号特征量,运用基于最小二乘法的曲线拟合算法对断丝检测信号进行定量分析。试验表明,该断丝信号处理技术对断丝达到了较好的准判率,取得了较明显的效果,在实际应用中有较强的可行性。