共查询到17条相似文献,搜索用时 156 毫秒
1.
电磁检测是目前检测钢丝绳最简便、最可靠的方法,而永磁体磁场又是较为稳定的磁场,能检测出稳定清晰的缺陷信号。结合钢丝绳实际检测记录图及数据,对缺陷信号进行了定性和定量分析,确定了钢丝绳金属断面的缩小值、断丝的局部聚集和断丝的增加率。 相似文献
2.
采用声发射技术对电梯钢丝绳拉伸过程进行监测,获取钢丝绳断丝信号,并对断丝信号进行参数分析和波形分析。试验结果表明:声发射检测技术能很好地定性辨识断丝信号。断丝信号具有高幅值高能量的特点,信号幅值在80~100 dB之间或绝对能量在2×10~6 mV·s以上的信号可定性认定为断丝信号。通过对具有这些特征的信号进行统计,可对钢丝绳断丝情况定量计算,从而推断出钢丝绳的剩余强度。钢丝绳断丝信号为突发型信号,对信号进行快速傅里叶变换可得知断丝信号的频率主要分布在0~220 kHz之间,且在25~50 kHz之间有明显的能量峰值。 相似文献
3.
4.
5.
6.
7.
电磁检测应用于钢丝绳断丝损伤检测,最关键的技术是对漏磁信号的采集、分析处理及定量识别.文章在对电磁检测技术、信号分析处理技术和虚拟仪器技术研究基础上,利用LabVIEW完成钢丝绳损伤检测系统的软件设计,包括检测信号的采集,基于小波理论的滤波处理,特征值提取,基于BP神经网络的损伤定量识别四部分.最后,通过实验验证了此检测系统的有效性,为钢丝绳电磁检测提供了新思路. 相似文献
8.
钢丝绳在建筑、旅游、运输等行业中已得到了广泛应用,由其断丝、磨损等缺陷所引起的安全隐患备受人们关注。采用双探头低频透射式钢丝绳电涡流无损检测方案,选取感应信号相对于激励信号的峰-峰值差和相位差作为特征量,采用数字式峰-峰值算法和占空比原理计算信号特征量。应用BP神经网络对钢丝绳缺陷进行自动识别,以钢丝绳型号及其缺陷特征量为网络输入,以是否存在断丝及断丝数量为网络输出,通过离线训练方法获取神经网络辨识模型。对实验数据进行识别,结果表明BP神经网络能对断丝缺陷及其数量进行有效的定性及定量识别。 相似文献
9.
针对锂离子铝壳电池模组在冷金属过渡焊接过程中因焊丝卡丝、断丝现象造成的模组漏焊、报废问题,设计一种焊丝末端自动监测、智能控制系统。通过在焊机送丝柜加装焊丝监测传感器,实时监测并上传焊丝状态,控制系统针对监测的焊丝状态控制焊接系统执行模组焊接工作,实现模组在焊接过程中焊丝状态的自动监测、焊接状态的智能控制,保证模组生产稳定可靠,提高模组焊接的一次合格率。采用该焊丝状态自动监测、智能控制方案,能够有效降低锂离子电池模组在生产过程中因焊丝卡丝、断丝造成的模组焊接质量问题,提升模组焊接质量,降低设备平均故障间隔时间(MTBF),提升设备综合效率(OEE),具有较强的经济实用意义。 相似文献
10.
针对钢丝绳断丝缺陷的在役动态监测需要,提出采用COMSOL软件对钢丝绳的声发射检测信号传播特性进行研究。首先建立钢丝绳结构模型,然后模拟不同频率、不同位置的断丝声发射信号在结构中的传播过程,获得不同位置的信号位移场及能量变化,最后根据导波理论,采用模态特征曲线结合小波变换分析不同类型声发射源的特征频率与模态成分。结果表明:声发射信号传播过程中,对于不同频率和激发方向的声发射源,其主要模态成分和特征频率的差异较大,可根据不同位置的时频分析结果,结合理论频散曲线判别声发射源信号的主要模态特征,并确定结构中声发射源的不同振动方向与中心频率。该研究结果可为钢丝绳损伤声发射检测提供理论参考依据。 相似文献
11.
12.
13.
14.
15.
16.