一种钢丝绳损伤定量检测方法技术

本发明专利技术提供一种钢丝绳损伤定量检测方法，本方法将钢丝绳检测装置采集到的信号通过设置门限值消除异常信号点，采用去趋势法消除基线漂移，然后通过自适应小波去噪算法进行降噪处理，通过启发式优化算法优化SVR的参数，最终确定SVR定量分析模型。本发明专利技术通过构造一种钢丝绳损伤定量检测方法对钢丝绳进行无损检测，提高了检测精度。提高了检测精度。提高了检测精度。

【技术实现步骤摘要】
一种钢丝绳损伤定量检测方法


[0001]本专利技术涉及钢丝绳损伤检测技术，具体涉及一种基于预处理和SVR的钢丝绳损伤定量检测方法。

技术介绍

[0002]钢丝绳一般用于大吨位物体的起吊与牵引，如果钢丝绳断裂，冲击破坏力极大，非常容易造成人员伤亡和财产损失。但如果过于频繁地更换新的钢丝绳，则会造成较大的浪费以及经济损失。因此，能够准确检测钢丝绳的损伤情况，从而预计钢丝绳的使用寿命，具有十分重要的社会和经济效益。
[0003]电磁检测法是目前技术最成熟、判伤结果最可靠、应用最广泛的钢丝绳无损检测方法，具有成本低、易于实现等优点。金属磁记忆检测技术是一种利用金属磁记忆效应来检测部件应力集中部位的快速无损检测方法。克服了传统无损检测的缺点，能够对铁磁性金属构件内部的应力集中区，即微观缺陷和早期失效和损伤等进行诊断，防止突发性的疲劳损伤。
[0004]基于金属磁记忆效应的基本原理，通过记录垂直于金属构件表面的磁场强度分量沿某一方向的分布情况，磁记忆信号主要受到应力和缺陷的影响，可以对构件的应力集中程度以及是否存在微观缺陷进行诊断评价,防止本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢丝绳损伤定量检测方法，其特征在于，包括以下步骤：步骤1：提取钢丝绳检测装置检测到的钢丝绳不同损伤情况的磁记忆信号；步骤2：通过设置门限值消除异常信号点；步骤3：针对信号数据拟合一条曲线，采用去趋势法消除基线漂移；步骤4：对去趋势处理的信号数据进行降噪处理；步骤5：建立钢丝绳损伤样本数据集，每个样本包含信号数据和一个标签；步骤6：将样本集划分为训练集、验证集和测试集；步骤7：构建SVR定量分析模型，将训练集作为输入，采用GAPSO算法优化SVR中的惩罚参数c和核函数参数g，输出定量检测结果；步骤8：计算模型精度；步骤9：验证集验证，调整模型参数，确定SVR定量分析模型；步骤10：将测试集输入SVR定量分析模型，得到定量检测结果，计算检测精度；步骤11：利用钢丝绳检测装置实时采集钢丝绳的漏磁信号数据，将采集到的信号数据做步骤2
‑
4的消除异常信号点、消除基线漂移以及降噪处理，将处理后的数据作为输入，用SVR定量分析模型做定量分析，输出钢丝绳的损伤情况。2.根据权利要求1所述一种钢丝绳损伤定量检测方法，其特征在于，所述步骤2中，对于短促干扰脉冲信号、野点、杂散信号，设置门限值T，对异常点进行移动窗口平滑处理，采用如下方法：其中，空间域信号序列为{x
m
},m＝0,1,2,Λ，首先判断信号点是否为奇异点，对于符合t(x)≥T的信号点，采用移动窗口平滑法，窗口宽度为(2k+1)，计算窗口的中心点m前后k点的平均值，t(x)＝|x
m
‑
[x
m
‑
k
+x
m
‑
k+1
+Λ+x
m
‑1+x
m+1
+Λ+x
m+k
‑1+x
m+k
]/2k|，T由信号变化的幅度及经验预置，信号变化的幅度即信号数据的导数。3.根据权利要求1所述一种钢丝绳损伤定量检测方法，其特征在于，所述步骤3对若干条信号数据进行多项式拟合，以得到数据趋势的拟合曲线，得到拟合曲线的具体步骤如下：在当前的问题中，采用m次多项式拟合，令f(x)＝a1x+a2x2+Λ+a
m
x
m
其中，a
k
是待定系数(k＝1,2,Λ,m,m<<n)，拟合准则是使信号数据y
i
(i＝1,2,Λ,n)与f(x
i
)的距离的平方和最小，f(x
i
)为f(x)的扩展延伸，y
i
为第i个样本的实际值，即使得达到极小，根据已有的信号数据确定拟合次数m的选择，具体为将m从3开始依次取值，根据拟合情况确定m合适的取值，使得拟合曲线刚好能反映数据趋势，得到数据趋势曲线f(x)后，根据去趋势法从原始数据中减去趋势线f(x)，从而消除基线漂移。4.根据权利要求1所述一种钢丝绳损伤定量检测方法，其特征在于，所述步骤4采用自适应小波去噪算法，根据数据特性选择合适的小波基以及分解层数J，根据每一层小波变换的结果，基于斯坦恩无偏估计(SURE)优化算法寻找最优阈值，实现阈值的自适应变化。5.根据权利要求1所述一种钢丝绳损伤定量检测方法，其特征在于，所述步骤6根据
SPXY方法，计算样本之间的距离为d
xy
(i,j)，其中，以信号数据为特征参数计算的样本间的距离为d
x
(i,j)，以标签值为特征参数计算的样本间的距离为d
y
(i,j)。6.根据权利要求1所述一种钢丝绳损伤定量检测方法，其特征在于，所述步骤7将SVR中的惩罚参数c和核函数参数g的取值作为粒子的位置，采用遗传算法的思想对粒子群算法进行优化，通过对粒子进行杂交和变异来增加种群的多样性，避免粒子群算法的适应度过早收敛，避免陷入局部最优，算法步骤如下：(1)对粒子群中的粒子的随机的位置以及速度进行初始化，使粒子分散在整个空间中；第i个粒子的位置对应参数c和g的值x
i
＝(c
i
,g
i
)，第i个粒子位置变化速度v
i
＝(v
i1
,v
i2
)，一般而言，粒子数量取值范围为20～40；(2)将模型训练集的均方根误差作为适应度值，根据适应度函数计算每一个粒子的适应度；(3)将每一个粒子的适应度值和这一粒子的历史最优位置(记为gbest)相比较，如果当前的适应度值比较好，则将这一适应度值作为当前的最好位置gbest，反之，gbest不变；将每一个粒子的适应度值和这所有粒子的历史最优位置(记为zbest)相比较，如果当前的适应度值比较好，则将这一适应度值作为当前的最好位置zbest，反之，zbest不变...

【专利技术属性】
技术研发人员：高钰敏，聂道静，刘艳，张艳波，谢邦天，孙翠翠，沈毅祥，于金明，
申请(专利权)人：微特技术有限公司，
类型：发明
国别省市：