【技术实现步骤摘要】
本专利技术属于钢丝绳检测，特别涉及一种钢丝绳缺陷的地磁检测方法。
技术介绍
1、钢丝绳在长期使用的过程中，钢丝绳的损伤不可避免，例如断丝、金属疲劳、锈蚀、应变软化、结构变形等，这些缺陷会对生产安全产生巨大的影响。相比于其他缺陷形式，疲劳断裂降低钢丝绳的强度，增加设备及运行系统的安全隐患。
2、目前，对钢丝绳断丝的主流检测方法是漏磁检测，一般是对构件进行励磁，通过磁通传感器排布检测钢丝绳的磁通信号，通过磁通信号的变化情况，并结合相应数据处理对钢丝绳缺陷进行检测分析。此方法的优点是增加轴向宽度较小的缺陷的识别率，但是需要通过神经网络等计算方法才可以定量分析。bp神经网络具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。早期对于钢丝绳检测的研究通过构建4输入1输出的bp神经网络模型，钢丝绳断丝的识别率较传统方法高，但是bp神经网络的学习速度慢，即使是一个简单的问题，一般也需要几百次甚至上千次的学习才能收敛，网络层数、神经元个数的选择也没有相应的理论
本文档来自技高网...
【技术保护点】
1.一种基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，步骤2中，对采集的磁通信号进行预处理，将磁通信号转化成多组色彩识别图像，具体步骤如下：
3.根据权利要求1所述的基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，步骤3中，通过卷积神经网络建立的缺陷识别特征模型，具体步骤如下：
4.根据权利要求1所述的基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，步骤4中，根据卷积神经网络建立的缺陷识别特征模型与色彩识别图像的识别结果...
【技术特征摘要】
1.一种基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，步骤2中，对采集的磁通信号进行预处理，将磁通信号转化成多组色彩识别图像，具体步骤如下：
3.根据权利要求1所述的基于卷积神经网络的钢丝绳缺陷地磁检测方法，其特征在于，步骤3中，通过卷积神经网络建立的缺陷识别特征模型，具体步骤如下：
<...【专利技术属性】
技术研发人员：韩长宇，张红梅，于忠祥，赵大东，于国澳，
申请(专利权)人：辽宁科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。