一种开放式微磁激励钢丝绳损伤检测系统的制作方法

本发明属于钢丝绳损伤检测技术领域，具体涉及一种开放式微磁激励钢丝绳损伤检测系统。

背景技术：

工业生产、旅游业、煤矿业、船舶业以及日常起重装吊通常采用钢丝绳作为牵引、承重以及连接部件。钢丝绳长时间大负荷使用易产生断丝、松丝、磨损损伤，在恶劣环境下的使用会导致钢丝绳腐蚀径缩，承载能力下降，极易发生安全事故从而危及到人身安全和设备安全。因此实时地监测钢丝绳损伤情况预测实现钢丝绳快速无损自动化检测技术具有重要的社会和经济效益。

目前，钢丝绳损伤检测技术领域应用较多，最常用的是电磁检测法。基于电磁的钢丝绳无损检测从磁化角度来可大致分为两类，即线圈磁化和永磁体激励磁化两种。采用线圈磁化检测装置通常将线圈绕制为两个鞍形线圈，通过调节线圈中电流大小来产生不同的磁场强度。同时用主磁通法或是磁通门对钢丝绳表面漏磁进行采集，可以基本实现表面损伤的位置和损伤情况的定量检测。但是该法由于采用周向磁场加和的方式，获取的是一维信号，从而周向磁场分布信号必然缺失，尤其对于集中缺陷和分散缺陷的检测识别有较大影响。

使用永磁铁作为激励源的检测装置大多采用大量磁铁，制作成马鞍形，再以导磁体进行聚磁将钢丝绳磁化至饱和，当钢丝绳出现损伤时，损伤处将会产生漏磁场，如图1所示。采用磁敏感检测器检测损伤点的漏磁信号，就能判断钢丝绳是否存在损伤以及损伤出现的位置。但是这种方法，检测被测钢丝绳漏磁信号的传感器必须设置在磁化被测钢丝绳的磁激励部分，所以作为磁激励源的永磁铁体积都比较大，所以整个检测装置的体积比较大，使用时不方便，并且检测装置必须设置在作为磁激励源的永磁铁两级之间，不方便设置。而且用于检测漏磁信号的磁敏感检测器磁敏感度小，检测精度小。

技术实现要素：

本发明的目的在于提供一种开放式微磁激励钢丝绳损伤检测系统，用于解决现有技术中钢丝绳损伤检测装置体积比较大，使用不方便的问题。

为实现上述目的，本发明提供的技术方案是：

一种开放式微磁激励钢丝绳损伤检测装置，包括供待测钢丝绳穿过的检测通道；所述检测通道上沿其延伸方向间隔设置有磁环和检测环，磁环、检测环同轴，且轴线沿所述检测通道延伸方向；所述磁环为一个环形磁性元件或者由在检测通道周向上间隔设置的至少两个磁性元件构成，磁性元件的n极和s极延伸的方向与磁环轴线方向相同；所述检测环包括在检测通道周向上间隔分布的至少两个用于检测所述磁环磁场的磁感应传感器。

进一步的，还包括壳体，所述检测通道为壳体上设置的通孔，所述磁环、检测环设在所述通孔内壁上。

进一步的，所述磁感应传感器为巨磁阻传感器。

进一步的，还包括控制器，控制器采样连接所述磁感应传感器，并连接有用于测量所述开放式微磁激励钢丝绳损伤检测装置沿绳移动距离的编码器。

进一步的，所述检测通道中或端部，设有用于使所述开放式微磁激励钢丝绳损伤检测装置沿待测钢丝绳导向移动的导向轮。

一种开放式微磁激励钢丝绳损伤检测方法，包括根据磁感应传感器采集的信息，进行后续处理，获取待测钢丝绳缺陷位置的步骤，还包括对磁感应传感器采集的信息进行基线移除和降噪抑制处理，并采用拟合插值法提升待测钢丝绳表面漏磁图像周向分辨率的步骤。

进一步的，所述后续处理包括：

对提高分辨率之后的钢丝绳表面漏磁图像进行灰度转换；

对灰度转换后的钢丝绳表面漏磁图像进行缺陷定位与分割；

对分割得到的缺陷图像进行压缩感知特征提取，采用人工神经网络进行分类定量识别。

进一步的，采用小波多分辨分析降噪方法对钢丝绳表面的弱磁数据阵列进行降噪抑制处理；所述小波多分辨分析降噪方法包括信号分解、小波阈值设定和小波重构。

进一步的，定位后截取设定长度数据点，取出钢丝绳缺陷处的漏磁灰度图像。

进一步的，所述分割得到的缺陷图像进行压缩感知特征提取，包括信号系数、压缩采样和信号重建三部分。

本发明的有益效果是：本发明提供的技术方案，磁环和检测环间隔设置，所以磁环中用于磁化被测钢丝绳的磁性元件不需要设置较大的体积，从而减小装置整体的体积，使装置方便使用。

附图说明

图1为现有技术中钢丝绳损伤检测的原理图；

图2为实施例中开放式微磁激励钢丝绳损伤检测装置的结构示意图；

图3为实施例中开放式微磁激励钢丝绳损伤检测装置的结构原理图；

图4为实施例中开放式磁激励单元的结构原理图；

图5为实施例中信号调理电路的结构原理图；

图6为实施例中编码电路的结构原理图；

图7为实施例中钢丝绳损伤检测的原理图；

图8为实施例中检测信号的传递流程图。

具体实施方式

本发明的目的在于提供一种开放式微磁激励钢丝绳损伤检测系统，用于解决现有技术中钢丝绳损伤检测装置体积比较大，使用不方便的问题。

为实现上述目的，本发明提供的技术方案是：

一种开放式微磁激励钢丝绳损伤检测装置，包括供待测钢丝绳穿过的检测通道；所述检测通道上沿其延伸方向间隔设置有磁环和检测环，磁环、检测环同轴，且轴线沿所述检测通道延伸方向；所述磁环为一个环形磁性元件或者由在检测通道周向上间隔设置的至少两个磁性元件构成，磁性元件的n极和s极延伸的方向与磁环轴线方向相同；所述检测环包括在检测通道周向上间隔分布的至少两个用于检测所述磁环磁场的磁感应传感器。

下面结合附图对本发明的实施方式作进一步说明。

装置实施例：

本实施例提供一种开放式微磁激励钢丝绳损伤检测装置，其结构示意图如图2所示，包括装置壳体，装置壳体内设有控制板，并在装置壳体上设有前后贯穿的通孔，该通孔即为检测通道，用于供待检测的钢丝绳穿过，并且在检测通道的两端均设有导向轮，为待测钢丝绳导向。检测通道沿其轴线延伸方向间隔设有磁环和检测环，磁环采用励磁开放式磁激励单元，检测环采用巨磁阻传感器组成的传感器阵列单元，并在装置壳体沿检测通道的其中轴向的其中一端设有编码器。

本实施例所提供的开放式微磁激励钢丝绳损伤检测装置，其结构原理图如图3所示，开放式磁激励单元101和传感器阵列单元102之间间隔设置，两者之间的距离l取值范围为20厘米至30厘米，在本实施例中，l取23cm。传感器阵列单元通过信号调理电路连接主控电路，编码器通过编码电路连接主控电路，并且主控电路还连接有数据存储单元。

本实施例所采用的开放式磁激励单元101的结构如图4所示，采用12个相同的直径为4.7mm长度28.6mm的圆柱形永磁铁，绕检测通道轴线的延伸方向，在检测通道的内壁上周向呈环形均匀分布，形成磁环。开放式磁激励单元101用于磁化被测钢丝绳，为了保证对被测钢丝绳的励磁效果，将各圆柱形永磁铁与被测钢丝绳之间的距离设置为设定值d。为保证对被测钢丝绳的磁化效果，l与d之间的比值约为9.5。

传感器阵列单元102包括18个巨磁阻传感器，每9个设置在一个印制板上，各巨磁阻传感器绕检测通道轴线延伸方向，在检测通道内部上周向均匀分布，形成检测环。18个巨磁阻传感器通过16路模拟开关连接信号调理电路，信号调理电路如图5所示，包括差分放大电路和减法电路，差分放大电路的输入端连接传感器阵列单元中的磁巨阻传感器，输出端连接减法电路的负输入端。差分放大电路中的差分放大器外接8.2k的电阻，将信号放大约7倍，减法电路的正输入端输入0.75v电压，负输入端输入差分放大电路的输出端，差分放大电路的输出端输出的电压大约在-1.4v-1.4v之间。

编码器电路的结构原理图如图6所示，采用光电耦合器对光栅编码器产生的脉冲进行高频噪声隔离，然后再采用电容器对该脉冲进行滤波，最后通过两个反向器对该脉冲进行整形后发送到主控电路。

在本实施例中，通过编码器的脉冲信号计算检测装置的移动距离，从而计算出钢丝绳缺陷的位置；作为其他实施方式，可以采用其他位移传感器计算钢丝绳缺陷的位置。

在本实施例中，磁化段和检测段之间的距离为23cm；作为其他实施方式，可以优选24cm。

本实施例提供一种开放式微磁激励钢丝绳损伤检测装置，其检测的原理如图7所示，通过采集钢丝绳损伤点的漏磁信号判断钢丝绳的损伤位置，其信号传递流程如图8所示，传感器阵列单元检测被测钢丝绳的漏磁信号，然后将其通过模拟开关传送给信号调理电路，信号调理电路对该信号进行差分放大处理和减法运算处理，再通过adc采样发送给arm控制器。arm控制器还连接编码电路，编码器根据装置移动的距离产生相应的等间距脉冲，arm控制器根据脉冲计算装置移动的距离。arm控制器通过总线连接dsp数据处理器，dsp处理器对数据进行梯度求导，梯度信号的滤波，图像变换、定位与分割，以及压缩特征提取，然后将特征通过总线传输给arm处理器进行识别处理，定量输出缺陷伤点。

方法实施例：

本实施例提供一种开放式微磁激励钢丝绳损伤检测方法，适用于上述装置实施例中所提供的开放式微磁激励钢丝绳损伤检测装置，具体步骤如下：

(1)采用巨磁阻传感器感应弱磁场产生的电信号，采用编码器采集装置的位移信号，将18个巨磁阻传感器采集到的数据和编码器采集到的数据一起构成19路数据阵列；

(2)对数据进行基线去除；本实施例中采用求导算法，即相隔n采样点之间进行求差，由于采用等空间采样，所以该差值体现了钢丝绳漏磁信号在轴向上的变化情况；为最大体现出缺陷处的变化同时抑制无伤点的股波等噪声，因此在绳体缺陷样本中提取局部缺陷，对起始点进行逐次求差，根据差值结果固执最大的第一数据与起始点的采样点间隔作为手游信号的求差间距；

式中xi是一个完整缺陷一维信号，m是由缺陷处逐步求差中值最大处所在位置，是求导后的梯度信号；

(3)对数据进行噪声抑制；本实施例中，采用小波多分辨分析降噪方法对数据进行噪声抑制；小波多分辨分析降噪方法包括信号分解、小波阈值设定和小波重构三部分，具体为对于一个小波φj,k(t)，在l²(r)空间中建立一组基底ψj,k(t)，漆建立过程通过在l²(r)的一子空间中建立一基底，然后通过变换扩展，将该组基底扩充到了整个l²(r)空间中，从而得到整个空间的一组关于小波φj,k(t)的基底；使用mallat多分辨分析法获得的l²(r)的小波正交基

{ψj,k(t)|ψj,k(t)＝2^-j/2ψ(2^-jt-k)}j,k∈z

对于空间中任意信号f∈l²(r)可由该基底表述为

其中j是任意的设定尺度；φ(t)是尺度函数；而和是信号第2^j尺度下的分解系数，并且分别表示了低频逼近和高频细节，两个系数通过下式求出

式中，是一对组合滤波器，分别是一个低通滤波器和高通滤波器；

对通上式获得的小波系数施加阈值限制，将低于阈值的系数置为零，其它保留，所选用的阈值计算公式为

式中n是待滤波信号的采样点数，而thr是计算的阈值；通过下式对进行阈值处理后的小波系数进行信号重构

(4)采用三次样条基进行插值拟合，提高数据周向分辨率；

(5)对提升分辨率后的图像进行灰度变换，在屏幕上进行显示，并对缺陷进行定位与分割；灰度变换的变换公式为

采用局部模极大值对缺陷的位置进行定位，定位后截取一定长度的数据点，从而取出被测钢丝绳缺陷处漏磁灰度图像；

(6)将分割所得到的缺陷图像进行压缩感知特性提取，采用人工神经网络进行分类定量识别；压缩感知理论可分为三个部分，即信号稀疏、压缩采样和信号重建；已知某一测量结果的矩阵为φ∈r^m×n(m＜＜n)，考虑信号x∈rⁿ，实际存在的信号都不是稀疏的，但是如果信号在某一变换域内是稀疏，压缩感知依然可恢复出信号因此假设信号x在变换域的一组基ψ∈r^n×n下是稀疏，变换公式为

ω＝ψx

则其在测量矩阵下的线性测量值y＝φω＝φ(ψx)；

线性测量值y重构出最稀疏的无噪声信号在变换域的表示方式所以通过对y进行逆变换能够得到信号由于线性测量值y的维数远小于在变换域的表示方式因此上式求解出的y有无穷多个解或是无解。假设其有解且存在，则可以通过测量值y由求解最优0-范数精确重构，即：

该式子的解在统计意义下是唯一的，并且是无偏的，解的均值和信号在变换域下的表达相同。此外，使用的测量矩阵φ应该满足一致不确定原则，即对于任一k稀疏度向量s，如果满足：

则称矩阵φ∈r^m×n满足集合大小为k的不确定原则，其中k≤mlogn。目前常用的感知矩阵是随机矩阵，例如：高斯矩阵、贝努利矩阵、傅里叶随机测量矩阵以及非相关测量矩阵等。压缩感知理论的核心在于恢复出无噪声信号在变换域的表示方式

但对公式ω＝ψx求解0范数是一个难问题，无法求解，目前常用一些次最优解算法，这些算法大致可分为两类：一是凸优化方法，例如求解最小1范数求解；另一个是贪婪算法，比如正交匹配追踪算法等。贪婪算法虽然恢复精度较差，但因其算法速度快而经常被采用。本实施例中采用omp算法来对公式ω＝ψx进行求解，以高斯随机矩阵作为测量矩阵。该算法的核心是通过贪婪的方式找到与当前残余最匹配的列，然后在将该列添加到已选列的矩阵当中，通过最小二乘法求出近似解，更新剩余量。然后反复迭代，直到稀疏度k停止。因此如果选取合适的稀疏度k，就可以几乎完美的恢复出原始信号。综上所述，压缩采样序列y可以很好地表征信号x，从而该步骤中的特征提取办法是将矩阵图像转换成一维信号，然后使用高斯随机矩阵进行线性压缩采样，所得采样序列y即可表征缺陷图像。在本实施例中，人工神经网络采用径向基神经网络作为分类识别网络。