本发明涉及钢丝绳局部缺陷探测领域，尤其涉及一种钢丝绳径向漏磁信号的处理和成像方法。
背景技术
钢丝绳具有强度高、可靠性高、稳定性高等特点，被广泛应用于各类工业场景，提供拉升、牵引、承载等功能。由于钢丝绳通常作为大型机械的关键组件，其工作状态将会影响整个设备的运行状况和安全性能。因此，对钢丝绳进行故障诊断对保证设备稳定和生产安全具有重要意义。
钢丝绳工作的外部环境通过摩擦、碰撞、腐蚀等作用会使其产生局部缺陷。这类缺陷将一定程度上影响钢丝绳的性能。所以局部缺陷的信息通常被作为反映钢丝绳健康状况的指标之一。
检测钢丝绳局部缺陷的方法有很多。一种常见的方法是对钢丝绳表面的漏磁信号进行采集(原理如图1所示)。在该信号的各类采集方法中，使用周向等间距分布的霍尔传感器阵列进行等位移采样有效且直观。目前，对于以这种方法采集到的信号有多种处理方法，有的对信号进行直接分析和处理，也有的将信号成像，对图像进行分析和处理。其中，成像方法中，股波信号的滤除和局部缺陷信号的成像是会遇到的两个问题。
技术实现要素：
本发明的目的在于提供一种钢丝绳径向漏磁信号的处理和成像方法，能在保证局部缺陷信号不被大量衰减的前提下，有效地滤除股波信号，消除双点成像，提高信噪比。
本发明的上述目的是通过以下技术方案得以实现的：
一种钢丝绳径向漏磁信号的处理和成像方法，所述方法包括步骤：s1:采集钢丝绳径向漏磁信号，得到x组y路漏磁数据，存在数组d中；s2：对数组d中每一路漏磁数据分别使用平均的方法获得漏磁数据的趋势线，再将原始数据减去趋势线，得到数组ds；s3：在数组ds中确定一个斜向滤波的跨度m的重新采样线，使重新采样线尽量与股波纹理线重合；s4：使用插值方法在周向上对数组ds中每一组y个漏磁数据进行插值，使插值结果包含m个数据，组成新的数组di，在数组di的前后分别连接一个大小为m*m的零矩阵，新的数组定义为dr，在数组dr中沿重新采样线提取数据，并使重新采样线遍历所有数据进行滤波，去除数组dr前后两个m*m的矩阵，及提取数组中部长度为x的数据，组成新数组df；s5：对数组df中的每一路数据分别求取包络估计的幅值，将新的数据存储于数组de中。
进一步的，所述方法还包括步骤s6：确定一个阈值th，并定义一个与de大小相同的数组db，对数组de中的每一个数值进行判断；若该数值大于或等于th则将数组db中的对应元素设置为1，反之设置为0；对数组db进行成像，数值1对应灰度最大值，数值0对应灰度最小值，得到的图像中黑色像素表示钢丝绳局部缺陷。
进一步的，所述方法还包括步骤s7:数组db与数组de做哈达玛积得到新矩阵do；s8：对数组do进行成像，do中最大值对应灰度最大值，数值0对应灰度最小值。
进一步的，所述步骤s2对每一路漏磁数据分别使用平滑的方法获得漏磁数据的趋势线，再将原始数据减去趋势线，具体为：
dsy[n]＝dy[n]-ty[n]
其中，dy是原始的第y路数据，ty是该路数据的趋势线，n为滑动平均的跨度，dsy为去趋势后的第y路数据，处理完全部y路数据后，重新组成去除趋势后的数组ds。
进一步的，所述步骤s4在数组dr中沿重新采样线提取数据，并使重新采样线遍历所有数据进行滤波，去除数组dr前后两个m*m的矩阵，及提取数组中部长度为x的数据，组成新数组df的方法具体为：在数组dr中，将一条重新采样线，开始于第x组数据结束于第x+m组数据，经过的m个数据存储于数组temp中，通过平滑的方法对temp中的数据求趋势线，并将temp中的数据减去其趋势线得到去除趋势的数据，之后将该处理后的数据temp'沿重新采样线写回原始位置：
temp'[n]＝temp[n]-ttemp[n]
x从1至x，改变x，得到新的重新采样线后重复此处理过程，直到重新采样线遍历所有漏磁数据，处理完成后，由m+1至m+x，去除数组前后两个m*m的矩阵及提取数组中部长度为x的数据，组成新数组df，df的大小为m*x。
进一步的，所述步骤s6可描述为：
进一步的，所述步骤s7可描述为：do(x,y)＝db(x,y)×de(x,y)。
综上所述，本发明具有以下有益效果：
本发明的成像方法基于斜向滤波和包络面，能在保证局部缺陷信号不被大量衰减的前提下，有效地滤除股波信号，提高信噪比；且能够将一处局部缺陷的冲击信号成像为一块连续的像素，避免双点成像问题，从而更加准确的确定局部缺陷的有无和位置信息。
附图说明
图1是本发明实施例漏磁原理示意图；
图2为本发明实施例重新采样示意图。
具体实施方式
下面将结合附图，对本发明实施例的技术方案进行描述。
一种钢丝绳径向漏磁信号的处理和成像方法,包括如下步骤：
s1:采集钢丝绳径向漏磁信号，得到x组y路漏磁数据，存在数组d中。
将周向等间距分布的霍尔传感器阵列沿钢丝绳移动。使其对钢丝绳径向漏磁信号进行等间距采集，得到y路待处理漏磁数据d1、d2、d3…dy。再将该y路数据存在数组d中。若一共采集到x组数据，则数组d包含y行x列，其大小为y×x。
s2：对数组d中每一路漏磁数据分别使用滑动平均的方法获得漏磁数据的趋势线，再将原始数据减去趋势线，得到数组ds。
首先对于数组d每一路数据分别使用滑动平均的方法获得数据的趋势线，再将原始数据减去趋势线：
dsy[n]＝dy[n]-ty[n]
其中，dy是原始的第y路数据，ty是该路数据的趋势线，n为滑动平均的跨度，dsy为去趋势后的第y路数据。处理完全部y路数据后，重新组成去除趋势后的数组ds。
s3：在数组ds中确定一个斜向滤波的跨度m的重新采样线，使重新采样线尽量与股波纹理线重合。
确定一个斜向滤波的跨度m，使图2中重新采样线尽量与股波纹理线重合。
s4：使用插值方法在周向上对数组ds中每一组y个漏磁数据进行插值，使插值结果包含m个数据，组成新的数组di，在数组di的前后分别连接一个大小为m*m的零矩阵，新的数组定义为dr，在数组dr中沿重新采样线提取数据，并使重新采样线遍历所有数据进行滤波，去除数组dr前后两个m*m的矩阵，及提取数组中部长度为x的数据，组成新数组df。
使用插值方法在周向上对原来一组数据中的y个数据进行插值，使插值结果包含m个数据。插值处理后，y路数据被扩展为m路，新的数据组成数组di。di的大小为m×x。
在数组di的前后分别连接一个大小为m×m的零矩阵，新的大小为m×(x+2m)的数组定义为dr。在数组dr中沿图2中的重新采样线提取数据，进行重新采样并滤波。具体来说，将一条重新采样线(开始于第x组数据结束于第x+m组数据)经过的m个数据存储于数组temp中。通过滑动平均的方法对temp中的数据求趋势线，并将temp中的数据减去其趋势线得到去除趋势的数据，之后将该处理后的数据temp'沿重新采样线写回原始位置：
temp'[n]＝temp[n]-ttemp[n]
改变x，得到新的重新采样线后重复此处理过程，直到重新采样线遍历所有漏磁数据(x从1至x)。处理完成后，去除数组前后两个m×m的矩阵及提取数组中部长度为x的数据(由m+1至m+x)组成新数组df。df的大小为m×x。
s5：对数组df中的每一路数据分别求取包络估计的幅值，将新的数据存储于数组de中。
s6：确定一个阈值th，并定义一个与de大小相同的数组db，对数组de中的每一个数值进行判断；若该数值大于或等于th则将数组db中的对应元素设置为1，反之设置为0；对数组db进行成像，数值1对应灰度最大值，数值0对应灰度最小值，得到的图像中黑色像素表示钢丝绳局部缺陷。可通过该图像确定缺陷的有无和位置。
该方法可描述为：
s7:数组db与数组de做哈达玛积得到新矩阵do；将矩阵db与矩阵de做哈达玛积(hadamardproduct)得到新矩阵do。
do(x,y)＝db(x,y)×de(x,y)
s8：对数组do进行成像，do中最大值对应灰度最大值，数值0对应灰度最小值；该图像包含局部缺陷的有无、位置和漏磁信号强度的信息。