一、矿用钢丝绳断丝信号处理技术（论文文献综述）
李晶[1]（2021）在《矿用钢丝绳励磁结构模型及断丝定量识别研究》文中研究表明钢丝绳广泛应用于煤矿大型提升、运输等装备,使用过程中不可避免地产生断丝等损伤,使承载能力下降,导致发生断绳事故,影响煤矿安全生产。因此,钢丝绳损伤检测至关重要。本文针对钢丝绳断丝损伤定量检测问题,深入研究钢丝绳励磁结构模型、漏磁信号降噪方法,以及断丝信号特征提取与定量识别方法。根据矿用钢丝绳材料特性、磁化特性曲线以及工作环境,完成了励磁结构模型的重要参数确定,建立了初始磁化结构模型,分析不同磁化模型,确定了多回路励磁结构模型的形式,为励磁结构模型的设计提供了基础。建立了单个永磁环数学模型,并用maxwell电磁仿真软件进行了仿真验证,确定了该模型的有效性。由此,建立了组合永磁环理论模型,研究了影响组合永磁环轴线磁场强度的关键参数,并对关键参数进行了优化。设计了一种径向永磁环组合的多回路励磁结构模型,运用该永磁环组合励磁结构模型对偏振状态的钢丝绳进行磁化仿真对比分析,径向永磁环组合的多回路励磁结构模型实现了偏振状态钢丝绳的均匀磁化,能够适用于矿用在役钢丝绳的磁化。分析了矿用钢丝绳漏磁信号的噪声来源及特点,并运用小波降噪方法对含有噪声的漏磁信号进行了降噪,通过分析影响小波降噪效果的各参数,确定了最优小波参数,较大地提高了钢丝绳损伤漏磁信号的信噪比。构建了钢丝绳损伤检测实验平台,通过对钢丝绳不同断丝漏磁信号的特征分析,确定了钢丝绳漏磁信号的特征,建立了 BP神经网络的断丝定量识别模型,并运用遗传算法优化了 BP神经网络参数,较大地降低了钢丝绳断丝定量识别的相对误差,实现了钢丝绳断丝准确定量识别。
张义清[2]（2021）在《钢丝绳断丝损伤检测与定量识别研究》文中认为钢丝绳具有强度高、轻柔易弯、不易突然折断、工作平稳可靠的优点,在矿井提升、斜拉桥、吊车、起重等场景中具有重要的应用。由于钢丝绳通常作为主要承力构件且工作在恶劣的环境中,难以避免的会产生断丝、磨损、锈蚀等损伤,影响生产作业的安全,甚至对工作人员的生命产生威胁。断丝作为钢丝绳服役期间极易产生的主要损伤,是影响钢丝绳安全运行的重要因素。许多国家和机构都将一个捻距内的断丝数量作为钢丝绳是否更换的标准予以规定。因此,开展钢丝绳断丝损伤定量识别研究,对于评价钢丝绳服役状态和保障生产安全具有重要的理论意义和实用价值。本文在总结分析国内外研究现状的基础上,提出钢丝绳断丝损伤检测与定量识别研究课题,对钢丝绳断丝损伤定量识别进行了深入系统的理论、仿真和实验研究。（1）为了探索钢丝绳内部的磁场分布特征及其与励磁器结构参数之间的关系,通过有限元仿真的方法研究了不同磁铁位置和不同励磁方式的励磁器对钢丝绳的励磁效果,证明了磁铁放置在两端的多回路周向均布励磁结构有利于将钢丝绳饱和磁化且钢丝绳表面能够形成适合检测的均匀磁化段。基于等效磁路计算和仿真分析进行了励磁器的优化设计,为励磁器设计制作提供了理论依据和实用方法。（2）针对传统的霍尔阵列传感器输出信号微弱的问题,提出了基于聚磁检测原理的传感器设计思路,仿真研究了聚磁传感器的漏磁聚集效果以及损伤与检测元件之间的角度变化对聚磁检测产生的影响,表明了聚磁器能够提高霍尔元件检测漏磁的强度并且不受检测角度的影响。设计了具有两个聚磁环和两个磁桥路的钢丝绳断丝损伤检测聚磁传感器,对比分析了聚磁传感器与霍尔阵列传感器在不同提离距离下对损伤漏磁场的检测效果,结果表明聚磁传感器能有效提高漏磁检测信号的强度。（3）为进一步验证传感器的性能和仿真分析结果,开展了大量的断丝损伤检测实验研究。对不同数量、不同位置、不同直径和不同断口长度的钢丝绳断丝损伤进行了检测和分析,将聚磁传感器与霍尔阵列传感器检测的信号进行了对比,验证了仿真的结果,即聚磁传感器能更全面的收集漏磁场。对于不同种类的断丝损伤,聚磁传感器检测的信号强度均大于霍尔阵列传感器,尤其对于内部断丝和不同断口长度的断丝损伤,聚磁传感器检测的信号区分度更好,为钢丝绳断丝损伤定量识别提供了可靠稳定的损伤信号。（4）针对人工特征提取和选择具有局限性的问题,提出了基于卷积神经网络的钢丝绳断丝损伤信号自适应特征提取方法。引入连续小波变换将断丝损伤漏磁信号转换成时频图,通过卷积神经网络从损伤漏磁信号的时频图中自动提取故障特征,并逐步融合优化成适合分类的特征。利用t-SNE算法将卷积神经网络对不同断丝损伤信号提取的特征进行可视化并和人工特征进行对比,证明了基于卷积神经网络的自适应特征提取方法比传统人工特征提取方法具有更好的损伤区分效果。（5）针对目前已有断丝定量识别模型准确率和泛化性不高的问题,提出了基于卷积神经网络的钢丝绳断丝损伤定量识别方法。将断丝损伤漏磁信号转换成的时频图作为卷积神经网络的输入,并对不同结构参数的卷积神经网络进行测试,建立了最优的卷积神经网络识别模型。实验证明该模型能够准确区分钢丝绳不同种类的断丝,尤其实现了不同直径钢丝绳内部断丝的高精度识别。同时为了解决小样本条件下钢丝绳断丝损伤的定量识别问题,研究并建立了基于迁移学习理论的断丝损伤定量识别模型。对预训练网络的低层参数直接迁移,高层参数根据损伤数据集进行调整优化,实现了自然图像到断丝漏磁时频图的迁移应用。用不同种类的小样本断丝数据对深度迁移模型进行验证,证明了该模型能有效解决小样本情况下钢丝绳断丝损伤的定量识别问题。
刘媛媛[3]（2021）在《基于无损检测技术的钢丝绳损伤信号的分析研究》文中进行了进一步梳理钢丝绳由于自身重量轻、弹性好、抗拉强度高和承载力强等优越性,广泛应用于煤矿、交通、电梯、建筑等行业。但是,作为起重运输设备的关键部件,在工作过程中不可避免地会出现断丝、磨损、腐蚀甚至疲劳断裂等现象,对安全生产具有潜在的威胁。因此,钢丝绳损伤的检查和准确识别对经济社会的稳定具有重要意义。本文基于无损检测技术,对钢丝绳损伤的定性与定量检测进行理论分析和实验验证,主要研究内容如下:首先,介绍钢丝绳的结构和几种主要的缺陷类型,分析不同缺陷的特征和产生原因。基于钢丝绳的结构特点确定采用无损检测中的漏磁检测方法对钢丝绳损伤进行判别,该方法的优势在于:低成本、技术成熟并且检测结果稳定,可在恶劣的环境中广泛应用。此外,对钢丝绳漏磁检测系统的整体框架展开介绍:（1）介绍漏磁检测探头的硬件设计和实现,重点分析了霍尔元件在探头内部的设计及其工作原理;（2）改进传统的基于PC平台的数据处理系统,采用基于嵌入式平台的数据处理系统,使数据采集更加便捷。其次,对采样信号进行时域预处理和频域去噪。分析钢丝绳损伤信号的构成成分,针对不同的信号成分分别采用时域和时频域的分析方法去除背景噪声和干扰。时域预处理包括奇异值剔除和去趋势项,在时域中进行数据处理,减少了数据转换到变化域的复杂运算,降低数据处理硬件标准。针对钢丝绳损伤信号非平稳性的特点,频域去噪采用小波分析的方法,并且在传统阈值函数的基础上提出一种改进的加权平均型算法,该算法可根据钢丝绳断丝信号的特征自适应地改变权重的大小,进而改变阈值的大小,从而优化去噪效果。理论分析和实验结果均表明,该算法的去噪效果明显优于传统阈值函数。然后,研究钢丝绳断丝损伤的信号识别与特征提取,最终实现定量识别。在偏差分析的基础上提出了自适应阈值偏差分析,提高了在恶劣检测环境下断丝损伤的分辨能力。对于断丝的特征提取,提出将小波能量这一时频域特征与传统的时域特征共同构成断丝损伤的特征值数据集,并运用Matlab CFTOOL（Curve Fitting Tool）工具箱对特征值样本进行数据拟合,验证特征值随断丝数增加而变化的特征规律,实现断丝的定量识别。特征值数据集的提出提高了断丝定量识别的准确性与可信度。最后,对钢丝绳横截面积损伤进行定量分析。建立有限元仿真模型,得到了钢丝绳表面漏磁场随金属横截面积损失量改变的变化规律,验证了漏磁量峰值是判别横截面积损伤的主要特征。运用Matlab拟合工具得出钢丝绳表面漏磁通峰值与截面积损失量呈线性相关的结论,并通过实验验证此结论的正确性。
郭永亮[4]（2021）在《基于漏磁检测的钢丝绳断丝检测方法及系统实现》文中进行了进一步梳理钢丝绳被广泛应用于大型机械设备的关键部位,其健康状态的评估对于确保整个机械安全健康的运转极为重要。随着使用寿命的增加,钢丝绳会出现各种损伤,如果不及时更换可能会造成严重事故。因此,研究钢丝绳的健康状态对于保障设备的平稳安全运行及预防重大事故的发生具有重大的工程价值和学术意义。由于钢丝绳绝大多数采用导磁性能良好的高碳钢制成,因此电磁无损检测方法成为探伤的首选方法。在文献调研和分析的基础上,本文针对最常见、危害最大的钢丝绳断丝缺陷为研究对象,采用漏磁检测的方法对钢丝绳断丝缺陷进行检测。本文分别从钢丝绳漏磁信号形态、钢丝绳漏磁信号处理算法及钢丝绳断丝检测系统三个方面开展研究,旨在提高钢丝绳断丝检测的准确率。本文的主要研究内容及创新点如下:（1）针对现有文献大都是对钢丝绳断丝位置、断口宽度及断丝根数进行仿真分析的情况,本文采用有限元分析软件ANSYS对钢丝绳漏磁信号的形态进行系统的仿真分析。漏磁信号主要包含三种成分,它们分别是:断丝信号、股波信号和抖动信号。本文得到了断丝信号的形态是冲击信号、股波信号的形态是正弦信号及抖动信号的形态是随提离值变化的类冲击信号的结论。通过实验验证了仿真模型的有效性,为本文的钢丝绳漏磁信号处理提供了依据。（2）针对现有钢丝绳漏磁信号处理方法多采用单通道信号处理会造成误报率较高的问题,本文采用多通道信号融合的手段对钢丝绳漏磁信号进行预处理,增强原始信号的信噪比。预处理之后,针对三种主要漏磁信号成像之后的不同特点,提出了采用线检测方法滤除股波噪声。实验结果表明,与传统的去股波方法相比,本文采用的去股波方法对股波信号的降噪效果更好。经过大量实验论证之后,验证了所提出方法的有效性和可靠性。（3）为了将（2）中提出的算法应用于实际,本文搭建了一套钢丝绳无损检测系统。它包括硬件平台和软件平台两部分,其中硬件平台包括励磁机构、信号检测装置和信号采集装置;软件平台包括参数设定模块,可视化模块等。最后,为了验证钢丝绳无损检测系统的有效性,搭建了试验装置,通过大量重复实验,验证了此系统的有效性与可靠性。
刘志辉[5]（2020）在《基于漏磁原理的钢丝绳断丝损伤定量识别研究》文中提出钢丝绳作为一种铁磁性构件,具有承载能力强、自重轻、局部小缺陷不会发生骤断特点,普遍应用于港口、煤矿、起重等领域,其工作环境恶劣,经过长时间的使用必然发生磨损、疲劳、锈蚀等缺陷,最终导致断丝或骤断,这将对人的安全造成重大的威胁。本文以钢丝绳出现的断丝缺陷检测为目标,采用嵌入式ARM技术、模式识别和神经网络等方法对钢丝绳断丝进行检测与定量识别,主要完成了以下研究和工程实践:1.介绍了钢丝绳断丝损伤形式,分析了钢丝绳缺陷漏磁场形成机理,构建了基于磁荷理论的钢丝绳漏磁信号仿真模型,为后续断丝损伤信号分析和识别提供了理论基础。2.设计了钢丝绳磁化装置,介绍了霍尔传感器的检测原理及其在钢丝绳磁化装置中排布的位置。搭建了基于STM32的钢丝绳检测系统软硬件平台,并对系统各个电路模块性能进行了测试分析。系统采用等空间采样避免了检测速度的影响,同时记录钢丝绳缺陷出现的位置,设计的检测系统工作稳定可靠。3.研究了钢丝绳缺陷信号的频谱特性,提出了两种股波信号的抑制方法。针对股波信号幅值大,但频带较窄的特点,设计了陷波滤波器,消除股波信号;研究了小波分析方法,利用Mallat算法对钢丝绳缺陷信号进行分解,设定阈值后重构,最终滤除噪声的同时凸显出了真实损伤信号。在滤除噪声后,提取出断丝信号中幅值,波形态等时频特征,并将特征值归一化处理,为钢丝绳断丝损伤量化识别模型的构建奠定了基础。4.分析了BP神经网络和支持向量机（SVM）分类原理,分别构建了BP神经网络和支持向量机的两种钢丝绳断丝损伤量化识别模型,并对比并分析了两种钢丝绳断丝损伤识别模型的性能。针对BP网络初始权值和阈值及支持向量机分类模型中惩罚系数和核函数参数均为随机性问题,提出了一种改进的自适应粒子群算法,对模型参数进行优化。结果表明:改进的粒子群算法寻优速度快、精度高,构建的两种模型都能以较高的精度识别出钢丝绳断丝数量,SVM模型对小样本的断丝损伤分类识别性能更优。
周俊莹[6]（2019）在《基于磁探伤原理的矿用钢丝绳局部缺陷检测方法研究》文中提出钢丝绳在我国煤炭行业中得到广泛应用,是煤矿主、副井提升设备的重要构件。矿井提升设备负责完成矿井运输煤炭和矸石、投放设备、搭载人员等工作,钢丝绳长期使用会因疲劳出现断丝、磨损等现象而存在安全隐患,钢丝绳使用的安全性直接关系到煤矿正常生产、人员生命安全及经济运转。目前,一般采用人工目视检查和定期强制更换钢丝绳的办法来保证安全生产,这种方法不仅不能及时更换由于各种偶然因素而造成严重损伤的钢丝绳,而且很多时候还报废了仍有使用价值的钢丝绳,从而造成巨大的浪费。国家安全监管总局在《切实加强矿山提升运输安全管理工作的通知》中明确提出要加强对提升运输系统尤其是提升绞车、钢丝绳等提升运输设备的安全检测。因此,在继续提升现有矿山安全装备水平的同时,研究矿用钢丝绳损伤在线检测技术,科学有效的预防钢丝绳断裂减少人员伤亡是当前迫切需要解决的问题。本文在总结了国内外钢丝绳无损检测技术的基础上,结合矿用钢丝绳检测实际情况,对矿用钢丝绳探伤传感器的结构和关键理论进行了深入的研究,搭建矿用钢丝绳在线检测试验平台,完成矿用钢丝绳断丝损伤有效识别。（1）对矿用钢丝绳磁探伤原理及缺陷磁信号特性进行研究。从理论上对矿用钢丝绳磁探伤原理进行了分析,得出漏磁通密度与缺陷截面积相关;基于磁荷原理对钢丝绳断丝模型进行了理论研究,得出缺陷磁信号与钢丝绳直径及断丝间隙相关;对钢丝绳缺陷产生的磁信号进行数值分析,得出缺陷磁信号主要分布在钢丝绳轴向方向。通过对缺陷几何参数的研究,得出缺陷深度和提离值对缺陷磁信号影响较大,缺陷长度对缺陷磁信号影响较小。确定了提离值位置为10mm,为磁敏元件位置摆放提供理论依据。（2）矿用钢丝绳励磁结构三维模型数值分析与优化。建立了基于Ansoft的三维矿用钢丝绳励磁结构,并对螺旋状钢丝绳模型进行有限元仿真和数值分析,相比于传统的二维有限元静态建模,此种模型更符合矿用钢丝绳在线检测实际工况。研究励磁结构各个部件对矿用钢丝绳缺陷磁信号产生的影响,研究结果表明永磁体宽度是影响矿用钢丝绳缺陷磁信号的最大因素。建立了励磁结构几何参数与被磁化后的钢丝绳内磁感应强度值的数学关系。提出一种永磁体环形辐射充磁方式,可以较好的改善矿用钢丝绳磁化不均的现象。将遗传算法与二次非线性规划函数相结合,对励磁结构进行优化,建立了励磁结构最优尺寸模型。（3）提出了一种基于聚磁原理的多霍尔元件阵列检测法,搭建了矿用钢丝绳检测试验平台。选取型号为HW-302B的8个差分霍尔元件作为磁敏元件,实现用较少的检测元件实现钢丝绳全方位无漏检测。设计一种环形聚磁结构,此种结构可以将缺陷磁信号增强10倍。通过等效磁路法对聚磁结构进行分析,优化聚磁结构并提高聚磁效率。提出了一种多霍尔元件阵列检测法,消除钢丝绳绳股间磁信号对缺陷信号产生的影响。对矿用钢丝绳试验平台支架进行结构设计,通过三维动态有限元分析,研究钢丝绳运行速度对缺陷磁信号的影响,最终完成电机的选型。完成探伤仪结构、检测电路和数据采集模块的设计,最终搭建了矿用钢丝绳在线检测试验平台,并对不同程度的损伤进行检测与分析。（4）提出了一种基于小波包-稀疏表示的矿用钢丝绳损伤信号预处理方法。针对采集的矿用钢丝绳损伤信号,提出一种基于小波包-稀疏表示的适用于矿用钢丝绳损伤信号的降噪方法,将原始信号进行3层小波包分解,分别采用MP和OMP算法对小波包系数进行稀疏表示,所得重构信号信噪比远远高于小波阈值收缩法、中值滤波法、奇异值差分谱法的信噪比,对矿用钢丝绳损伤信号降噪效果显着。（5）搭建了一种基于PCA的PSO-SVM矿用钢丝绳断丝信号定量识别模型。通过提取断丝损伤信号的7个整体特征量和小波包能量熵细节特征作为有效特征量,并对8个特征量进行特征值降维,作为支持向量机的输入,设计与训练支持向量机,提出一种基于PCA的PSO-SVM分类模型,对比优化前后的识别效率,所得支持向量机的识别率高达94.73%,定量识别精度较高。
叶辉[7]（2018）在《基于三轴磁记忆的矿用钢丝绳缺陷检测系统研究》文中进行了进一步梳理钢丝绳作为一种承载能力强、抗拉强度高的铁磁性构件,大量应用在矿用提升装置、矿用牵引装置、矿用挖掘装置、矿用卷扬装置等煤炭工业设备中。在煤矿正常生产过程中,矿井提升机钢丝绳作为井上井下运送物料和人员的工具,由于长期工作和频繁使用,常会在应力集中部位出现断丝。随着断丝数目的增多,一旦钢丝绳两端受到较大的载荷冲击,就会出现钢丝绳断绳现象,进而导致矿山矿难事故的发生,并且严重影响煤矿正常生产秩序和人员的生命安全。因此针对矿用钢丝绳缺陷检测新技术、新方法的研究显得尤为重要。各个煤矿及钢丝绳使用单位一直在探索钢丝绳缺陷检测的有效方法,但是由于钢丝绳结构的特殊性和工作环境的复杂性,作为煤矿工业中比较薄弱的环节,在受力过程中承受拉伸、弯曲、扭转和腐蚀的作用,容易受到多种不确定载荷以及恶劣的环境因素的影响,使得钢丝绳缺陷检测异常困难,目前还未形成一套完整的检测理论和检测方法来满足煤矿现场实际检测的要求。本文通过分析矿用钢丝绳缺陷周围磁记忆信号三维场信息,提出了同时采集法平面和切平面特征信号的三轴磁记忆检测方法,对矿用钢丝绳最常见的断丝缺陷进行研究。在矿用钢丝绳三轴磁记忆检测方法的基础上,本文设计了三轴磁记忆检测方案,包括矿用钢丝绳三轴磁记忆检测系统硬件设计和软件开发。其中硬件部分设计了三轴磁记忆阵列传感器、磁记忆信号调理电路、磁记忆主控电路及供电电源电路,并根据PCB设计图制作了硬件实物。在下位机上采用汇编语言与C混合编程的方法进行了信号采集、信号传输及信号预处理的程序编写;在上位机上采用QT进行了磁记忆信号的特征提取及图形化显示,实现了历史数据的保存、查询及打印等功能;针对磁记忆信号干扰大的特点,提出了经验-小波降噪法,并在计算机上进行了磁记忆信号的仿真设计。对于下位机和上位机无线通讯需求,本文采用了无线串口通信模块,实现了对矿用钢丝绳的远程缺陷检测及预警。为了对本文提出的三轴磁记忆检测方法的有效性进行验证,在实验室搭建了矿用钢丝绳三轴磁记忆检测系统实验平台,实验结果表明本文设计的三轴磁记忆阵列传感器能够采集到矿用钢丝绳断丝缺陷信号,经过经验-小波降噪法去噪后特征值明显;采用两级综合判断法作为钢丝绳缺陷判断依据,避免了单分量检测法对矿用钢丝绳缺陷检测的误判,提高了检测的准确率;针对本文搭建的实验平台采集到的实验数据运用支持向量机进行缺陷分类。
韩梦方[8]（2016）在《基于小波变换的矿井提升机钢丝绳故障识别研究》文中研究说明钢丝绳由于自身重量轻、弹性好、抗拉强度和疲劳强度高、工作平稳可靠、承受过载能力强以及在高速运行条件下卷扬噪声小等优点,在矿产、冶金、交通、建筑、旅游等领域获得了广泛的应用,是煤矿生产中极为重要的一环。然而其作为承载部件,在使用过程中不可避免的会产生类似锈蚀、局部断丝、磨损的缺陷,这些小缺陷逐渐积累即会造成钢丝绳的整根断裂,严重影响煤矿安全生产。因此钢丝绳的故障识别研究对保护煤矿的人身和财产安全具有重要的意义。本文分析了钢丝绳的基本结构和分类以及钢丝绳故障检测的标准,并根据钢丝绳结构选取了故障漏磁检测方法。设计了故障漏磁检测中励磁装置的结构并选择了合适的励磁强度。通过建立钢丝绳故障的等效点偶极子和等效带偶极子两种模型对钢丝绳故障进行数值模拟,分析各个参数对钢丝绳故障检测所造成的影响,并对两种模型进行对比和分析。同时利用ANSYS软件对故障钢丝绳进行磁场有限元分析,得到钢丝绳故障附近的漏磁场分布规律。分析钢丝绳故障诊断中可能会引入的噪声信息,并对这些不同类型的噪声进行特征的归纳。在传统带阻滤波器的基础上利用频域特性设计改进的自适应多重带阻滤波进行股波噪声的剔除。鉴于经典小波的频带混叠以及平移不变性差的特点,引入双树复小波进行钢丝绳故障数据的预处理和分析,并对比经典小波和双树复小波在频带混叠以及平移不变性上性能的差异。最后利用奇异性分析以及多尺度分析等算法对钢丝绳漏磁场仿真信号进行故障识别。为了验证算法的可行性,搭建了钢丝绳故障检测实验台,利用Lab VIEW编写信号采集软件完成内部断丝及外部断丝的数据采集。利用改进的自适应多重带阻滤波、双树复小波变换、奇异性分析以及120128尺度的小波分析进行实验数据的预处理和故障识别。分析不同根数的内部断丝以及外部断丝故障趋势的异同点,并在故障诊断过程中成功检测到轻度磨损这一未预期的缺陷,证明了漏磁检测方法以及本文算法的准确性和可行性。
李兆星[9]（2016）在《矿用钢丝绳缺陷识别的金属磁记忆检测技术研究》文中认为作为一种弹性空间螺旋状结构的铁磁制品,钢丝绳具有负载传递距离长、承载安全系数大、抗拉强度高、环境适应能力强等优点而被普遍应用在牵引系统、运输有效载荷等领域,煤矿安全生产中,猴车、提升机系统以及卷扬机等都会用到钢丝绳。在长期的工作过程中,钢丝绳受到了各种不确定交变应力、环境腐蚀、机械撞击以及摩擦等影响,致使矿用钢丝绳经常出现断丝、磨损、锈蚀以及应力集中等损伤,再加上钢丝绳本身的特殊结构和特殊使用地位,钢丝绳一旦出现断丝损伤,将会加快钢丝绳的断裂失效,进而导致煤矿重大事故的发生。所以对钢丝绳的断丝以及应力集中区的准确检测与诊断,减少和避免钢丝绳事故的发生具有重要意义。钢丝绳的断丝损伤和应力集中是钢丝绳发生失效的主要原因,目前钢丝绳断丝检测的主要方法是漏磁检测,但是钢丝绳发生的失效原因异常复杂且涉及学科门类多,仅根据磁场强度与钢丝绳损伤程度间的关系很难说明其是否存在断丝,因此至今也未能形成一套完整且有效的检测方法和检测理论,而且现有的各种钢丝绳检测仪器在实际煤矿安全生产中的检测事实也证明现有的检测仪器效率低、可靠性不高、通用性差。本文根据一种新的铁磁材料无损检测技术——金属磁记忆检测技术,以矿用钢丝绳最大危害性、最常见失效形式——断丝缺陷为主要研究对象,分别在矿用钢丝绳断丝区的金属磁记忆信号理论分布、金属磁记忆实测信号降噪处理、检测传感电路及装置的设计、检测软件的设计和断丝数的识别等方面进行了理论研究和实验研究。根据磁偶极子模型仿真了矿用钢丝绳断丝区的金属磁记忆信号的理论分布,分析了钢丝绳疲劳裂纹区的断丝直径与断丝数对金属磁记忆信号的影响仿真图形,并根据阅读的参考文献总结了3种可用于诊断钢丝绳断丝损伤区的方法。对爱德森检测仪EMS-2003采集到的具有断丝缺陷的钢丝绳信号进行了降噪处理。金属磁记忆检测技术属于弱磁检测,使用金属磁记忆检测技术对钢丝绳实时在线检测时,检测信号中包括许多干扰而使金属磁记忆信号失真。本文提出了一种改进的集合经验模态分解方法对检测信号进行降噪处理,降噪曲线表明检测信号中的高频分量可被完全滤除,并与小波降噪进行了对比,其降噪信噪比不如改进的集合经验模态分解方法,所以提出的改进集合经验模态分解方法更适合对弱磁信号进行降噪。为了能够在线检测钢丝绳是否正常并抑制钢丝绳运行过程中股波、自身抖动以及外界磁场等干扰,设计了一种阵列差分式检测传感装置,并介绍了差分电路的设计原理以及芯片选型,利用此电路对自制断丝数的钢丝绳进行信号采集,随后利用一对一支持向量机对断丝数分类,通过与其他检测技术与识别方法的对比,可知其具有良好的识别效果。设计了在ARM11处理器、嵌入式Linux系统下位机运行的Qt程序,程序主要显示传感电路采集的信号数据、超值报警以及设置相关参数。
李兆星,乔铁柱[10]（2016）在《矿用钢丝绳断丝特征的识别》文中研究说明金属磁记忆检测技术能够检测矿用钢丝绳的断丝也能评估其应力集中部位,但是钢丝绳检测一般需要实时在线检测,检测的磁记忆信号混有许多噪声,为了能够提高钢丝绳断丝识别率,需要对检测信号进行降噪处理。采用集合经验模态分解（EEMD）对检测信号降噪结果看出,此方法明显比小波降噪方法好很多,提出了一种筛选本征模态函数（IMF）的方法。
二、矿用钢丝绳断丝信号处理技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、矿用钢丝绳断丝信号处理技术（论文提纲范文）
（1）矿用钢丝绳励磁结构模型及断丝定量识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 钢丝绳损伤检测方法 |
| 1.2.2 钢丝绳励磁方法 |
| 1.2.3 钢丝绳漏磁信号降噪方法 |
| 1.2.4 钢丝绳损伤定量识别 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 矿用钢丝绳损伤漏磁检测原理与磁化方案 |
| 2.1 矿用钢丝绳报废标准和损伤类型 |
| 2.2 矿用钢丝绳损伤漏磁场检测原理 |
| 2.3 钢丝绳磁化方案 |
| 2.3.1 磁化方式和材料选择 |
| 2.3.2 钢丝绳磁化强度选择 |
| 2.3.3 钢丝绳励磁结构选择 |
| 2.4 本章小结 |
| 3 矿用钢丝绳励磁结构模型设计及参数优化 |
| 3.1 轴向和径向永磁环理论建模 |
| 3.2 永磁环组合磁场理论与仿真分析 |
| 3.3 影响永磁环磁场分布的关键参数 |
| 3.4 钢丝绳磁化效果仿真对比 |
| 3.4.1 轴向和径向永磁环组合的磁化效果分析 |
| 3.4.2 钢丝绳偏移磁化结构中心的磁化效果分析 |
| 3.5 磁化模型参数优化 |
| 3.6 本章小结 |
| 4 矿用钢丝绳漏磁信号降噪 |
| 4.1 小波降噪基本原理 |
| 4.2 降噪评价指标 |
| 4.3 小波基选取方法 |
| 4.4 分解层数对降噪的影响分析 |
| 4.5 小波阈值的选取方法 |
| 4.6 漏磁信号降噪结果分析 |
| 4.7 本章小结 |
| 5 矿用钢丝绳断丝损伤定量识别 |
| 5.1 钢丝绳损伤漏磁检测系统 |
| 5.2 钢丝绳断丝漏磁信号特征提取 |
| 5.2.1 钢丝绳励磁结构模型均匀磁化实验验证 |
| 5.2.2 漏磁信号特征提取 |
| 5.3 钢丝绳断丝定量识别 |
| 5.3.1 基于BP神经网络断丝定量识别模型 |
| 5.3.2 GA-BP神经网络断丝定量识别模型 |
| 5.3.3 钢丝绳断丝定量识别 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）钢丝绳断丝损伤检测与定量识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源和研究背景、意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景和意义 |
| 1.2 钢丝绳损伤检测与定量识别的国内外发展和研究现状 |
| 1.2.1 钢丝绳损伤检测的国内外研究概况 |
| 1.2.2 钢丝绳损伤定量识别国内外研究现状 |
| 1.2.3 钢丝绳损伤定量检测存在的问题 |
| 1.3 研究思路 |
| 1.4 研究内容 |
| 第2章 永磁励磁装置的设计 |
| 2.1 引言 |
| 2.2 断丝损伤形式和漏磁检测法 |
| 2.2.1 钢丝绳结构和断丝损伤形式 |
| 2.2.2 漏磁检测原理 |
| 2.3 永磁励磁器结构仿真分析 |
| 2.3.1 励磁器材料的选择 |
| 2.3.2 磁铁位置对励磁效果的影响 |
| 2.3.3 励磁方式对励磁效果的影响 |
| 2.4 永磁励磁器的设计及励磁效果分析 |
| 2.4.1 励磁器尺寸设计和优化 |
| 2.4.2 励磁器对不同直径钢丝绳的励磁效果分析 |
| 2.5 本章小结 |
| 第3章 传感器设计与实验台开发 |
| 3.1 引言 |
| 3.2 传感器设计 |
| 3.2.1 霍尔阵列传感器设计原理 |
| 3.2.2 聚磁传感器设计原理 |
| 3.2.3 传感器检测性能仿真分析 |
| 3.2.4 传感器设计 |
| 3.3 钢丝绳安全检测实验台开发 |
| 3.3.1 实验台机械与控制系统 |
| 3.3.2 信号采集处理系统 |
| 3.4 本章小结 |
| 第4章 钢丝绳断丝损伤信号分析与处理 |
| 4.1 引言 |
| 4.2 断丝损伤试件制作 |
| 4.3 断丝损伤信号采集 |
| 4.3.1 外部断丝信号 |
| 4.3.2 内部断丝信号 |
| 4.3.3 不同断口长度的断丝信号 |
| 4.4 两种传感器检测损伤信号对比 |
| 4.4.1 离散小波变换 |
| 4.4.2 信号去噪及对比 |
| 4.5 本章小结 |
| 第5章 基于卷积神经网络的钢丝绳断丝损伤信号自适应特征提取 |
| 5.1 引言 |
| 5.2 深度学习相关理论 |
| 5.2.1 深度学习概述 |
| 5.2.2 卷积神经网络理论基础 |
| 5.3 基于卷积神经网络的钢丝绳断丝损伤信号自适应特征提取 |
| 5.3.1 时频转换方法 |
| 5.3.2 基于卷积神经网络模型自适应特征提取方法 |
| 5.3.3 实验验证 |
| 5.4 本章小结 |
| 第6章 基于深度学习的钢丝绳断丝损伤定量识别方法研究 |
| 6.1 引言 |
| 6.2 基于卷积神经网络的钢丝绳断丝定量识别研究 |
| 6.2.1 卷积神经网络定量识别模型建立与系统设计 |
| 6.2.2 实验验证 |
| 6.3 基于迁移学习的小样本钢丝绳断丝定量识别方法研究 |
| 6.3.1 迁移学习相关理论 |
| 6.3.2 基于VGG-16 迁移学习的断丝定量识别方法 |
| 6.3.4 实验验证 |
| 6.4 本章小结 |
| 第7章 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间论文发表及科研情况 |
| 致谢 |
（3）基于无损检测技术的钢丝绳损伤信号的分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 钢丝绳损伤检测技术 |
| 1.2.2 钢丝绳无损检测技术 |
| 1.2.3 基于磁的无损检测技术 |
| 1.2.4 损伤信号处理技术 |
| 1.3 主要研究内容 |
| 第2章 钢丝绳漏磁检测原理和检测装置 |
| 2.1 钢丝绳基本知识概述 |
| 2.1.1 钢丝绳的结构 |
| 2.1.2 钢丝绳损伤类型及特征 |
| 2.2 钢丝绳漏磁检测装置设计 |
| 2.2.1 漏磁检测原理和磁路设计 |
| 2.2.2 检测系统装置整体实现 |
| 2.3 本章小结 |
| 第3章 基于改进阈值函数的小波去噪 |
| 3.1 钢丝绳漏磁检测信号的构成 |
| 3.2 信号预处理 |
| 3.2.1 奇异值剔除 |
| 3.2.2 去趋势项 |
| 3.3 基于改进阈值的小波去噪算法 |
| 3.3.1 小波阈值去噪算法 |
| 3.3.2 改进阈值函数 |
| 3.3.3 改进算法验证 |
| 3.4 实验验证和数据分析 |
| 3.4.1 数据描述和实验方案 |
| 3.4.2 预处理环节 |
| 3.4.3 基于改进阈值函数的小波去噪算法 |
| 3.5 本章小结 |
| 第4章 断丝损伤的特征提取与定量识别 |
| 4.1 基于自适应阈值偏差分析的钢丝绳断丝信号识别 |
| 4.1.1 偏差分析 |
| 4.1.2 自适应阈值偏差分析 |
| 4.1.3 自适应阈值偏差分析特征识别的实验分析 |
| 4.2 钢丝绳断丝损伤信号的特征提取 |
| 4.2.1 钢丝绳断丝损伤信号的时域和小波能量特征 |
| 4.2.2 钢丝绳断丝损伤信号的小波能量谱特征提取方法 |
| 4.2.3 钢丝绳断丝损伤信号的小波能量谱特征提取实验分析 |
| 4.3 钢丝绳断丝损伤定量识别 |
| 4.4 本章小结 |
| 第5章 基于漏磁检测技术的LMA定量分析 |
| 5.1 基于ANSYS建立LMA型损伤的有限元仿真模型 |
| 5.2 钢丝绳LMA型损伤漏磁场仿真分析 |
| 5.3 钢丝绳LMA型损伤定量识别的实验室验证 |
| 5.3.1 实验方案设计 |
| 5.3.2 截面积损失和漏磁量线性关系验证 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（4）基于漏磁检测的钢丝绳断丝检测方法及系统实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 励磁结构研究现状 |
| 1.2.2 漏磁传感器研究现状 |
| 1.2.3 漏磁信号处理研究现状 |
| 1.3 本文研究内容及结构安排 |
| 第二章 形态学及图像间断检测理论基础 |
| 2.1 灰度级形态学理论 |
| 2.1.1 基本形态学运算 |
| 2.1.2 组合形态学运算 |
| 2.2 灰度级图像间断检测理论 |
| 2.2.1 空间滤波 |
| 2.2.2 线检测 |
| 第三章 钢丝绳漏磁信号形态分析 |
| 3.1 引言 |
| 3.2 基于永磁励磁的漏磁场有限元方法 |
| 3.3 断丝漏磁信号形态分析 |
| 3.3.1 仿真结果分析 |
| 3.3.2 实验结果分析 |
| 3.4 股波漏磁信号形态分析 |
| 3.4.1 仿真结果分析 |
| 3.4.2 实验结果分析 |
| 3.5 抖动漏磁信号形态分析 |
| 3.5.1 仿真结果分析 |
| 3.5.2 实验结果分析 |
| 3.6 本章小结 |
| 第四章 钢丝绳断丝检测方法 |
| 4.1 引言 |
| 4.2 断丝检测问题分析 |
| 4.3 钢丝绳断丝检测方法 |
| 4.3.1 断丝漏磁信号预处理 |
| 4.3.2 断丝漏磁信号后处理 |
| 4.3.3 断丝决策 |
| 4.4 实验验证 |
| 4.5 本章小结 |
| 第五章 钢丝绳断丝检测系统设计与验证 |
| 5.1 引言 |
| 5.2 钢丝绳断丝检测系统需求分析 |
| 5.3 钢丝绳断丝检测系统硬件平台 |
| 5.3.1 励磁结构设计 |
| 5.3.2 漏磁信号检测装置设计 |
| 5.3.3 漏磁信号采集装置设计 |
| 5.4 钢丝绳断丝检测系统软件平台 |
| 5.4.1 参数设定模块 |
| 5.4.2 断丝漏磁信号处理演示模块 |
| 5.5 系统验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）基于漏磁原理的钢丝绳断丝损伤定量识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 钢丝绳缺陷检测方法和识别国内外研究现状 |
| 1.2.1 钢丝绳无损检测方法 |
| 1.2.2 钢丝绳电磁检测法发展现状 |
| 1.2.3 钢丝绳缺陷信号处理及识别方法国内外研究现状 |
| 1.3 本论文研究内容 |
| 第二章 钢丝绳损伤形式、检测原理及漏磁信号仿真 |
| 2.1 钢丝绳结构及损伤形式 |
| 2.2 钢丝绳漏磁检测原理 |
| 2.3 钢丝绳漏磁信号仿真 |
| 2.3.1 钢丝绳漏磁场磁偶极子模型 |
| 2.3.2 钢丝绳漏磁场磁偶极子模型仿真分析 |
| 2.4 本章小结 |
| 第三章 钢丝绳检测装置和采集系统的设计 |
| 3.1 钢丝绳漏磁检测装置 |
| 3.1.1 霍尔传感器工作原理 |
| 3.1.2 霍尔传感器实物图和内部构造 |
| 3.1.3 传感器布置方式 |
| 3.2 励磁装置的设计 |
| 3.2.1 励磁方式和励磁回路 |
| 3.2.2 励磁装置结构及其材料选择 |
| 3.3 钢丝绳采集系统的设计 |
| 3.3.1 采集系统总体设计 |
| 3.3.2 主控芯片的介绍 |
| 3.3.3 系统电源模块 |
| 3.3.4 信号预处理电路 |
| 3.3.5 ADC模块 |
| 3.3.6 液晶显示模块 |
| 3.3.7 编码器模块 |
| 3.4 采集系统软件设计 |
| 3.5 硬件系统平台及漏磁信号波形显示 |
| 3.6 本章小结 |
| 第四章 信号的预处理及特征提取 |
| 4.1 引言 |
| 4.2 漏磁信号分析 |
| 4.3 陷波滤波器的设计 |
| 4.4 小波信号去噪方法 |
| 4.4.1 小波分析原理 |
| 4.4.2 小波分析理论 |
| 4.4.3 缺陷信号小波阈值去噪原理与方法 |
| 4.5 缺陷信号的特征提取及归一化处理 |
| 4.5.1 信号特征提取 |
| 4.5.2 特征值的归一化 |
| 4.6 本章小结 |
| 第五章 钢丝绳断丝损伤定量识别方法 |
| 5.1 引言 |
| 5.2 钢丝绳断丝定量识别过程 |
| 5.3 基于BP神经网络的钢丝绳定量识别方法 |
| 5.3.1 BP网络模型 |
| 5.3.2 BP网络L-M训练算法 |
| 5.4 粒子群优化算法 |
| 5.4.1 粒子群优化算法原理 |
| 5.4.2 带惯性权重的粒子群优化算法 |
| 5.4.3 自适应学习因子 |
| 5.4.4 IPSO-BP模型及对钢丝绳断丝预测结果分析 |
| 5.5 支持向量机模型 |
| 5.5.1 VC维理论与结构化风险 |
| 5.5.2 支持向量机理论 |
| 5.5.3 SVM核函数技巧 |
| 5.5.4 SVM参数优化 |
| 5.5.5 SVM实现钢丝绳断丝损伤多分类 |
| 5.5.6 IPSO-SVM组合分类模型及结果分析 |
| 5.6 BP神经网络和SVM对钢丝绳断丝损伤测试结果对比 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（6）基于磁探伤原理的矿用钢丝绳局部缺陷检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 问题的提出 |
| 1.3 研究目标及研究意义 |
| 1.3.1 研究目标 |
| 1.3.2 研究意义 |
| 1.4 文献综述 |
| 1.4.1 国内外研究现状 |
| 1.4.2 文献综述分析 |
| 1.5 研究内容及技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 1.6 本章总结 |
| 2 矿用钢丝绳缺陷磁信号空间分布研究 |
| 2.1 矿用钢丝绳典型缺陷及特征 |
| 2.2 矿用钢丝绳磁探伤原理 |
| 2.3 矿用钢丝绳缺陷磁信号空间分布研究 |
| 2.3.1 二维有限元模型搭建 |
| 2.3.2 缺陷磁信号影响因素研究 |
| 2.4 本章小结 |
| 3 矿用钢丝绳探伤仪结构设计与优化 |
| 3.1 励磁装置分析与设计 |
| 3.1.1 多回路环形励磁结构分析与设计 |
| 3.1.2 励磁装置材料选择 |
| 3.2 多回路励磁结构参数分析 |
| 3.2.1 三维有限元模型搭建 |
| 3.2.2 永磁体结构参数对缺陷磁信号的影响 |
| 3.2.3 衔铁结构参数对缺陷磁信号的影响 |
| 3.2.4 永磁体磁化方式研究 |
| 3.3 励磁结构参数优化与确定 |
| 3.4 本章总结 |
| 4 矿用钢丝绳探伤仪探测装置研究与试验平台搭建 |
| 4.1 矿用钢丝绳缺陷磁信号探测装置研究 |
| 4.1.1 磁敏元件的设计 |
| 4.1.2 聚磁结构优化设计 |
| 4.1.3 多霍尔元件阵列检测法研究 |
| 4.2 矿用钢丝绳在线检测试验平台搭建 |
| 4.2.1 试验平台支架设计 |
| 4.2.2 探伤仪结构设计 |
| 4.2.3 检测电路设计 |
| 4.2.4 数据采集模块 |
| 4.2.5 试验方案设计 |
| 4.3 本章小结 |
| 5 矿用钢丝绳损伤磁信号降噪方法研究 |
| 5.1 基于小波变换的损伤信号降噪方法 |
| 5.1.1 小波变换理论 |
| 5.1.2 基于小波阈值收缩的信号降噪方法 |
| 5.1.3 基于小波变换的损伤信号降噪 |
| 5.2 基于中值滤波的损伤信号降噪 |
| 5.2.1 中值滤波原理 |
| 5.2.2 基于中值滤波的损伤信号降噪 |
| 5.3 基于奇异值分解的损伤信号降噪研究 |
| 5.3.1 基于差分谱奇异值分解原理 |
| 5.3.2 基于差分谱奇异值分解的损伤信号降噪 |
| 5.4 基于稀疏分解的损伤信号降噪研究 |
| 5.4.1 稀疏分解原理 |
| 5.4.2 基于稀疏分解的损伤信号降噪 |
| 5.4.3 基于小波包-稀疏表示的损伤信号降噪 |
| 5.5 本章小结 |
| 6 矿用钢丝绳损伤信号特征值提取与定量识别 |
| 6.1 矿用钢丝绳损伤信号特征值提取 |
| 6.1.1 损伤信号整体特征值提取 |
| 6.1.2 基于小波包能量熵的细节特征提取 |
| 6.2 矿用钢丝绳损伤信号特征降维 |
| 6.2.1 基于主成分分析的降维 |
| 6.2.2 基于主成分分析的矿用钢丝绳损伤信号特征降维 |
| 6.3 基于支持向量机的矿用钢丝绳断丝损伤识别 |
| 6.3.1 支持向量机原理与设计 |
| 6.3.2 基于不同特征维度的矿用钢丝绳断丝损伤识别 |
| 6.3.3 基于粒子群算法优化支持向量机 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 课题创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在学期间发表的学术论文 |
| 在学期间参加的科研项目 |
| 主要获奖 |
（7）基于三轴磁记忆的矿用钢丝绳缺陷检测系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 钢丝绳检测技术 |
| 1.2.2 磁记忆检测技术 |
| 1.3 本文主要研究内容及章节安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文章节安排 |
| 第二章 矿用钢丝绳三轴磁记忆检测方法 |
| 2.1 引言 |
| 2.2 三轴磁记忆检测理论研究 |
| 2.2.1 钢丝绳缺陷三轴检测技术 |
| 2.2.2 磁记忆信号矢量分解 |
| 2.2.3 三轴磁记忆检测方法 |
| 2.2.4 钢丝绳缺陷判断依据 |
| 2.3 三轴磁记忆检测方案研究 |
| 2.4 本章小结 |
| 第三章 矿用钢丝绳缺陷检测系统硬件设计 |
| 3.1 引言 |
| 3.2 磁记忆阵列传感器设计 |
| 3.2.1 磁记忆信号检测元件的选择 |
| 3.2.2 巨磁电阻效应 |
| 3.2.3 巨磁阻效应传感器 |
| 3.2.4 磁记忆阵列传感器 |
| 3.3 磁记忆信号调理电路设计 |
| 3.3.1 磁记忆信号放大电路设计 |
| 3.3.2 磁记忆信号滤波电路设计 |
| 3.4 磁记忆主控及供电电路设计 |
| 3.5 PCB电路板制作 |
| 3.6 单片机与计算机之间通信 |
| 3.7 本章小结 |
| 第四章 矿用钢丝绳缺陷检测系统软件开发 |
| 4.1 引言 |
| 4.2 下位机程序开发 |
| 4.2.1 keilC51程序开发 |
| 4.2.2 单片机程序的烧入 |
| 4.3 上位机程序开发 |
| 4.3.1 上位机程序开发思路 |
| 4.3.2 QT程序开发流程 |
| 4.3.3 QT程序编写 |
| 4.4 磁记忆信号预处理仿真设计 |
| 4.4.1 磁记忆信号处理的目的 |
| 4.4.2 自适应EEMD降噪算法 |
| 4.4.3 小波阈值降噪算法 |
| 4.4.4 磁记忆信号仿真研究 |
| 4.5 本章小结 |
| 第五章 矿用钢丝绳缺陷的三轴磁记忆检测 |
| 5.1 引言 |
| 5.2 实验平台搭建及测试 |
| 5.2.1 实验对象 |
| 5.2.2 实验平台 |
| 5.2.3 实验步骤 |
| 5.3 实验结果及分析 |
| 5.4 实验数据缺陷分类 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（8）基于小波变换的矿井提升机钢丝绳故障识别研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 课题意义 |
| 1.3 钢丝绳损伤检测和故障识别国内外研究现状 |
| 1.4 研究内容及章节安排 |
| 2 钢丝绳故障漏磁检测基本原理和理论分析 |
| 2.1 钢丝绳基本概述 |
| 2.2 钢丝绳励磁装置的设计 |
| 2.3 本章小结 |
| 3 钢丝绳故障漏磁场建模及仿真分析 |
| 3.1 钢丝绳故障漏磁场建模 |
| 3.2 钢丝绳故障漏磁场的仿真分析 |
| 3.3 本章小结 |
| 4 钢丝绳漏磁场信号的预处理和故障识别 |
| 4.1 钢丝绳故障诊断中噪声信号分类及特征 |
| 4.2 钢丝绳漏磁场信号预处理 |
| 4.3 小波分析在钢丝绳故障诊断和识别中的应用 |
| 4.4 本章小结 |
| 5 钢丝绳故障检测实验及数据分析 |
| 5.1 钢丝绳故障检测系统的设计 |
| 5.2 钢丝绳故障检测实验数据分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）矿用钢丝绳缺陷识别的金属磁记忆检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 钢丝绳检测技术 |
| 1.2.2 金属磁记忆检测技术 |
| 1.2.3 金属磁记忆检测研究现状 |
| 1.2.4 目前钢丝绳检测存在的问题 |
| 1.3 本论文研究内容与章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 钢丝绳金属磁记忆信号 |
| 2.1 金属磁记忆机理 |
| 2.2 磁偶极子研究模型 |
| 2.2.1 损伤区位错分布 |
| 2.2.2 磁偶极子磁场分布 |
| 2.2.3 局部损伤金属磁记忆信号特征 |
| 2.2.4 断丝区磁场理论分布 |
| 2.3 钢丝绳损伤区识别方法 |
| 2.4 本章小结 |
| 第三章 钢丝绳金属磁记忆信号去噪 |
| 3.1 小波降噪 |
| 3.1.1 小波变换 |
| 3.1.2 小波分解多分辨率分析 |
| 3.1.3 金属磁记忆信号小波降噪 |
| 3.2 集合经验模态分解降噪 |
| 3.2.1 经验模态分解 |
| 3.2.2 集合经验模态分解 |
| 3.2.3 信号EEMD降噪 |
| 3.3 降噪结果对比 |
| 3.4 本章小结 |
| 第四章 钢丝绳检测装置设计 |
| 4.1 测量装置设计 |
| 4.2 测量部分电路设计 |
| 4.2.1 传感器节点框图 |
| 4.2.2 传感器电路设计 |
| 4.2.3 电路板实物 |
| 4.3 阵列传感器分析 |
| 4.3.1 差分方式 |
| 4.3.2 盲区测试 |
| 4.4 本章小结 |
| 第五章 检测软件设计 |
| 5.1 图形用户界面 |
| 5.2 PC开发平台 |
| 5.2.1 嵌入式操作系统 |
| 5.2.2 常用Linux指令和应用程序 |
| 5.2.3 关于一些配置 |
| 5.3 Qt程序开发 |
| 5.3.1 Qt简介 |
| 5.3.2 选择的开发包 |
| 5.3.3 程序编写 |
| 5.3.4 下位机程序移植步骤 |
| 5.4 本章小结 |
| 第六章 钢丝绳断丝数识别 |
| 6.1 涉及算法概述 |
| 6.1.1 遗传算法的基本原理 |
| 6.1.2 粒子群优化算法的基本原理 |
| 6.1.3 网格搜索算法的基本原理 |
| 6.1.4 支持向量机的基本原理 |
| 6.2 LibSVM |
| 6.2.1 LibSVM简介 |
| 6.2.2 LibSVM的使用 |
| 6.3 钢丝绳断丝数识别 |
| 6.3.1 LibSVM特征选取 |
| 6.3.2 断丝数分类 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（10）矿用钢丝绳断丝特征的识别（论文提纲范文）
| 1 EEMD降噪 |
| 1. 1 EEMD |
| 1. 2 EEMD的简要算法 |
| 1. 3 EEMD白噪声的自适应准则 |
| 1. 4 IMF分量选取 |
| 2 钢丝绳实时在线断丝特征的识别 |
| 2. 1 数据处理步骤 |
| 2. 2 数据处理 |
| 3 结语 |
四、矿用钢丝绳断丝信号处理技术（论文参考文献）
- [1]矿用钢丝绳励磁结构模型及断丝定量识别研究[D]. 李晶. 西安科技大学, 2021
- [2]钢丝绳断丝损伤检测与定量识别研究[D]. 张义清. 青岛理工大学, 2021
- [3]基于无损检测技术的钢丝绳损伤信号的分析研究[D]. 刘媛媛. 山东大学, 2021(12)
- [4]基于漏磁检测的钢丝绳断丝检测方法及系统实现[D]. 郭永亮. 电子科技大学, 2021(01)
- [5]基于漏磁原理的钢丝绳断丝损伤定量识别研究[D]. 刘志辉. 江西理工大学, 2020
- [6]基于磁探伤原理的矿用钢丝绳局部缺陷检测方法研究[D]. 周俊莹. 中国矿业大学(北京), 2019
- [7]基于三轴磁记忆的矿用钢丝绳缺陷检测系统研究[D]. 叶辉. 太原理工大学, 2018(10)
- [8]基于小波变换的矿井提升机钢丝绳故障识别研究[D]. 韩梦方. 中国矿业大学, 2016(02)
- [9]矿用钢丝绳缺陷识别的金属磁记忆检测技术研究[D]. 李兆星. 太原理工大学, 2016(08)
- [10]矿用钢丝绳断丝特征的识别[J]. 李兆星,乔铁柱. 煤矿安全, 2016(02)