CN110320265A - 一种提升机钢丝绳断丝检测实验***及其检测方法 - Google Patents
一种提升机钢丝绳断丝检测实验***及其检测方法 Download PDFInfo
- Publication number
- CN110320265A CN110320265A CN201910526967.6A CN201910526967A CN110320265A CN 110320265 A CN110320265 A CN 110320265A CN 201910526967 A CN201910526967 A CN 201910526967A CN 110320265 A CN110320265 A CN 110320265A
- Authority
- CN
- China
- Prior art keywords
- support
- signal
- wirerope
- fracture
- wire
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0087—Devices facilitating maintenance, repair or inspection tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B7/00—Other common features of elevators
- B66B7/12—Checking, lubricating, or cleaning means for ropes, cables or guides
- B66B7/1207—Checking means
- B66B7/1215—Checking means specially adapted for ropes or cables
- B66B7/123—Checking means specially adapted for ropes or cables by analysing magnetic variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
一种提升机钢丝绳断丝检测实验***及其检测方法,包括底板、第一支撑装置、第二支撑装置、第三支撑装置和检测装置;钢丝绳依次绕设在左边一对支撑轮、左边张紧轮、驱动轮、右边张紧轮、右边一对支撑轮的外侧并形成闭环;检测装置包括励磁装置和检测组件;励磁装置设置在钢丝绳上;霍尔传感阵列依次与调理装置、信号采集装置、信号采集装置连接;其相应的检测方法通过改进非局部均值去噪方法对多个尺度信号进行去噪,采用粒子群优化后的支持向量机模型对断丝进行定量识别;本提升机钢丝绳断丝检测实验***及其检测方法,对钢丝绳不同工况下信号采集和分析,实现断丝的定量识别,具有检测速度快、非接触等优点。
Description
技术领域
本发明涉及导线加工领域,具体涉及一种提升机钢丝绳断丝检测实验***及其检测方法。
背景技术
现代工业中,钢丝绳广泛应用于煤炭、运输、建筑、旅游等诸多行业。钢丝绳在使用中易出现磨损、锈蚀、断丝及绳径局部变大变小等损伤,给工业生产及设备运行带来安全隐患,严重的还会造成人员伤亡。
目前国内钢丝绳无损检测方法在可靠性和准确度等方面都有一定的不足,传统的钢丝绳安全检测是根据经验进行的眼观、手摸、卡尺量以及电磁和图像识别等无损检测方法,这些检测方法及设备自动化程度不高,大都体积较大,安装拆卸不方便,检测精度不高,部分国外进口的检测设备检测精度高但成本昂贵。
另外由于钢丝绳所处的工作环境恶劣,干扰因素较多,不便于停工检修,因此要求检测***能根据不同的工况,即钢丝绳的张紧程度实现长时间非接触式定量检测。
发明内容
本发明提供一种提升机钢丝绳断丝检测实验***及其检测方法,对钢丝绳不同速度和张力不同状态下进行信号采集和分析,实现断丝的定量识别,具有检测速度快、非接触、易于实现自动化等优点。
为实现上述目的,本提升机钢丝绳断丝检测实验***,包括底板、第一支撑装置、第二支撑装置、第三支撑装置和检测装置;
所述第一支撑装置为一对,并对称设置在底板左右两端,每组第一支撑装置包括竖直设置在底板上的第一支撑柱和一对上下布置并转动安装在第一支撑柱上的支撑轮;
所述第二支撑装置设置在底板中部,包括竖直设置在底板上的第二支撑柱和转动安装在第二支撑柱上的驱动轮,所述驱动轮与驱动电机连接;
所述第三支撑装置为一对,一对第三支撑装置左右设置在第二支撑装置两侧,并位于一对第一支撑装置之间,每组第三支撑装置包括竖直设置在底板上的第三支撑柱和上下滑动并通过锁紧杆锁紧固定的张紧轮,所述张紧轮转动设置;
钢丝绳依次绕设在左边一对支撑轮、左边张紧轮、驱动轮、右边张紧轮、右边一对支撑轮的外侧并形成闭环;
所述检测装置设置在钢丝绳上,包括励磁装置、检测组件、信号采集装置和信号处理装置;所述励磁装置设置在钢丝绳上,检测组件靠近励磁装置并位于钢丝绳移动方向一侧,所述检测组件包括支撑环、霍尔传感阵列和调理装置;所述支撑环套筒在钢丝绳上,所述霍尔传感阵列与调理装置均设置在支撑环上,霍尔传感阵列依次与调理装置、信号采集装置、信号处理装置连接。
进一步的,所述检测组件为多组,并圆周均匀分布在支撑环上,所述霍尔传感阵列包括三个霍尔传感器,三个霍尔传感器两两空间相互垂直。
进一步的,所述驱动轮上方转动安装压轮,所述压轮上下滑动设置在第二支撑柱上,并通过锁紧装置锁紧固定。
进一步的,所述第一支撑柱上设有上下布置贯穿槽,一对支撑轮转动对应安装在一对在支撑轴上,一对支撑轴滑动设置在贯穿槽内,并且一端分别设有固定块,一对固定块之间通过压缩弹簧连接。
一种提升机钢丝绳断丝检测方法,其特征在于,包括以下步骤:
第一步:确定钢丝绳长度和直径;
第二步:钢丝绳先经过励磁装置进行励磁处理,霍尔传感阵列对励磁后的钢丝绳上的磁场转化为电压信号输出,并由调理装置整形和放大,再传送至信号采集装置中形成漏磁信号x(n);
第三步:利用可调品质因子Q小波变换对漏磁信号x(n)进行多尺度分解,其中分解过程如下:
(1)根据谱峭度的大小选择最优的可调品质因子Q和冗余度r;
(2)根据谱峭度的大小选Q小波变换进行漏磁信号x(n)分解,把漏磁信号x(n)分解为多个尺度;
(3)通过改进非局部均值去噪方法对第三步(2)中的多个尺度信号进行去噪;
(4)根据第三步中(3)的去噪小波系数和逼近系数重构原始信号
第四步:对重构原始信号的特征提取,提取信号的峰值、信号波宽、波形面积、模糊熵、峭度、钢丝绳直径、钢丝直径、波峰角和峰值作为特征量,并生成数据样本X=[x1,x2,…,xN];
第五步:采用鲁棒稀疏范数主成分分析把X=[x1,x2,…,xN]投影到主成分空间,消除数据样本中冗余特征和非高斯噪声的影响,算法流程为
输入:由第四步得到的特征值原始数据X=[x1,x2,…,xN],稀疏度k以及主成分数量d,阈值ε;
输出:主成分pi,i=1,2,…,d;
Step1.记p0=0∈RD,且m=1;
Step2.令
Step3.计算数据集的主成分pm:
1)初始化pt(0),并规格化pt(0)=pt(0)/||pt(0)||2,j=0;
2)若q≤1且存在则pt(j)=(pt(j)+Δ)/||pt(j)+Δ||2,Δ是一个随机扰动数;
3)计算pt(j)的迭代表达式:
首先计算目标函数Fq(pt(j))的梯度:
其中sgn(a)为符号函数,令a(j)=sgn(pt(j)T)(▽Fq(pt(j))-λ)+/(2λ),其中λ是|▽Fq(pt(j))|中第k+1个最大的元素,(λ)+定义如下
那么pt(j)的迭代形式可写为如下形式
pt(j+1)=a(j)/||a(j)||
4)如果|Fq(pt(j))-Fq(pt(j+1))|>ε,则j=j+1转到第五步中的2);否则
pm-1=pt(j),m=m+1;
Step4.如果m=d,算法结束,输出主成分p1,p2,…,pd;否则转到第五步中的step2;
令P=[p1,p2,…,pd],对新的数据x,LqSPCA降维后的数据为
z=PTx
第六步:针对不同断丝根数的钢丝绳进行试验,并根据第二步至第五步分别生成对应的钢丝绳断丝数据样本,采用粒子群优化的支持向量机训练,输入特征值样本,输出断丝根数,进行断丝定量识别,粒子群优化的支持向量机的算法流程为:
1)选择训练集和测试集,数据预处理初始化种群和速度;
2)用训练集训练支持向量机网络,计算初始度函数;
3)适应度是否满足终止条件;
4)满足条件,输出最优惩罚参数C和核函数的参数σ;
5)不满足条件,更新粒子速度和位置,跳回第六步中的2);
6)利用最优参数训练支持向量机;
7)采用训练好的网络对采集的断丝特征值进行预测,输出断丝根数;
第七步:完成钢丝绳检测。
进一步的,所述谱峭度定义为
其中,f是频率,C4x(f)和S2x(f)分别表示漏磁信号x(n)在频率f处的4阶谱累积量和2阶谱瞬时矩,其定义形式如下:
S2nx(f)=E{|H(t,f)|2n}S2nx
其中,E(·)表示数学期望,H(t,f)是使用如下表示对信号x(t)分解得到的时间-频率复包络,即
dZy(f)为正交谱递增。
进一步的,所述模糊熵的计算方法如下:
(1)对规格化时间序列给定嵌入维数m、相似度容忍度r以及指数函数梯度n,构建相空间
(2)定义与之间的距离
i,j=1,2,…,N-m+1,i≠j
(3)使用模糊函数计算与之间的相似度
(4)定义平均线速度函数
(5)对m+1,重复上述步骤(1)-(4)得到相似度然后计算原始信号的模糊熵如下:
(6)对数据集长度N有限时,模糊熵计算方法如下:
进一步的,所述非局部均值去噪方法为:
假设f(k)被噪声n(k)破坏,含噪信号x(k)为
x(k)=f(k)+n(k)
第i时刻的去噪信号为所有点的加权平均值,即
W(i,j)=exp(-D(i,j)/ρ2)exp(-|x(i)-x(j)|2/g2)
其中,W(i,j)为权重,C(i)是一个归一化因子,为去噪结果,x()为分解的尺度信号;
其中σ是噪声标准偏差;
(计算公式里面没有这个参数),NΔ是局部块样本值的大小,
Di其中是TQWT获得的系数;c'=0.6;
N(i)表示目标样本的搜索窗口,N(i)=2K+1,K是半宽,邻域的大小NΔ=2P+1;
D(i,j)=||x(Δi)-x(Δj)||2。
与现有技术相比,本提升机钢丝绳断丝检测实验***及其检测方法由于设置第一支撑装置、第二支撑装置和第三支撑装置,通过张紧轮上下调节高,使得钢丝绳承受不同的张力变化,并且驱动电机带动驱动轮使得钢丝绳转动,实现其不同的转动进行转动,适用于不同的工况情况,另外设置压轮对驱动轮上的钢丝绳进行压紧,因此增大驱动轮与钢丝绳的摩擦力,避免其打滑影响精度;由于设置检测装置,采用支撑环套装在钢丝绳上,即非接触的方式,多个圆周布置的检测组件对励磁后的钢丝绳圆周检测,并通过调理装置进行信号整形和放大,因此将变化的磁场信号转化为电压信号输出更加稳定,信号采集和信号处理更加精准全面,实现对不同工况下钢丝绳的检测,易于实现自动化,另外霍尔传感真阵列包括两两垂直的三个霍尔传感器,因此实现对钢丝绳任意位置缺陷信号的霍尔检测;由于信号处理装置对检测信号进行分解多个尺度,再通过改进非局部均值去噪方法对多个尺度信号进行去噪,重构原始信号,通过LqSPCA消除数据样本中冗余特征和非高斯噪声的影响,然后对特征值样本采用粒子群优化后的支持向量机模型对断丝进行定量识别,实现对不同工况下钢丝绳断丝的定量预测,使得断丝根数更加具体,实现钢丝绳检测更加精准,并且检测速度快。本提升机钢丝绳断丝检测实验***及其检测方法,对钢丝绳不同速度和张力不同状态下进行信号采集和分析,实现断丝的定量识别,具有检测速度快、非接触、易于实现自动化等优点。
附图说明
图1是本发明的整体示意图;
图2是本发明的检测装置示意图;
图3是本发明的检测组件示意图;
图4是本发明的A-A方向示意图;
图5是本发明的B-B方向示意图;
图6是漏磁信号的低通、高通滤波器和尺度运算流程图;
图中:1、底板,21、第一支撑柱,22、支撑轮,23、固定块,24、支撑轴,25、压缩弹簧,26、贯穿槽,31、第二支撑柱,32、压轮,33、驱动轮,41、第三支撑柱,42、张紧轮,43、锁紧杆,5、钢丝绳,6、检测装置,61、励磁装置,62、检测组件,621、支撑环,622、调理装置,623、霍尔传感阵列,63、信号采集装置,64、信号处理装置;
具体实施方式
下面结合附图对本发明作进一步说明。
如图1、图2、图3、图5所示,本提升机钢丝绳断丝检测实验***及其检测方法包括底板1、第一支撑装置、第二支撑装置、第三支撑装置和检测装置6;
所述第一支撑装置为一对,并对称设置在底板1左右两端,每组第一支撑装置包括竖直设置在底板1上的第一支撑柱21和一对上下布置并转动安装在第一支撑柱21上的支撑轮22;
所述第二支撑装置设置在底板1中部,包括竖直设置在底板1上的第二支撑柱31和转动安装在第二支撑柱31上的驱动轮33,所述驱动轮33与驱动电机连接;
所述第三支撑装置为一对,一对第三支撑装置左右设置在第二支撑装置两侧,并位于一对第一支撑装置之间,每组第三支撑装置包括竖直设置在底板1上的第三支撑柱41和上下滑动并通过锁紧杆43锁紧固定的张紧轮42,所述张紧轮42转动设置;
钢丝绳5依次绕设在左边一对支撑轮22、左边张紧轮42、驱动轮33、右边张紧轮42、右边一对支撑轮22的外侧并形成闭环;
所述检测装置6设置在钢丝绳5上,包括励磁装置61、检测组件62、信号采集装置63和信号处理装置64;所述励磁装置61设置在钢丝绳5上,检测组件62靠近励磁装置61并位于钢丝绳5移动方向一侧,所述检测组件62包括支撑环621、霍尔传感阵列623和调理装置622;所述支撑环621套筒在钢丝绳5上,所述霍尔传感阵列623与调理装置622均设置在支撑环621上,霍尔传感阵列623与调理装置622连接,调理装置622与信号采集装置63连接,信号采集装置63与信号处理装置64连接。
如图3所示,进一步的,所述检测组件62为多组,并圆周均匀分布在支撑环621上,优先的,检测组件62为八组,霍尔传感阵列623包括三个霍尔传感器,三个霍尔传感器两两空间相互垂直,即分别测量该区域的三轴的轴向、周向、径向磁场强度,通过八组霍尔传感阵列623接收钢丝绳5的磁场变化,八组霍尔传感阵列623按环形空间均布方式排列,各负责相近的45°空间,等间距设置在钢丝绳5的同一周向上,实现对钢丝绳5任意位置缺陷信号的霍尔检测。
如图1所示,进一步的,所述驱动轮33上方转动安装压轮32,所述压轮32上下滑动设置在第二支撑柱31上,并通过锁紧装置锁紧固定;通过压轮32上下滑动设置,使得钢丝绳5在压轮32和驱动轮33之间进行压紧,增大与钢丝绳5的摩擦,防止其发生滑移,影响测量精度。
如图4所示,所述第一支撑柱21上设有上下布置贯穿槽26,一对支撑轮22转动对应安装在一对在支撑轴24上,一对支撑轴24滑动设置在贯穿槽26内,并且一端分别设有固定块23,一对固定块23之间通过压缩弹簧25连接;通过一对支撑轮22之间通过压缩弹簧25连接,实现上下滑动调节,对钢丝绳5进行弹力张紧。
本一种提升机钢丝绳5断丝检测实验***在使用时,通过变频器控制驱动电机运动,驱动电机可以为异步电机,带动驱动轮33转动,驱动轮33上可以设有数字编码器获取钢丝绳5的运行速度,以达到精确控制转速的功能,压轮32上下调节与驱动轮33接触,对钢丝绳5进行夹紧,增大驱动轮33与钢丝绳5的摩擦力,并通过张紧轮42上下调节高度,使得钢丝绳5承受不同的张力变化,励磁装置61为永磁体,用于对钢丝绳5的励磁处理,利用环形霍尔传感阵列623对钢丝绳5的漏磁信号进行采集,每个霍尔传感阵列623包括空间垂直三个霍尔传感器,不仅将变化的磁场信号转化为电压信号输出,而且对钢丝绳5任意位置缺陷信号的霍尔检测,信号通过调理装置622调理后对信号进行整形和放大,将信号送至安装在工业控制计算机的信号采集装置63上,实现对钢丝绳5缺陷信号的采集,并利用信号处理装置64,可以利用Labview软件,完成对钢丝绳5缺陷漏磁信号的显示,对钢丝绳5缺陷信号的分析与处理;本实验***对钢丝绳5的运行速度和张力进行调节,从而试验对钢丝绳5运行工况的模拟,对不同工况下钢丝绳5的缺陷漏磁信号进行采集与处理,实现对钢丝绳5的检测。
另外,信号采集装置63可以为PCI数据采集卡,用于将调理后的信号传输到信号处理装置64,信号处理装置64运用自适应多尺度非局部均值去噪算法,对采集到的信号进行去噪,然后采用粒子群优化后的支持向量机模型对断丝进行定量识别。
一种提升机钢丝绳5断丝检测实验***的检测方法,包括以下步骤:
第一步:确定钢丝绳5长度和直径;
第二步:钢丝绳5先经过励磁装置61进行励磁处理,霍尔传感阵列623对励磁后的钢丝绳5上的磁场转化为电压信号输出,然后由调理装置622整形和放大,最后计算机通过信号采集装置63中形成漏磁信号x(n);
第三步:利用可调品质因子Q小波变换(TQWT)对漏磁信号x(n)进行多尺度分解,其中分解过程如下:
(1)根据谱峭度的大小选择最优可调品质因子Q值和冗余度r,
谱峭度定义为
其中,f是频率,C4x(f)和S2x(f)分别表示漏磁信号x(n)在频率f处的4阶谱累积量和2阶谱瞬时矩,其定义形式如下:
S2nx(f)=E{|H(t,f)|2n}S2nx
其中,E(·)表示数学期望,H(t,f)是使用如下Wold-Cramer表示对信号x(t)分解得到的时间-频率复包络,即
dZy(f)为正交谱递增;
由谱峭度最大时所对应的Q值为选择的Q值。
(2)通过可调品质因子Q小波变换进行分解,把信号x(n)分解为L多个尺度(层);
如图6所示,令X(ω)为x(n)的傅里叶变换,x(n)经过低通滤波器和尺度运算后的输出信号y(n),其傅里叶变换定义为
Y(ω)=X(αω),|ω|≤π0<α≤1
x(n)经过高通滤波器和尺度运算后的输出信号y(n),其傅里叶变换定义为
这些输入参数之间的关系表示为
α,β分别为低通、高通尺度。
为了更好抽取有效信号成分,避免分解层数过多导致无意义信号成分出现,减少后续信号去噪的计算代价,因此有必要确定最大分解Lmax。确定Lmax值准则为
这里,表示最接近x最小整数值;N为信号x(n)的长度,一般使用r=3。
(3)通过改进非局部均值去噪方法对分解后的多个尺度信号进行去噪;对于分解的每个尺度信号,通常非局部均值去噪算法(NLM)是以块之间的相似性为基础建立权值计算模型。给定搜索窗,在搜索窗中设定两个邻域窗口,常规邻域在分析数据点周围是对称的,并且NLM计算两个分析点的周围区域之间的相似性。然而,振动信号中的脉冲响应的邻域特性是时间相关的和不对称的。考虑到冲击的发生和幅度,改进非局部均值去噪算法将合理的邻域设置为从分析点开始的小时间间隔,避免在选择的时间间隔内出现峰值位置的变化,且引入修正的加权函数来平均非常相似的点。
非局部均值去噪算法为:
具体而言,假设f(k)被噪声n(k)破坏,含噪信号x(k)被表示为
x(k)=f(k)+n(k)
第i时刻的去噪信号为所有点的加权平均值,即
W(i,j)=exp(-D(i,j)/ρ2)exp(-|x(i)-x(j)|2/g2)
其中,W(i,j)为权重,C(i)是一个归一化因子,满足 为去噪结果,x()为分解的尺度信号;
其中σ是噪声标准偏差,NΔ是局部块样本值的大小,Di其中是TQWT获得的系数;c'=0.6;
N(i)表示目标样本的搜索窗口,D(i,j)=||x(Δi)-x(Δj)||2;
搜索窗口的大小是N(i)=2K+1,K是半宽。邻域的大小NΔ=2P+1。
(4)根据第三步中(3)的去噪小波系数和逼近系数重构原始信号
第四步:重构原始信号的特征提取,提取信号的峰值、信号波宽、波形面积、模糊熵、峭度、钢丝绳5直径、钢丝直径、波峰角和峰值作为特征,并生成数据样本X=[x1,x2,…,xN];
1)信号峰值:重构原始信号为检测阈值thr,则信号峰值特征定义为
2)信号波宽:设与检测阈值thr的两个相邻交点分别为x1和x2,信号波宽特征定义为
W=|x2-x1|
3)波形面积:一个波动下的面积,反映信号波形在时间或空间上的跨度信息。其定义为
这里Δt为采样间隔。
4)模糊熵(fuzzy entropy,TFE)是一个非线性动态参数,用于度量时间序列的复杂性。当钢丝绳5发生断丝时,TFE能够检测到振动信号的复杂度变化。
TFE的计算方法如下:
(1)对规格化时间序列给定嵌入维数m、相似度容忍度r以及指数函数梯度n,构建相空间
(2)定义与之间的距离
i,j=1,2,…,N-m+1,i≠j
(3)使用模糊函数计算与之间的相似度
(4)定义平均线速度函数
(5)对m+1,重复上述步骤(1)-(4)得到相似度然后计算原始信号的模糊熵如下:
(6)对数据集长度N有限时,模糊熵计算方法如下:
模糊熵与嵌入维数m、相似度容忍度r以及指数函数的梯度n有关。在实际中,这些参数取值为n=2、m=2以及r=0.1SSD。
5)峭度
T1表示的平均值,T2表示的标准差;
6)波峰角为波峰与左右相邻的两个波谷所形成的角度,用于表征断丝的翘曲程度。假设波峰与左右相邻波谷连接的直线与阈值水平线相交横坐标分别为xl和xr,波峰的坐标(xf,yf),波峰角计算方法为
7)峰值:用于表征局部异常信号的峰与谷之间的差异,其定义为
第五步:为了有效消除冗余特征,减少数据噪声对识别模型的影响,需要保证维数约简模型的鲁棒性和稀疏性,采用鲁棒稀疏范数主成分分析方法(LqSPCA)把X=[x1,x2,…,xN]投影到主成分空间,消除数据样本中冗余特征和非高斯噪声的影响,有利于提高钢丝绳断丝检测算法的准确性,算法流程如下:
输入:由第四步得到的特征值原始数据X=[x1,x2,…,xN],稀疏度k以及主成分数量d,阈值ε。
输出:主成分pi,i=1,2,…,d
Step1.记p0=0∈RD,且m=1
Step2.令
Step3.计算数据集的主成分pm:
1)初始化pt(0),并规格化pt(0)=pt(0)/||pt(0)||2,j=0
2)若q≤1且存在则pt(j)=(pt(j)+Δ)/||pt(j)+Δ||2,这里Δ是一个随机扰动数,目的是避免pt(j)与原始数据样本正交。
3)计算pt(j)的迭代表达式:
首先计算目标函数Fq(pt(j))的梯度:
其中sgn(a)为符号函数。令a(j)=sgn(pt(j)T)(▽Fq(pt(j))-λ)+/(2λ),其中λ是|▽Fq(pt(j))|中第k+1个最大的元素,(λ)+定义如下
那么pt(j)的迭代形式可写为如下形式
pt(j+1)=a(j)/||a(j)||
4)如果|Fq(pt(j))-Fq(pt(j+1))|>ε,则j=j+1转到第五步中的2);否则
pm-1=pt(j),m=m+1;
Step 4.如果m=d,算法结束,输出主成分p1,p2,…,pd;否则转到第五步中的step2;
令P=[p1,p2,…,pd],对新的数据x,LqSPCA降维后的数据为
z=PTx
在实际使用时,鲁棒稀疏范数主成分分析方法模型参数取值方法:q∈{0.5,1,1.5,2},稀疏度k=0.75D~0.9D,主成分数量选取可以由PCA选取主成分数量方法确定,pt(0)由PCA方法确定。
第六步:针对不同断丝根数的钢丝绳5进行试验,并根据第二步至第五步分别生成对应的钢丝绳断丝数据样本。采用粒子群优化的支持向量机训练,输入特征值样本,输出断丝根数,实现断丝定量识别,粒子群优化的支持向量机的算法流程为:
1)选择训练集和测试集,数据预处理初始化种群和速度;
2)用训练集训练支持向量机网络,计算初始度函数;
3)适应度是否满足终止条件;
4)满足条件,输出最优惩罚参数C和核函数的参数σ;
5)不满足条件,更新粒子速度和位置,跳回第六步中的2);
6)利用最优参数训练支持向量机;
7)采用训练好的网络对采集的断丝特征值进行预测,输出断丝根数。
第七步:完成钢丝绳5检测。
Claims (8)
1.一种提升机钢丝绳断丝检测实验***,其特征在于,包括底板(1)、第一支撑装置、第二支撑装置、第三支撑装置和检测装置(6);
所述第一支撑装置为一对,并对称设置在底板(1)左右两端,每组第一支撑装置包括竖直设置在底板(1)上的第一支撑柱(21)和一对上下布置并转动安装在第一支撑柱(21)上的支撑轮(22);
所述第二支撑装置设置在底板(1)中部,包括竖直设置在底板(1)上的第二支撑柱(31)和转动安装在第二支撑柱(31)上的驱动轮(33),所述驱动轮(33)与驱动电机连接;
所述第三支撑装置为一对,一对第三支撑装置左右设置在第二支撑装置两侧,并位于一对第一支撑装置之间,每组第三支撑装置包括竖直设置在底板(1)上的第三支撑柱(41)和上下滑动并通过锁紧杆(43)锁紧固定的张紧轮(42),所述张紧轮(42)转动设置;
钢丝绳(5)依次绕设在左边一对支撑轮(22)、左边张紧轮(42)、驱动轮(33)、右边张紧轮(42)、右边一对支撑轮(22)的外侧并形成闭环;
所述检测装置(6)设置在钢丝绳(5)上,包括励磁装置(61)、检测组件(62)、信号采集装置(63)和信号处理装置(64);所述励磁装置(61)设置在钢丝绳(5)上,检测组件(62)靠近励磁装置(61)并位于钢丝绳(5)移动方向一侧,所述检测组件(62)包括支撑环(621)、霍尔传感阵列(623)和调理装置(622);所述支撑环(621)套筒在钢丝绳(5)上,所述霍尔传感阵列(623)与调理装置(622)均设置在支撑环(621)上,霍尔传感阵列(623)依次与调理装置(622)、信号采集装置(63)、信号处理装置(64)连接。
2.根据权利要求1所述的提升机钢丝绳断丝检测实验***,其特征在于,所述检测组件(62)为多组,并圆周均匀分布在支撑环(621)上,所述霍尔传感阵列(623)包括三个霍尔传感器,三个霍尔传感器两两空间相互垂直。
3.根据权利要求1或2所述的提升机钢丝绳断丝检测实验***,其特征在于,所述驱动轮(33)上方转动安装压轮(32),所述压轮(32)上下滑动设置在第二支撑柱(31)上,并通过锁紧装置锁紧固定。
4.根据权利要求3所述的提升机钢丝绳断丝检测实验***,其特征在于,所述第一支撑柱(21)上设有上下布置贯穿槽(26),一对支撑轮(22)转动对应安装在一对在支撑轴(24)上,一对支撑轴(24)滑动设置在贯穿槽(26)内,并且一端分别设有固定块(23),一对固定块(23)之间通过压缩弹簧(25)连接。
5.一种提升机钢丝绳断丝检测方法,其特征在于,包括以下步骤:
第一步:确定钢丝绳(5)长度和直径;
第二步:钢丝绳(5)先经过励磁装置(61)进行励磁处理,霍尔传感阵列(623)对励磁后的钢丝绳(5)上的磁场转化为电压信号输出,并由调理装置(622)整形和放大,再传送至信号采集装置(63)中形成漏磁信号x(n);
第三步:利用可调品质因子Q小波变换对漏磁信号x(n)进行多尺度分解,其中分解过程如下:
(1)根据谱峭度的大小选择最优的可调品质因子Q和冗余度r;
(2)根据谱峭度的大小选Q小波变换进行漏磁信号x(n)分解,把漏磁信号x(n)分解为多个尺度;
(3)通过改进非局部均值去噪方法对第三步(2)中的多个尺度信号进行去噪;
(4)根据第三步中(3)的去噪小波系数和逼近系数重构原始信号
第四步:对重构原始信号的特征提取,提取信号的峰值、信号波宽、波形面积、模糊熵、峭度、钢丝绳(5)直径、钢丝直径、波峰角和峰值作为特征量,并生成数据样本X=[x1,x2,…,xN];
第五步:采用鲁棒稀疏范数主成分分析把X=[x1,x2,…,xN]投影到主成分空间,消除数据样本中冗余特征和非高斯噪声的影响,算法流程为
输入:由第四步得到的特征值原始数据X=[x1,x2,…,xN],稀疏度k以及主成分数量d,阈值ε;
输出:主成分pi,i=1,2,…,d;
Step1.记p0=0∈RD,且m=1;
Step2.令
Step3.计算数据集的主成分pm:
1)初始化pt(0),并规格化pt(0)=pt(0)/||pt(0)||2,j=0;
2)若q≤1且存在则pt(j)=(pt(j)+Δ)/||pt(j)+Δ||2,Δ是一个随机扰动数;
3)计算pt(j)的迭代表达式:
首先计算目标函数Fq(pt(j))的梯度:
其中sgn(a)为符号函数,令其中λ是中第k+1个最大的元素,(λ)+定义如下
那么pt(j)的迭代形式可写为如下形式
pt(j+1)=a(j)/||a(j)||
4)如果|Fq(pt(j))-Fq(pt(j+1))|>ε,则j=j+1转到第五步中的2);否则
pm-1=pt(j),m=m+1;
Step4.如果m=d,算法结束,输出主成分p1,p2,…,pd;否则转到第五步中的step2;
令P=[p1,p2,…,pd],对新的数据x,LqSPCA降维后的数据为
z=PTx
第六步:针对不同断丝根数的钢丝绳(5)进行试验,并根据第二步至第五步分别生成对应的钢丝绳(5)断丝数据样本,采用粒子群优化的支持向量机训练,输入特征值样本,输出断丝根数,进行断丝定量识别,粒子群优化的支持向量机的算法流程为:
1)选择训练集和测试集,数据预处理初始化种群和速度;
2)用训练集训练支持向量机网络,计算初始度函数;
3)适应度是否满足终止条件;
4)满足条件,输出最优惩罚参数C和核函数的参数σ;
5)不满足条件,更新粒子速度和位置,跳回第六步中的2);
6)利用最优参数训练支持向量机;
7)采用训练好的网络对采集的断丝特征值进行预测,输出断丝根数;
第七步:完成钢丝绳(5)检测。
6.根据权利要求5所述的一种提升机钢丝绳断丝检测方法,其特征在于,所述谱峭度定义为
其中,f是频率,C4x(f)和S2x(f)分别表示漏磁信号x(n)在频率f处的4阶谱累积量和2阶谱瞬时矩,其定义形式如下:
S2nx(f)=E{|H(t,f)|2n}S2nx
其中,E(·)表示数学期望,H(t,f)是使用如下表示对信号x(t)分解得到的时间-频率复包络,即
dZy(f)为正交谱递增。
7.根据权利要求5所述的一种提升机钢丝绳断丝检测方法,其特征在于,所述模糊熵的计算方法如下:
(1)对规格化时间序列给定嵌入维数m、相似度容忍度r以及指数函数梯度n,构建相空间
(2)定义与之间的距离
i,j=1,2,…,N-m+1,i≠j
(3)使用模糊函数计算与之间的相似度
(4)定义平均线速度函数
(5)对m+1,重复上述步骤(1)-(4)得到相似度然后计算原始信号的模糊熵如下:
(6)对数据集长度N有限时,模糊熵计算方法如下:
。
8.根据权利要求5所述的一种提升机钢丝绳断丝检测方法,其特征在于,所述非局部均值去噪方法为:
假设f(k)被噪声n(k)破坏,含噪信号x(k)为
x(k)=f(k)+n(k)
第i时刻的去噪信号为所有点的加权平均值,即
W(i,j)=exp(-D(i,j)/ρ2)exp(-|x(i)-x(j)|2/g2)
其中,W(i,j)为权重,C(i)是一个归一化因子,为去噪结果,x()为分解的尺度信号;
其中σ是噪声标准偏差;
NΔ是局部块样本值的大小,
Di其中是TQWT获得的系数;c'=0.6;
N(i)表示目标样本的搜索窗口,N(i)=2K+1,K是半宽,邻域的大小NΔ=2P+1;
D(i,j)=||x(Δi)-x(Δj)||2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526967.6A CN110320265B (zh) | 2019-06-18 | 2019-06-18 | 一种提升机钢丝绳断丝检测实验***及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526967.6A CN110320265B (zh) | 2019-06-18 | 2019-06-18 | 一种提升机钢丝绳断丝检测实验***及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110320265A true CN110320265A (zh) | 2019-10-11 |
CN110320265B CN110320265B (zh) | 2023-03-03 |
Family
ID=68119688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910526967.6A Active CN110320265B (zh) | 2019-06-18 | 2019-06-18 | 一种提升机钢丝绳断丝检测实验***及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110320265B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111606169A (zh) * | 2020-05-06 | 2020-09-01 | 西人马(厦门)科技有限公司 | 电梯轿厢牵引绳故障检测方法、装置和*** |
CN112083058A (zh) * | 2020-08-18 | 2020-12-15 | 长江三峡通航管理局 | 一种适用于多排滑轮组钢丝绳断丝检测的信号采集与处理装置 |
CN113428758A (zh) * | 2021-07-12 | 2021-09-24 | 浙江慧通电梯科技有限公司 | 一种电梯曳引绳检修工具 |
CN114616464A (zh) * | 2019-11-01 | 2022-06-10 | 三菱电机株式会社 | 缆绳探伤装置 |
CN114820624A (zh) * | 2022-06-30 | 2022-07-29 | 上海群乐船舶附件启东有限公司 | 基于人工智能的船用钢丝绳磨损程度检测方法 |
CN117074512A (zh) * | 2023-10-13 | 2023-11-17 | 山西科为磁感技术有限公司 | 一种钢丝绳磁性探伤*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1173740A2 (en) * | 1999-03-29 | 2002-01-23 | Otis Elevator Company | Method and apparatus for detecting elevator rope degradation using electrical or magnetic energy |
CN1928543A (zh) * | 2006-09-15 | 2007-03-14 | 哈尔滨工业大学深圳研究生院 | 基于霍尔传感器阵列的钢丝绳无损检测方法及检测装置 |
CN200947094Y (zh) * | 2006-09-15 | 2007-09-12 | 哈尔滨工业大学深圳研究生院 | 基于霍尔传感器阵列的钢丝绳无损检测装置 |
EP2272783A2 (en) * | 2004-05-28 | 2011-01-12 | Mitsubishi Denki Kabushiki Kaisha | Elevator rope slippage detecting device, and elevator apparatus |
CN102303803A (zh) * | 2011-05-28 | 2012-01-04 | 赵强 | 摩擦式提升机滑绳制动方案与装置 |
CN202609720U (zh) * | 2012-05-18 | 2012-12-19 | 徐州大恒测控技术有限公司 | 一种矿井提升机钢丝绳张力监测装置 |
CN103608825A (zh) * | 2011-04-15 | 2014-02-26 | 伊麦格莱肯有限责任公司 | 确定迭代影像重建中的像元映射的方法 |
CN103760222A (zh) * | 2014-01-18 | 2014-04-30 | 中国矿业大学 | 一种基于巨磁电阻传感器阵列的矿用钢丝绳在线检测装置及方法 |
CN104407046A (zh) * | 2014-11-26 | 2015-03-11 | 中国矿业大学 | 可调式变工况钢丝绳动态检测试验装置 |
CN106382238A (zh) * | 2016-10-18 | 2017-02-08 | 江苏大学 | 一种离心泵空化诊断的方法及其装置 |
CN108333252A (zh) * | 2018-02-07 | 2018-07-27 | 河南科技大学 | 一种钢丝绳探伤***及其漏磁信号检测装置 |
CN109164165A (zh) * | 2018-10-09 | 2019-01-08 | 河南科技大学 | 基于图像融合的钢丝绳无损检测方法及其装置 |
CN112833761A (zh) * | 2021-01-08 | 2021-05-25 | 电子科技大学 | 一种基于漏磁信号估计钢丝绳检测速度与位移的方法 |
-
2019
- 2019-06-18 CN CN201910526967.6A patent/CN110320265B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1173740A2 (en) * | 1999-03-29 | 2002-01-23 | Otis Elevator Company | Method and apparatus for detecting elevator rope degradation using electrical or magnetic energy |
EP2272783A2 (en) * | 2004-05-28 | 2011-01-12 | Mitsubishi Denki Kabushiki Kaisha | Elevator rope slippage detecting device, and elevator apparatus |
CN1928543A (zh) * | 2006-09-15 | 2007-03-14 | 哈尔滨工业大学深圳研究生院 | 基于霍尔传感器阵列的钢丝绳无损检测方法及检测装置 |
CN200947094Y (zh) * | 2006-09-15 | 2007-09-12 | 哈尔滨工业大学深圳研究生院 | 基于霍尔传感器阵列的钢丝绳无损检测装置 |
CN103608825A (zh) * | 2011-04-15 | 2014-02-26 | 伊麦格莱肯有限责任公司 | 确定迭代影像重建中的像元映射的方法 |
CN102303803A (zh) * | 2011-05-28 | 2012-01-04 | 赵强 | 摩擦式提升机滑绳制动方案与装置 |
CN202609720U (zh) * | 2012-05-18 | 2012-12-19 | 徐州大恒测控技术有限公司 | 一种矿井提升机钢丝绳张力监测装置 |
CN103760222A (zh) * | 2014-01-18 | 2014-04-30 | 中国矿业大学 | 一种基于巨磁电阻传感器阵列的矿用钢丝绳在线检测装置及方法 |
CN104407046A (zh) * | 2014-11-26 | 2015-03-11 | 中国矿业大学 | 可调式变工况钢丝绳动态检测试验装置 |
CN106382238A (zh) * | 2016-10-18 | 2017-02-08 | 江苏大学 | 一种离心泵空化诊断的方法及其装置 |
CN108333252A (zh) * | 2018-02-07 | 2018-07-27 | 河南科技大学 | 一种钢丝绳探伤***及其漏磁信号检测装置 |
CN109164165A (zh) * | 2018-10-09 | 2019-01-08 | 河南科技大学 | 基于图像融合的钢丝绳无损检测方法及其装置 |
CN112833761A (zh) * | 2021-01-08 | 2021-05-25 | 电子科技大学 | 一种基于漏磁信号估计钢丝绳检测速度与位移的方法 |
Non-Patent Citations (2)
Title |
---|
PAVEL PETERKA: "Failure analysis of hoisting steel wire rope", 《ENGINEERING FAILURE ANALYSIS》 * |
刘云楷: "多绳摩擦式提升机钢丝绳张力在线监测***", 《煤矿机械》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114616464A (zh) * | 2019-11-01 | 2022-06-10 | 三菱电机株式会社 | 缆绳探伤装置 |
CN111606169A (zh) * | 2020-05-06 | 2020-09-01 | 西人马(厦门)科技有限公司 | 电梯轿厢牵引绳故障检测方法、装置和*** |
CN112083058A (zh) * | 2020-08-18 | 2020-12-15 | 长江三峡通航管理局 | 一种适用于多排滑轮组钢丝绳断丝检测的信号采集与处理装置 |
CN112083058B (zh) * | 2020-08-18 | 2024-03-12 | 长江三峡通航管理局 | 一种适用于多排滑轮组钢丝绳断丝检测的信号采集与处理装置 |
CN113428758A (zh) * | 2021-07-12 | 2021-09-24 | 浙江慧通电梯科技有限公司 | 一种电梯曳引绳检修工具 |
CN113428758B (zh) * | 2021-07-12 | 2022-10-28 | 宸宇电梯科技有限公司 | 一种电梯曳引绳检修工具 |
CN114820624A (zh) * | 2022-06-30 | 2022-07-29 | 上海群乐船舶附件启东有限公司 | 基于人工智能的船用钢丝绳磨损程度检测方法 |
CN117074512A (zh) * | 2023-10-13 | 2023-11-17 | 山西科为磁感技术有限公司 | 一种钢丝绳磁性探伤*** |
CN117074512B (zh) * | 2023-10-13 | 2024-01-02 | 山西科为磁感技术有限公司 | 一种钢丝绳磁性探伤*** |
Also Published As
Publication number | Publication date |
---|---|
CN110320265B (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110320265A (zh) | 一种提升机钢丝绳断丝检测实验***及其检测方法 | |
Yang et al. | Fault feature extraction based on combination of envelope order tracking and cICA for rolling element bearings | |
CN113748326B (zh) | 用于对感应电动机估计轴承故障严重性的方法 | |
CN109142514B (zh) | 一种基于脉冲涡流阵列的缺陷检测装置及方法 | |
CN108573224B (zh) | 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
CN109101768A (zh) | 基于压缩感知的叶端定时传感器布局优化设计方法 | |
KR100963685B1 (ko) | 기계 작동음 및 진동 신호의 영상 신호 변환을 통한 고장진단 장치 및 방법 | |
Wang et al. | Sparse and low-rank decomposition of the time–frequency representation for bearing fault diagnosis under variable speed conditions | |
CN111678698B (zh) | 一种基于声振信号融合的滚动轴承故障检测方法 | |
CN113565584B (zh) | 一种叶端定时信号时频滤波方法 | |
Zhu et al. | A detection method for bearing faults using null space pursuit and S transform | |
CN114755017B (zh) | 一种跨域数据驱动无监督领域共享网络的变转速轴承故障诊断方法 | |
Cao et al. | A New Joint Denoising Algorithm for High‐G Calibration of MEMS Accelerometer Based on VMD‐PE‐Wavelet Threshold | |
Zheng et al. | Application of Variational Mode Decomposition and k‐Nearest Neighbor Algorithm in the Quantitative Nondestructive Testing of Wire Ropes | |
Zhang et al. | Fast quantitative method to detect the cross-sectional loss of wire rope defects | |
CN110953488B (zh) | 基于堆栈自编码的气液两相流管道泄漏声发射检测方法 | |
CN113092322A (zh) | 基于电磁层析成像技术的滑油磨粒在线监测装置及方法 | |
CN113705096A (zh) | 基于小样本深度学习的一类冲击故障诊断 | |
CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及*** | |
Dong et al. | Characteristics analysis of blade tip timing signals in synchronous resonance and frequency recovery based on subspace pursuit algorithm | |
Lin et al. | Impulse detection using a shift-invariant dictionary and multiple compressions | |
Liang et al. | Bearing fault diagnosis based on singular value distribution of impulse response segment | |
CN111579634A (zh) | 一种铁磁性材料表面残余应力的抽样评估方法 | |
CN114739671A (zh) | 一种基于改进广义s变换的轴承故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |