CN111579637B - 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 - Google Patents
一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 Download PDFInfo
- Publication number
- CN111579637B CN111579637B CN202010529779.1A CN202010529779A CN111579637B CN 111579637 B CN111579637 B CN 111579637B CN 202010529779 A CN202010529779 A CN 202010529779A CN 111579637 B CN111579637 B CN 111579637B
- Authority
- CN
- China
- Prior art keywords
- defect
- wire rope
- steel wire
- signal
- magnetic flux
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
- G01N27/85—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields using magnetographic methods
-
- 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
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Electrochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明提供了一种检测及区分钢丝绳内外缺陷的无损检测方法和装置，该方法包括以下步骤：采集被测钢丝绳的磁通信号和漏磁信号；对被测钢丝绳的磁通信号和漏磁信号进行预处理；根据预处理后的磁通信号、漏磁信号分别与预设磁通信号阈值、预设漏磁信号阈值进行对比，计算缺陷位置；根据缺陷位置，提取缺陷磁通信号和缺陷漏磁信号；根据缺陷磁通信号和缺陷漏磁信号，计算被测钢丝绳的缺陷宽度flw；根据被测钢丝绳的缺陷宽度flw，计算被测钢丝绳的缺陷截面损失量fs；计算并区分内外部缺陷。采用本发明的技术方案，不仅可以识别钢丝绳的所有类型缺陷，而且可以区分内外部缺陷，还可以对缺陷的进行精确定量检测，准确计算缺陷的埋藏深度。
Description
技术领域
本发明属于无损检测技术领域，尤其涉及一种检测及区分钢丝绳内外缺陷的无损检测方法和装置。
背景技术
钢丝绳作为一种挠性部件具有强劲的载重能力、突出的柔韧性和卓越的工作稳定性，在矿山、航运、建筑、运输等领域得到广泛应用。然而，钢丝绳在长期使用过程中，必然会产生磨损、断丝、锈蚀等疲劳损伤，随着使用周期的延长，损伤程度也趋于严重，如不能在整绳破断之前替换钢丝绳，将严重影响安全生产，甚至威胁设备及人身安全，造成巨大经济损失及不良的社会影响。钢丝绳的缺陷可以分为外部缺陷和内部缺陷。随着缺陷埋藏深度的增大，缺陷的检出将变得越来越困难。现有的检测方法无法定量检测内部缺陷，也无法区分内外部缺陷。
电磁检测法是现阶段最有效的方法，根据励磁条件可分为饱和励磁和非饱和励磁。非饱和励磁检测对传感器、环境和方式等都有较严格的要求，而且无法准确地进行定量检测，不能应用于实际检测。饱和励磁检测则可以避免以上缺点，提高定量检测的精度，更好地应用于实际检测。
饱和励磁检测主要有磁通检测和漏磁检测两种方法。磁通检测主要检测被测物体的磁通变化量，磁通包括主磁通、漏磁通和磁轭磁通等。此方法的优点是：其检测的通量值与被测对象的截面损失面积相关；无论缺陷在外部还是内部，磁通无损检测都能检测；但是当缺陷的轴向宽度较小时，其检测能力非常低，无法定量检测，而且无法区分内部缺陷。现有的磁通检测方法无法定量检测所有缺陷，且无法计算缺陷埋藏深度。漏磁检测主要通过传感器阵列检测被测物体表面的漏磁场强度。漏磁检测对轴向宽度较小的缺陷有很高识别率，对缺陷宽度的检测也较为准确。但是对于轴向宽度较大的缺陷，无法准确识别缺陷的信息；缺陷埋藏深度严重影响检测精度，无法定量检测所有缺陷。
因此现有的检测方法无法对钢丝绳内外部缺陷进行区分，而且检测精度很低，无法计算缺陷埋藏深度。
发明内容
针对以上技术问题，本发明公开了一种检测及区分钢丝绳内外缺陷的无损检测方法和装置，可以对钢丝绳内外部缺陷进行区分，还可以计算得到缺陷埋藏深度，使得检测更加精准。
对此，本发明采用的技术方案为：
一种检测及区分钢丝绳内外缺陷的无损检测方法，其包括以下步骤：
步骤S10，采集被测钢丝绳的磁通信号和漏磁信号；
步骤S20，对被测钢丝绳的磁通信号和漏磁信号进行预处理；
步骤S30，根据预处理后的磁通信号、漏磁信号分别与预设磁通信号阈值、预设漏磁信号阈值进行对比，计算缺陷位置；
步骤S40，根据缺陷位置，提取缺陷磁通信号和缺陷漏磁信号；
步骤S50，根据缺陷磁通信号和缺陷漏磁信号，计算被测钢丝绳的缺陷宽度flw；
步骤S60，根据被测钢丝绳的缺陷宽度flw，计算被测钢丝绳的缺陷截面损失量fs；
步骤S70，区分内外部缺陷：
采用公式FV＝FH–FL计算所述缺陷漏磁信号的波形峰峰值FV，其中，FH为所述缺陷漏磁信号的波形峰值，FL为所述缺陷漏磁信号的波形谷值；
设计关系函数ffs＝f2(FV,flw)，其中，f2为训练的多次方程组或者多层神经网络，ffs为虚拟截面损失量；
将步骤S50中得到的缺陷宽度flw和所述缺陷漏磁信号的波形峰峰值FV，代入所述设计关系函数中，计算得到ffs；
对比ffs和fs，如果|fs-ffs|＞μ，此缺陷为内部缺陷，否则为外部缺陷；
其中，μ为预设的缺陷判定值。
进一步的，μ可设置为一根断丝的截面损失率，或者根据实际情况设置。
进一步的，将被测钢丝绳励磁至饱和或近似饱和状态，然后采集被测钢丝绳的磁通信号和漏磁信号。
作为本发明的进一步改进，所述的检测及区分钢丝绳内外缺陷的无损检测方法还包括：
步骤S80，计算缺陷埋藏深度：
根据S70结果，如果缺陷为外部缺陷，则缺陷的埋藏深度为0，否则缺陷的埋藏深度不为0，则进行以下步骤；
根据以下公式计算缺陷的埋藏深度fd，
fd＝f3(fs,ffs,flw)，
其中，f3为训练的多次方程组或者多层神经网络，flw为被测钢丝绳的缺陷宽度，fs为被测钢丝绳的缺陷截面损失量，ffs为虚拟截面损失量。
作为本发明的进一步改进，步骤S70中，训练的多次方程组或者多层神经网络f2采用以下步骤得到：
Step721：设计x个缺陷宽度，y个缺陷截面损失量，总共x×y个标准表面缺陷，x和y均为自然数；
Step722：对x×y个标准表面缺陷经过步骤S10至步骤S60的计算得到相应的缺陷漏磁波形峰峰值；
Step723：将得到的缺陷漏磁波形峰峰值和标准表面缺陷的缺陷宽度作为输入自变量，ffs作为输出标准量，训练得到多次方程组或者多层神经网络f2。
作为本发明的进一步改进，步骤S80中，训练的多次方程组或者多层神经网络f3采用以下步骤得到：
Step821：设计x个缺陷宽度，y个缺陷截面损失量，z个不同埋藏深度，总共x×y×z个标准缺陷，x、y和z均为自然数；
Step822：对x×y×z个标准缺陷经过步骤S10至步骤S70的计算得到相应的ffs；
Step823：将得到的ffs、缺陷截面损失量和缺陷宽度作为输入自变量，缺陷的埋藏深度作为输出标准量，训练得到多次方程组或者多层神经网络f3。
作为本发明的进一步改进，步骤S10中包括，通过磁通检测传感器获取被测钢丝绳的磁通信号，通过磁场强度检测传感器获取所述被测钢丝绳的漏磁信号，并采用以下步骤对获取的被测钢丝绳的磁通信号进行初步处理，消除钢丝绳速度的影响；
对磁通信号采用如下公式通过积分器对时间的积分处理，然后通过等空间采样采集数据，
或者采用以下公式对磁通信号通过积分器的对空间进行等距离积分处理采集；
Y＝∫Sdl，其中Y为初步处理后的被测钢丝绳的磁通信号，dl表示对空间距离的微分，S为采集到的被测钢丝绳的磁通信号。
作为本发明的进一步改进，步骤S20中对被测钢丝绳的磁通信号进行预处理包括对被测钢丝绳的磁通信号进行野点剔除、噪声滤波、基线消除等，能够提高磁通信号的信噪比，更利于信号的特征提取。
作为本发明的进一步改进，对所述被测钢丝绳的磁通信号进行野点剔除的步骤包括：
对所述被测钢丝绳的磁通信号Y进行野点剔除，设Y(i)为第i个磁通采集信号，当Y(i)远大于前后磁通信号值时，Y(i)＝[Y(i-1)+Y(i+1)]/2(i＝1,2,…,N)，野点剔除处理之后得到信号Y1(i)，N为总采样点数。
作为本发明的进一步改进，对所述被测钢丝绳的磁通信号进行噪声滤波的步骤包括：
采用自适应滤波、或者小波变换、或者平滑滤波、或者经验模态分解对所述被测钢丝绳的磁通信号进行噪声滤波，其中，采用平滑滤波对所述被测钢丝绳的磁通信号进行噪声滤波的计算公式为：
其中，式中n为求均值的数据个数，N为总采样点数。
作为本发明的进一步改进，对所述被测钢丝绳的磁通信号进行基线消除的步骤包括：
采用包络谱提取、或小波分解、或窗口平均、或经验模态分解对所述被测钢丝绳的磁通信号进行基线消除，其中，采用经验模态分解对所述被测钢丝绳的磁通信号进行基线消除的步骤包括：
找出信号数据序列Y2(i)的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上包络线和下包络线；上包络线和下包络线的均值为m1；将数据序列Y2(i)减去m1得到一个减去低频的新序列Y3(i)，即Y3(i)＝Y2(i)－m1。
作为本发明的进一步改进，步骤S20中，对被测钢丝绳的漏磁信号进行预处理包括对被测钢丝绳的每路漏磁信号进行野点剔除、噪声滤波、基线消除、股波噪声滤除等，能够提高漏磁信号的信噪比，更利于信号的特征提取。
作为本发明的进一步改进，对所述被测钢丝绳的每路漏磁信号进行野点剔除的步骤包括：
对每路漏磁信号X进行野点剔除，设Xi,j为第i个霍尔传感器的第j个采样值，当Xi,j远大于前后漏磁信号值时：
野点剔除处理之后得到信号Xi,j。
作为本发明的进一步改进，对所述被测钢丝绳的每路漏磁信号进行噪声滤波的步骤包括：
采用自适应滤波、或者小波变换、或者平滑滤波、或者经验模态分解对被测钢丝绳的每路漏磁信号进行噪声滤波；其中，采用平滑滤波对所述被测钢丝绳的每路漏磁信号进行噪声滤波的计算公式为：
其中，式中n为求均值的数据个数，N为总采样点数，k为采集被测钢丝绳的漏磁信号的磁场强度检测传感器路数。
作为本发明的进一步改进，对所述被测钢丝绳的每路漏磁信号进行基线消除的步骤包括：
采用包络谱提取、或者小波分解、或者窗口平均、或者经验模态分解对所述被测钢丝绳的每路漏磁信号进行基线消除；其中，采用经验模态分解对所述被测钢丝绳的每路漏磁信号进行基线消除的步骤包括：
找出野点剔除处理后的漏磁信号数据序列Xy的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上包络线和下包络线，上包络线和下包络线的均值为m1；将原数据序列减去n1得到减去低频的新序列X1，即X1＝Xy－n1。
作为本发明的进一步改进，对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除的步骤包括：
采用小波分解、或者经验模态分解、或者自适应滤波、或者梯度法对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除，其中，采用梯度法对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除的步骤包括：
采用梯度法实现图像的一阶微分，对于图像X1(x,y)，其在坐标(x,y)处的梯度是二维列向量表示：
这个向量的模是：
对多路漏磁信号进行求和处理，得到漏磁和信号X2。
作为本发明的进一步改进，步骤S30中计算缺陷位置包括以下步骤：
步骤S31，设置被测钢丝绳的缺陷磁通信号预设阈值mp，mp为最小缺陷的磁通信号峰值；
步骤S32，将被测钢丝绳的磁通信号与缺陷磁通信号预设阈值mp比较，记录多组连续的磁通信号大于缺陷磁通信号预设阈值mp的磁通采样点，多组磁通采集点的轴向坐标为[c11,c12……c1a]，[c21,c22……c2b]，……；
步骤S33，计算每组磁通采集点的轴向坐标的平均值，c1＝(c11+c12+……+c1a)/a，c2＝(c21+c22+……+c2b)/b，……，得到序列(c1，c2，……)；
步骤S34，设置被测钢丝绳的缺陷漏磁信号预设峰峰值阈值vp，vp为最小缺陷的漏磁信号预设峰峰值；
将被测钢丝绳的漏磁信号与缺陷漏磁信号预设峰峰值阈值vp比较，记录多组连续的漏磁信号大于缺陷漏磁信号预设峰峰值阈值vp的漏磁采样点，多组漏磁采样点的轴向坐标为[d11,d12……d1e]，[d21,d22……d2f]，……，得到序列(d1，d2，……)；
步骤S35，计算每组漏磁采集点的轴向坐标最大最小值的平均值，即d1＝(d11+d1e)/2，d2＝(d21+d2f)/2，……；
步骤S36，对比序列(c1，c2，……)和序列(d1，d2，……)，如果|ci-dj|<M，其中M为钢丝绳股距，则保留ci，舍弃dj，否则ci和dj都保留，计算结果则为缺陷位置。
作为本发明的进一步改进，步骤S40，所述提取缺陷磁通信号包括：根据每组磁通采样点的位置信息，对钢丝绳的磁通信号向前和向后提取FM个点作为缺陷磁通信号，其中FM＝NO×SM，SM为1个股距的采样点数量，NO为5-10的自然数；
所述提取缺陷漏磁信号包括：根据每组漏磁采集点的位置信息，对钢丝绳的漏磁信号向前和向后提取LFM个点作为缺陷漏磁信号，LSM为1个股距的采样点数量，LFM＝LNO×LSM，LNO为5-10的自然数。
作为本发明的进一步改进，步骤S50中计算被测钢丝绳的缺陷宽度flw包括以下步骤：
步骤S51，先根据公式h(s)＝df(s)/ds(s＝1,2,…,k)求解被测钢丝绳的缺陷磁通信号的微分结果h(s)，其中，k为缺陷磁通信号的数据个数，f(s)为缺陷磁通信号的数据；然后根据缺陷磁通信号的波形峰值点位置，向前取h(s)的最大值的位置，向后取h(s)的最小值的位置，计算最大值和最小值之间的间距作为所述缺陷磁通信号的波形宽度值Ylw；
步骤S52，根据缺陷漏磁信号的波形峰值点位置，计算缺陷漏磁信号的最大值和最小值之间的间距作为所述缺陷磁通信号的波形宽度值Xlw；
步骤S53，当|Ylw-Xlw|＜M，M为钢丝绳股距，选取Ylw、Xlw中的较大值为缺陷宽度flw；当|Ylw-Xlw|≥M，缺陷宽度flw＝(Ylw+Xlw)/2-LF，其中LF为传感器距离钢丝绳表面的距离。
作为本发明的进一步改进，步骤S60，计算被测钢丝绳的缺陷截面损失量fs包括如下步骤：
步骤S61，将得到的缺陷磁通信号的波形峰值T和波形基线值L，通过公式VPP＝|T–L|计算所述缺陷磁通信号的波形峰峰值VPP；
步骤S62，设计关系函数fs＝f1(VPP,flw)，其中，f1为训练的多次方程组或者多层神经网络；
步骤S63，将步骤S50中得到的缺陷宽度值flw和S61的缺陷磁通信号的波形峰峰值VPP，代入到步骤S62中的多次方程组或者多层神经网络中，计算得到钢丝绳的缺陷截面损失量fs。
作为本发明的进一步改进，步骤S62中所述训练的多次方程组或者多层神经网络f1采用以下步骤得到：
步骤S621，设计x个缺陷宽度，y个缺陷截面损失量，总共x×y个标准表面缺陷，x和y均为自然数；
步骤S622：对x×y个标准表面缺陷经过步骤S10至步骤S60的计算得到相应的缺陷磁通波形峰峰值；
步骤S623：将相应的缺陷磁通波形峰峰值和标准表面缺陷的缺陷宽度作为输入自变量，缺陷截面损失量作为输出标准量，训练得到多次方程组或者多层神经网络f1。
本发明还公开了一种检测及区分钢丝绳内外缺陷的无损检测装置，其包括：
励磁结构，用于将钢丝绳励磁至饱和或近似饱和状态；
磁通检测传感器，用于获取被测钢丝绳的磁通信号；
磁场强度检测传感器，用于获取所述被测钢丝绳的漏磁信号；
以及信号采集和处理系统，其采用如上所述的检测及区分钢丝绳内外缺陷的无损检测方法进行处理；
所述信号采集和处理系统包括信号采集单元、信号预处理单元、缺陷位置计算单元、缺陷信号提取单元、缺陷宽度计算单元、缺陷截面损失量计算单元、内外部缺陷区分单元和缺陷埋藏深度计算单元，其中，
所述信号采集单元用于采集被测钢丝绳的磁通信号和漏磁信号，
所述信号预处理单元用于对被测钢丝绳的磁通信号和漏磁信号进行预处理；
所述缺陷位置计算单元用于根据预处理后的磁通信号、漏磁信号分别与预设磁通信号阈值、预设漏磁信号阈值进行对比，计算缺陷位置；
所述缺陷信号提取单元用于根据缺陷位置，提取缺陷磁通信号和缺陷漏磁信号；
所述缺陷宽度计算单元用于根据缺陷磁通信号和缺陷漏磁信号，计算被测钢丝绳的缺陷宽度flw；
所述缺陷截面损失量计算单元用于根据被测钢丝绳的缺陷宽度flw，计算被测钢丝绳的缺陷截面损失量fs；
所述内外部缺陷区分单元用于根据被测钢丝绳的缺陷宽度flw和缺陷磁通信号的波形峰峰值FV，区分是内部缺陷还是外部缺陷；
所述缺陷埋藏深度计算单元用于根据被测钢丝绳的缺陷宽度flw、被测钢丝绳的缺陷截面损失量fs和虚拟截面损失量ffs计算缺陷埋藏深度。
与现有技术相比，本发明的有益效果为：
采用本发明的技术方案，将钢丝绳励磁至饱和或近似饱和状态，通过检测并采集钢丝绳的磁通量和漏磁场量，通过计算和分析，不仅可以识别钢丝绳的所有类型缺陷，而且可以区分内外部缺陷；不仅可以对缺陷的进行精确定量检测，而且可以准确计算缺陷的埋藏深度，具有较高的定量精度。
附图说明
图1是本发明一种检测及区分钢丝绳内外缺陷的无损检测装置的示意图。
图2是本发明一种检测及区分钢丝绳内外缺陷的无损检测装置的传感器的示意图。
图3是本发明一种检测及区分钢丝绳内外缺陷的无损检测方法的流程图。
图4是本发明实施例得到的缺陷磁通信号的示意图。
图5是本发明实施例得到的缺陷漏磁信号的示意图。
附图标记包括：1-励磁结构，2-传感器，21-磁通检测传感器，22-磁场强度检测传感器，3-信号采集和处理系统。
具体实施方式
下面对本发明的较优的实施例作进一步的详细说明。
如图1所示，一种检测及区分钢丝绳内外缺陷的无损检测装置，其包括：
励磁结构1，用于将钢丝绳励磁至饱和或近似饱和状态；
传感器2，如图2所示，其包括用于获取被测钢丝绳的磁通信号的磁通检测传感器21、和用于获取所述被测钢丝绳的漏磁信号的磁场强度检测传感器22；
以及信号采集和处理系统3，所述信号采集和处理系统包括信号采集单元、信号预处理单元、缺陷位置计算单元、缺陷信号提取单元、缺陷宽度计算单元、缺陷截面损失量计算单元、内外部缺陷区分单元和缺陷埋藏深度计算单元。
其中，所述信号采集单元用于采集被测钢丝绳的磁通信号和漏磁信号，
所述信号预处理单元用于对被测钢丝绳的磁通信号和漏磁信号进行预处理；
所述缺陷位置计算单元用于根据预处理后的磁通信号、漏磁信号分别与预设磁通信号阈值、预设漏磁信号阈值进行对比，计算缺陷位置；
所述缺陷信号提取单元用于根据缺陷位置，提取缺陷磁通信号和缺陷漏磁信号；
所述缺陷宽度计算单元用于根据缺陷磁通信号和缺陷漏磁信号，计算被测钢丝绳的缺陷宽度flw；
所述缺陷截面损失量计算单元用于根据被测钢丝绳的缺陷宽度flw，计算被测钢丝绳的缺陷截面损失量fs；
所述内外部缺陷区分单元用于根据被测钢丝绳的缺陷宽度flw和缺陷磁通信号的波形峰峰值FV，区分是内部缺陷还是外部缺陷；
所述缺陷埋藏深度计算单元用于根据被测钢丝绳的缺陷宽度flw、被测钢丝绳的缺陷截面损失量fs和ffs计算缺陷埋藏深度。
所述信号采集和处理系统采用如下所述的检测及区分钢丝绳内外缺陷的无损检测方法进行处理。
具体而言，如图3所示，所述的检测及区分钢丝绳内外缺陷的无损检测方法包括以下步骤：
Step10：采集被测钢丝绳检测信号；
Step20：对被测钢丝绳检测信号进行预处理；
Step30：计算缺陷位置；
Step40：提取缺陷信号；
Step50：计算缺陷宽度；
Step60：计算缺陷截面损失率；
Step70：区分内外部缺陷；
Step80：计算缺陷埋藏深度。
其中，step10中采集被测钢丝绳检测信号包括磁通信号和漏磁信号，具体包括：
通过磁通检测传感器获取被测钢丝绳的磁通信号，通过磁场强度检测传感器获取所述被测钢丝绳的漏磁信号；由于磁通信号受到钢丝绳的速度影响，且无法准确实时的检测钢丝绳的速度，所以需要消除钢丝绳速度的影响。对磁通信号S通过积分器对时间的积分处理，然后通过等空间采样采集数据或者对磁通信号S通过积分器的对空间进行等距离积分处理采集，如下公式：
或者Y＝∫Sdl
其中dt表示对时间的微分，N为总采样点数，dl表示对空间距离的微分。
step20中，对被测钢丝绳检测信号进行预处理包括磁通信号的预处理和漏磁信号的预处理，磁通信号的预处理包括野点剔除、噪声滤波、基线消除等，能够提高磁通信号的信噪比，更利于信号的特征提取。以下是具体的步骤：
Step21：对磁通信号Y进行野点剔除，设Y(i)为第i个磁通采集信号，当Y(i)远大于前后磁通信号值时，Y(i)＝[Y(i-1)+Y(i+1)]/2(i＝1,2,…,N)，野点剔除处理之后得到信号Y1(i)，N为总采样点数；
Step22：采用自适应滤波、或者小波变换、或者平滑滤波、或者经验模态分解对所述被测钢丝绳的磁通信号进行噪声滤波，其中，采用平滑滤波对所述被测钢丝绳的磁通信号进行噪声滤波的计算公式为：
其中，式中n为求均值的数据个数，N为总采样点数；
Step23：对以上信号进行基线消除，基线消除采用的方法包括但不限于包络谱提取、小波分解、窗口平均、经验模态分解等，以下是一种经验模态分解的方法：找出以上信号数据序列Y1(i)的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上和下包络线；上下包络线的均值为m1；将数据序列减去m1可得到一个减去低频的新序列Y2(i)，即Y2(i)＝Y1(i)－m1。式中n为求均值的数据个数，N为总采样点数；
漏磁信号的预处理主要是对每路漏磁信号进行野点剔除、噪声滤波、基线消除、股波滤除等，能够提高漏磁信号的信噪比，更利于信号的特征提取。以下是具体的步骤：
Step24：对每路漏磁信号X进行野点剔除，设Xi,j为第i个霍尔传感器的第j个采样值，当Xi,j远大于前后漏磁信号值时：
野点剔除处理之后得到信号Xi,j；
Step25：对以上每路信号进行噪声滤除，噪声滤除采用的方法包括但不限于自适应滤波、小波变换、平滑滤波、经验模态分解等，以下是一种平滑滤波的处理方法：
式中n为求均值的数据个数，N为总采样点数，k为传感器路数；
Step26：对所述被测钢丝绳的每路漏磁信号进行基线消除，采用包络谱提取、或者小波分解、或者窗口平均、或者经验模态分解对所述被测钢丝绳的每路漏磁信号进行基线消除；其中，采用经验模态分解对所述被测钢丝绳的每路漏磁信号进行基线消除的步骤包括：找出野点剔除处理后的漏磁信号数据序列Xy的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上包络线和下包络线，上包络线和下包络线的均值为n1；将原数据序列减去n1得到减去低频的新序列X1，即X1＝Xy－n1。
Step27：对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除，采用小波分解、或者经验模态分解、或者自适应滤波、或者梯度法对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除，其中，采用梯度法对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除的步骤包括：
采用梯度法实现图像的一阶微分，对于图像X1(x,y)，其在坐标(x,y)处的梯度是二维列向量表示：
这个向量的模是：
对多路漏磁信号进行求和处理，得到漏磁和信号X2。
step30中所述计算缺陷位置的方法如下：
Step31：设置被测钢丝绳的缺陷磁通信号预设阈值mp，mp为最小缺陷的磁通信号峰值；
Step32：被测钢丝绳的磁通信号与预设阈值mp比较，记录多组连续的磁通采样点，多组采集点的轴向坐标为[c11,c12……c1a]，[c21,c22……c2b]，……；
Step33：计算每组磁通采集点的轴向坐标的平均值，c1＝(c11+c12+……+c1a)/a，c2＝(c21+c22+……+c2b)/b，……；
Step34：设置被测钢丝绳的缺陷漏磁信号预设峰峰值阈值vp，vp为最小缺陷的漏磁信号预设峰峰值；
Step34：被测钢丝绳的磁通信号与预设阈值vp比较，记录多组连续的漏磁采样点，多组采集点的轴向坐标为[d11,d12……d1e]，[d21,d22……d2f]，……；
Step35：计算每组漏磁采集点的轴向坐标最大最小值的平均值，即d1＝(d11+d1e)/2，d2＝(d21+d2f)/2，……；
Step36：对比(c1，c2，……)和(d1，d2，……)，如果有比较接近的数值，即|ci-dj|<M，M为钢丝绳股距，则保留ci，舍弃dj，否则ci和dj都保留，计算结果则为缺陷位置。
step40中所述提取缺陷信号包括提取缺陷的磁通信号和提取缺陷的漏磁信号，具体包括：
Step41：根据每组磁通采集点的位置信息，对钢丝绳的磁通信号向前和向后提取FM个点，SM为1个股距的采样点数量，FM＝NO×SM，NO为5-10，也可以根据实际检测情况设置，截取的数据作为缺陷磁通信号；
Step42：根据每组漏磁采集点的位置信息，对钢丝绳的漏磁信号向前和向后提取LFM个点，LSM为1个股距的采样点数量，LFM＝LNO×LSM，LNO为5-10，也可以根据实际检测情况设置，截取的数据作为缺陷漏磁信号。
step50中，所述计算缺陷宽度的方法如下：
Step51：先通过公式h(s)＝df(s)/ds(s＝1,2,…,k)求解所述缺陷磁通信号的微分结果h(s)，其中，k缺陷磁通信号的数据个数，f(s)为缺陷磁通信号的数据；然后根据缺陷磁通信号的波形峰值点位置，向前取h(s)的最大值的位置，向后取h(s)的最小值的位置，计算最大值和最小值之间的间距作为所述缺陷磁通信号的波形宽度值Ylw，如图4所示；
Step52：根据缺陷漏磁信号波形峰值点位置，计算缺陷漏磁信号的最大值和最小值之间的间距作为所述缺陷磁通信号的波形宽度值Xlw；
Step53：当|Ylw-Xlw|＜M，M为钢丝绳股距，选取较大值为缺陷宽度flw；当|Ylw-Xlw|≥M，缺陷宽度flw＝(Ylw+Xlw)/2-LF，LF为传感器距离钢丝绳表面的距离。
step60中，所述计算缺陷截面损失量的方法如下：
Step61：得到所述缺陷磁通信号的波形峰值T和波形基线值L，通过公式VPP＝|T–L|计算所述缺陷磁通信号的波形峰峰值VPP；
Step62：设计关系函数fs＝f1(VPP,flw)，其中，f1为训练的多次方程组或者多层神经网络；
Step63：将步骤S50中得到的缺陷宽度值flw和S61的缺陷磁通信号的波形峰峰值VPP，代入到步骤S62中的多次方程组或者多层神经网络中，计算得到准确的缺陷金属截面损失量fs。
step62中所述训练的多次方程组或者多层神经网络f1采用如下方法得到：
Step621：设计x个宽度flw，y个金属截面损失面积fs，总共x×y个标准表面缺陷，x和y均为自然数；
Step622：对x×y个标准伤经过步骤S10至步骤S60的计算得到相应的缺陷磁通波形峰峰值VPP；
Step623：将波形峰峰值VPP和标准伤波形宽度值flw作为输入自变量，截面损失面积fs作为输出标准量，训练得到多次方程组或者多层神经网络f1。
step70中，所述区分内外部缺陷方法包括如下步骤：
Step71：得到所述缺陷漏磁信号的波形峰值FH和波形谷值FL，如图5所示，通过公式FV＝FH–FL计算所述缺陷漏磁信号的波形峰峰值FV；
Step72：设计关系函数ffs＝f2(FV,flw)，其中，f2为训练的多次方程组或者多层神经网络；
Step73：将步骤S50中得到的缺陷宽度值flw和S71的缺陷漏磁信号的波形峰峰值FV，代入到步骤S72中的多次方程组或者多层神经网络中，计算得到虚拟截面损失量ffs；
Step74：对比ffs和S63中的fs，如果|fs-ffs|＞μ，其中μ可设置为一根断丝的截面损失率，或者根据实际情况设置，此缺陷为内部缺陷，否则为外部缺陷。
其中step72所述训练的多次方程组或者多层神经网络f2采用如下方法得到：
Step721：设计x个宽度flw，y个金属截面损失面积fs，总共x×y个标准表面缺陷，x和y均为自然数；
Step722：对x×y个标准伤经过步骤S10至步骤S60的计算得到相应的缺陷漏磁波形峰峰值FV；
Step723：将波形峰峰值FV和标准伤波形宽度值flw作为输入自变量，ffs作为输出标准量，训练得到多次方程组或者多层神经网络f2。
step80中，所述计算缺陷埋藏深度的方法如下：
Step81：根据S70结果，如果缺陷为外部，则缺陷的埋藏深度为0，否则缺陷的埋藏深度不为0，进行S82步骤；
Step82：设计关系函数fd＝f3(fs,ffs,flw)，其中，f3为训练的多次方程组或者多层神经网络；
Step83：将S50中得到的缺陷宽度值flw，S60得到的fs和S70得到的ffs代入到步骤S82中的多次方程组或者多层神经网络中，计算得到缺陷的埋藏深度fd。
其中step82的训练多次方程组或者多层神经网络f3方法如下：
Step821：设计x个宽度flw，y个金属截面损失面积fs，z个不同埋藏深度fd，总共x×y×z个标准缺陷，x、y和z均为自然数；
Step822：对x×y×z个标准伤经过步骤S10至步骤S70的计算得到相应的ffs；
Step823：将ffs，fs和flw作为输入自变量，fd作为输出标准量，训练得到多次方程组或者多层神经网络f3。
采用本实施例的技术方案，将钢丝绳励磁至饱和或近似饱和，对钢丝绳的磁通量和漏磁信号进行采集和预处理，提取缺陷磁信号，对缺陷的磁通信号和漏磁信号分别进行计算分析，对两种信号的计算结果进行融合分析，可以区分内外部缺陷，进一步对缺陷进行定量计算，最后得到的缺陷埋藏深度结果准确。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于，其包括以下步骤：
步骤S10，采集被测钢丝绳的磁通信号和漏磁信号；
步骤S20，对被测钢丝绳的磁通信号和漏磁信号进行预处理；
步骤S30，根据预处理后的磁通信号、漏磁信号分别与预设磁通信号阈值、预设漏磁信号阈值进行对比，计算缺陷位置；
步骤S40，根据缺陷位置，提取缺陷磁通信号和缺陷漏磁信号；
步骤S50，根据缺陷磁通信号和缺陷漏磁信号，计算被测钢丝绳的缺陷宽度flw；
步骤S60，根据被测钢丝绳的缺陷宽度flw，计算被测钢丝绳的缺陷截面损失量fs；
步骤S70，区分内外部缺陷：
采用公式FV＝FH–FL计算所述缺陷漏磁信号的波形峰峰值FV，其中，FH为所述缺陷漏磁信号的波形峰值，FL为所述缺陷漏磁信号的波形谷值；
设计关系函数ffs＝f2(FV,flw)，其中，f2为训练的多次方程组或者多层神经网络，ffs为虚拟截面损失量；
将步骤S50中得到的缺陷宽度flw和所述缺陷漏磁信号的波形峰峰值FV，代入所述设计关系函数中，计算得到虚拟截面损失量ffs；
对比ffs和fs，如果|fs-ffs|＞μ，此缺陷为内部缺陷，否则为外部缺陷；
其中，μ为预设的缺陷判定值。
2.根据权利要求1所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：还包括：
步骤S80，计算缺陷埋藏深度：
根据S70结果，如果缺陷为外部缺陷，则缺陷的埋藏深度为0，否则缺陷的埋藏深度不为0，则进行以下步骤；
根据以下公式计算缺陷的埋藏深度fd，
fd＝f3(fs,ffs,flw)，
其中，f3为训练的多次方程组或者多层神经网络，flw为被测钢丝绳的缺陷宽度，fs为被测钢丝绳的缺陷截面损失量，ffs为虚拟截面损失量。
3.根据权利要求2所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：
步骤S70中，训练的多次方程组或者多层神经网络f2采用以下步骤得到：
Step721：设计x个缺陷宽度，y个缺陷截面损失量，总共x×y个标准表面缺陷，x和y均为自然数；
Step722：对x×y个标准表面缺陷经过步骤S10至步骤S70的计算得到相应的缺陷漏磁波形峰峰值；
Step723：将得到的缺陷漏磁波形峰峰值和标准表面缺陷的缺陷宽度作为输入自变量，ffs作为输出标准量，训练得到多次方程组或者多层神经网络f2；
步骤S80中，训练的多次方程组或者多层神经网络f3采用以下步骤得到：
Step821：设计x个缺陷宽度，y个缺陷截面损失量，z个不同埋藏深度，总共x×y×z个标准缺陷，x、y和z均为自然数；
Step822：对x×y×z个标准缺陷经过步骤S10至步骤S70的计算得到相应的ffs；
Step823：将得到的ffs、缺陷截面损失量和缺陷宽度作为输入自变量，缺陷的埋藏深度作为输出标准量，训练得到多次方程组或者多层神经网络f3。
4.根据权利要求2所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：
步骤S10中包括，通过磁通检测传感器获取被测钢丝绳的磁通信号，通过磁场强度检测传感器获取所述被测钢丝绳的漏磁信号，并采用以下步骤对获取的被测钢丝绳的磁通信号进行初步处理，消除钢丝绳速度的影响；
对磁通信号采用如下公式通过积分器对时间的积分处理，然后通过等空间采样采集数据，
其中Yi为初步处理后的被测钢丝绳的磁通信号，S为采集到的被测钢丝绳的磁通信号，dt表示对时间的微分，N为总采样点数；
或者采用以下公式对磁通信号通过积分器的对空间进行等距离积分处理采集；
Y＝∫Sdl，其中Y为初步处理后的被测钢丝绳的磁通信号，dl表示对空间距离的微分，S为采集到的被测钢丝绳的磁通信号。
5.根据权利要求4所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：
步骤S20中对被测钢丝绳的磁通信号进行预处理包括对被测钢丝绳的磁通信号进行野点剔除、噪声滤波、基线消除；
其中，对所述被测钢丝绳的磁通信号进行野点剔除的步骤包括：
对所述被测钢丝绳的磁通信号Y进行野点剔除，设Y(i)为第i个磁通采集信号，当Y(i)远大于前后磁通信号值时，Y(i)＝[Y(i-1)+Y(i+1)]/2(i＝1,2,…,N)，野点剔除处理之后得到信号Y1(i)，N为总采样点数；
对所述被测钢丝绳的磁通信号进行噪声滤波的步骤包括：
采用自适应滤波、或者小波变换、或者平滑滤波、或者经验模态分解对所述被测钢丝绳的磁通信号进行噪声滤波，其中，采用平滑滤波对所述被测钢丝绳的磁通信号进行噪声滤波的计算公式为：
其中，式中n为求均值的数据个数，N为总采样点数；
对所述被测钢丝绳的磁通信号进行基线消除的步骤包括：
采用包络谱提取、或小波分解、或窗口平均、或经验模态分解对所述被测钢丝绳的磁通信号进行基线消除，其中，采用经验模态分解对所述被测钢丝绳的磁通信号进行基线消除的步骤包括：
找出信号数据序列Y2(i)的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上包络线和下包络线；上包络线和下包络线的均值为m1；将数据序列Y2(i)减去m1得到一个减去低频的新序列Y3(i)，即Y3(i)＝Y2(i)－m1；
步骤S20中，对被测钢丝绳的漏磁信号进行预处理包括对被测钢丝绳的每路漏磁信号进行野点剔除、噪声滤波、基线消除、股波噪声滤除；
其中，对所述被测钢丝绳的每路漏磁信号进行野点剔除的步骤包括：
对每路漏磁信号X进行野点剔除，设Xi,j为第i个霍尔传感器的第j个采样值，当Xi,j远大于前后漏磁信号值时：
野点剔除处理之后得到信号Xi,j；
对所述被测钢丝绳的每路漏磁信号进行噪声滤波的步骤包括：
采用自适应滤波、或者小波变换、或者平滑滤波、或者经验模态分解对被测钢丝绳的每路漏磁信号进行噪声滤波；其中，采用平滑滤波对所述被测钢丝绳的每路漏磁信号进行噪声滤波的计算公式为：
其中，式中n为求均值的数据个数，N为总采样点数，k为采集被测钢丝绳的漏磁信号的磁场强度检测传感器路数；
对所述被测钢丝绳的每路漏磁信号进行基线消除的步骤包括：
采用包络谱提取、或者小波分解、或者窗口平均、或者经验模态分解对所述被测钢丝绳的每路漏磁信号进行基线消除；其中，采用经验模态分解对所述被测钢丝绳的每路漏磁信号进行基线消除的步骤包括：
找出野点剔除处理后的漏磁信号数据序列Xy的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上包络线和下包络线，上包络线和下包络线的均值为n1；
将原数据序列减去n1得到减去低频的新序列X1，即X1＝Xy－n1；
对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除的步骤包括：
采用小波分解、或者经验模态分解、或者自适应滤波、或者梯度法对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除，其中，采用梯度法对所述被测钢丝绳的每路漏磁信号进行股波噪声滤除的步骤包括：
采用梯度法实现图像的一阶微分，对于图像X1(x,y)，其在坐标(x,y)处的梯度是二维列向量表示：
这个向量的模是：
对多路漏磁信号进行求和处理，得到漏磁和信号X2。
6.根据权利要求5所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：
步骤S30中计算缺陷位置包括以下步骤：
步骤S31，设置被测钢丝绳的缺陷磁通信号预设阈值mp，mp为最小缺陷的磁通信号峰值；
步骤S32，将被测钢丝绳的磁通信号与缺陷磁通信号预设阈值mp比较，记录多组连续的磁通信号大于缺陷磁通信号预设阈值mp的磁通采样点，多组磁通采集点的轴向坐标为[c11,c12……c1a]，[c21,c22……c2b]，……；
步骤S33，计算每组磁通采集点的轴向坐标的平均值，c1＝(c11+c12+……+c1a)/a，c2＝(c21+c22+……+c2b)/b，……，得到序列(c1，c2，……)；
步骤S34，设置被测钢丝绳的缺陷漏磁信号预设峰峰值阈值vp，vp为最小缺陷的漏磁信号预设峰峰值；
将被测钢丝绳的漏磁信号与缺陷漏磁信号预设峰峰值阈值vp比较，记录多组连续的漏磁信号大于缺陷漏磁信号预设峰峰值阈值vp的漏磁采样点，多组漏磁采样点的轴向坐标为[d11,d12……d1e]，[d21,d22……d2f]，……，得到序列(d1，d2，……)；
步骤S35，计算每组漏磁采集点的轴向坐标最大最小值的平均值，即d1＝(d11+d1e)/2，d2＝(d21+d2f)/2，……；
步骤S36，对比序列(c1，c2，……)和序列(d1，d2，……)，如果|ci-dj|<M，其中M为钢丝绳股距，则保留ci，舍弃dj，否则ci和dj都保留，计算结果则为缺陷位置。
7.根据权利要求6所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：步骤S40，提取缺陷磁通信号包括：根据每组磁通采样点的位置信息，对钢丝绳的磁通信号向前和向后提取FM个点作为缺陷磁通信号，其中FM＝NO×SM，SM为1个股距的采样点数量，NO为5-10的自然数；
提取缺陷漏磁信号包括：根据每组漏磁采集点的位置信息，对钢丝绳的漏磁信号向前和向后提取LFM个点作为缺陷漏磁信号，LSM为1个股距的采样点数量，LFM＝LNO×LSM，LNO为5-10的自然数。
8.根据权利要求7所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：
步骤S50中计算被测钢丝绳的缺陷宽度flw包括以下步骤：
步骤S51，先根据公式h(s)＝df(s)/ds(s＝1,2,…,k)求解被测钢丝绳的缺陷磁通信号的微分结果h(s)，其中，k为缺陷磁通信号的数据个数，f(s)为缺陷磁通信号的数据；然后根据缺陷磁通信号的波形峰值点位置，向前取h(s)的最大值的位置，向后取h(s)的最小值的位置，计算最大值和最小值之间的间距作为所述缺陷磁通信号的波形宽度值Ylw；
步骤S52，根据缺陷漏磁信号的波形峰值点位置，计算缺陷漏磁信号的最大值和最小值之间的间距作为所述缺陷磁通信号的波形宽度值Xlw；
步骤S53，当|Ylw-Xlw|＜M，M为钢丝绳股距，选取Ylw、Xlw中的较大值为缺陷宽度flw；当|Ylw-Xlw|≥M，缺陷宽度flw＝(Ylw+Xlw)/2-LF，其中LF为传感器距离钢丝绳表面的距离。
9.根据权利要求8所述的检测及区分钢丝绳内外缺陷的无损检测方法，其特征在于：
步骤S60，计算被测钢丝绳的缺陷截面损失量fs包括如下步骤：
步骤S61，将得到的缺陷磁通信号的波形峰值T和波形基线值L，通过公式VPP＝|T–L|计算所述缺陷磁通信号的波形峰峰值VPP；
步骤S62，设计关系函数fs＝f1(VPP,flw)，其中，f1为训练的多次方程组或者多层神经网络；
步骤S63，将步骤S50中得到的缺陷宽度值flw和步骤S61的缺陷磁通信号的波形峰峰值VPP，代入到步骤S62中的多次方程组或者多层神经网络中，计算得到钢丝绳的缺陷截面损失量fs；
其中，步骤S62中所述训练的多次方程组或者多层神经网络f1采用以下步骤得到：
步骤S621，设计x个缺陷宽度，y个缺陷截面损失量，总共x×y个标准表面缺陷，x和y均为自然数；
步骤S622：对x×y个标准表面缺陷经过步骤S10至步骤S70的计算得到相应的缺陷磁通波形峰峰值；
步骤S623：将相应的缺陷磁通波形峰峰值和标准表面缺陷的缺陷宽度作为输入自变量，缺陷截面损失量作为输出标准量，训练得到多次方程组或者多层神经网络f1。
10.一种检测及区分钢丝绳内外缺陷的无损检测装置，其特征在于，其包括：
励磁结构，用于将钢丝绳励磁至饱和或近似饱和状态；
磁通检测传感器，用于获取被测钢丝绳的磁通信号；
磁场强度检测传感器，用于获取所述被测钢丝绳的漏磁信号；
以及信号采集和处理系统，所述信号采集和处理系统采用如权利要求2～9任意一项所述的检测及区分钢丝绳内外缺陷的无损检测方法进行处理；
所述信号采集和处理系统包括信号采集单元、信号预处理单元、缺陷位置计算单元、缺陷信号提取单元、缺陷宽度计算单元、缺陷截面损失量计算单元、内外部缺陷区分单元和缺陷埋藏深度计算单元，其中，
所述信号采集单元用于采集被测钢丝绳的磁通信号和漏磁信号，
所述信号预处理单元用于对被测钢丝绳的磁通信号和漏磁信号进行预处理；
所述缺陷位置计算单元用于根据预处理后的磁通信号、漏磁信号分别与预设磁通信号阈值、预设漏磁信号阈值进行对比，计算缺陷位置；
所述缺陷信号提取单元用于根据缺陷位置，提取缺陷磁通信号和缺陷漏磁信号；
所述缺陷宽度计算单元用于根据缺陷磁通信号和缺陷漏磁信号，计算被测钢丝绳的缺陷宽度flw；
所述缺陷截面损失量计算单元用于根据被测钢丝绳的缺陷宽度flw，计算被测钢丝绳的缺陷截面损失量fs；
所述内外部缺陷区分单元用于根据被测钢丝绳的缺陷宽度flw和缺陷磁通信号的波形峰峰值FV，区分是内部缺陷还是外部缺陷；
所述缺陷埋藏深度计算单元用于根据被测钢丝绳的缺陷宽度flw、被测钢丝绳的缺陷截面损失量fs和虚拟截面损失量ffs计算缺陷埋藏深度。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010529779.1A CN111579637B (zh) | 2020-06-11 | 2020-06-11 | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 |
| US17/436,086 US11703477B2 (en) | 2020-06-11 | 2021-03-17 | Nondestructive testing method and device for detecting and distinguishing internal defect and external defect of wire rope |
| PCT/CN2021/081320 WO2021248962A1 (zh) | 2020-06-11 | 2021-03-17 | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 |
| EP21758301.2A EP3951381B1 (en) | 2020-06-11 | 2021-03-17 | Non-destructive testing method and device for testing and distinguishing internal and external defects of steel wire rope |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010529779.1A CN111579637B (zh) | 2020-06-11 | 2020-06-11 | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111579637A CN111579637A (zh) | 2020-08-25 |
| CN111579637B true CN111579637B (zh) | 2022-04-29 |
Family
ID=72125810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010529779.1A Active CN111579637B (zh) | 2020-06-11 | 2020-06-11 | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11703477B2 (zh) |
| EP (1) | EP3951381B1 (zh) |
| CN (1) | CN111579637B (zh) |
| WO (1) | WO2021248962A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111579637B (zh) | 2020-06-11 | 2022-04-29 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 |
| CN112730602B (zh) * | 2020-12-11 | 2024-04-23 | 浙江大学 | 生物安全柜前窗移门悬挂钢丝缺陷的检测装置和方法 |
| KR102607277B1 (ko) * | 2023-06-07 | 2023-11-29 | 한전케이피에스 주식회사 | 결함 감지 시스템 및 그 방법 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4659991A (en) * | 1983-03-31 | 1987-04-21 | Ndt Technologies, Inc. | Method and apparatus for magnetically inspecting elongated objects for structural defects |
| KR950013780B1 (ko) * | 1990-05-22 | 1995-11-16 | 후루까와 뗀끼 고요교오 가부시끼가이샤 | 이동하고 있는 길다란 물건의 길이를 측정하는 장치 및 그 방법 |
| US5565771A (en) * | 1995-01-18 | 1996-10-15 | Noranda, Inc. | Apparatus for increasing linear resolution of electromagnetic wire rope testing |
| US5804964A (en) * | 1996-11-29 | 1998-09-08 | Noranda Inc. | Wire rope damage index monitoring device |
| MX2008001357A (es) * | 2005-07-29 | 2008-04-16 | V&M Deutschland Gmbh | Metodo para la prueba no destructiva de defectos de superficie en tubos. |
| CN101216460B (zh) | 2008-01-11 | 2011-01-26 | 清华大学 | 基于交直流复合磁化的漏磁检测内外壁缺陷的识别方法 |
| GB2492745A (en) * | 2011-06-06 | 2013-01-16 | Silverwing Uk Ltd | Magnetic flux leakage inspection |
| WO2013023818A1 (en) * | 2011-08-18 | 2013-02-21 | Nv Bekaert Sa | Magnetic flux leakage error detection in cords |
| US9103798B2 (en) * | 2011-12-07 | 2015-08-11 | Ndt Technologies, Inc. | Magnetic inspection device and method |
| CN102798667B (zh) | 2012-08-16 | 2014-08-13 | 山东省科学院激光研究所 | 激光-电磁超声无损检测系统的金属缺陷检测方法 |
| CN102798660B (zh) | 2012-08-30 | 2015-11-11 | 东北大学 | 基于三轴漏磁与电涡流的管道内外壁缺陷检测装置及方法 |
| KR101482347B1 (ko) * | 2012-12-27 | 2015-01-13 | 주식회사 포스코 | 강판의 내부 결함 검출 장치 및 방법 |
| DE102014212499A1 (de) * | 2014-06-27 | 2015-12-31 | Institut Dr. Foerster Gmbh & Co. Kg | Verfahren und Vorrichtung zur Streuflussprüfung |
| CN104514987B (zh) | 2014-12-19 | 2017-02-22 | 清华大学 | 管道三维漏磁成像缺陷量化方法 |
| WO2017035591A1 (en) * | 2015-08-31 | 2017-03-09 | Jrb Engineering Pty Ltd | A method and system for detecting a material discontinuity in a magnetisable article |
| CN108828059B (zh) * | 2018-06-29 | 2020-04-07 | 清华大学 | 电磁多场耦合缺陷综合检测评价方法及装置 |
| CN110006338B (zh) * | 2019-04-28 | 2020-11-06 | 哈尔滨工业大学（深圳） | 一种钢丝绳损伤面积检测方法 |
| CN110568059B (zh) * | 2019-09-24 | 2022-07-19 | 哈尔滨工业大学（深圳） | 钢丝绳无损检测方法及装置 |
| CN111024807B (zh) * | 2019-12-18 | 2022-04-29 | 哈尔滨工业大学（深圳） | 一种钢丝绳磁通检测损伤定量方法 |
| CN111579637B (zh) * | 2020-06-11 | 2022-04-29 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 |
-
2020
- 2020-06-11 CN CN202010529779.1A patent/CN111579637B/zh active Active
-
2021
- 2021-03-17 US US17/436,086 patent/US11703477B2/en active Active
- 2021-03-17 WO PCT/CN2021/081320 patent/WO2021248962A1/zh unknown
- 2021-03-17 EP EP21758301.2A patent/EP3951381B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP3951381B1 (en) | 2023-06-07 |
| US11703477B2 (en) | 2023-07-18 |
| EP3951381C0 (en) | 2023-06-07 |
| EP3951381A1 (en) | 2022-02-09 |
| CN111579637A (zh) | 2020-08-25 |
| EP3951381A4 (en) | 2022-05-18 |
| US20220187246A1 (en) | 2022-06-16 |
| WO2021248962A1 (zh) | 2021-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111579637B (zh) | 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置 | |
| US5345514A (en) | Method for inspecting components having complex geometric shapes | |
| US7817845B2 (en) | Multi-frequency image processing for inspecting parts having complex geometric shapes | |
| CN109782274B (zh) | 一种基于探地雷达信号时频统计特征的水损害识别方法 | |
| CN101201329B (zh) | 基于射线衰减能量场的无损检测缺陷提取、识别方法 | |
| CN110568059B (zh) | 钢丝绳无损检测方法及装置 | |
| EP2482067A1 (en) | A non-destructive test method for automatic fastener inspection | |
| CN103674968A (zh) | 材料外观腐蚀形貌特征机器视觉原值检测评价方法及装置 | |
| CN110231397A (zh) | 一种多通道脉冲涡流在线监测系统与监测方法 | |
| CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
| CN110220967B (zh) | 一种acfm技术簇状裂纹表面轮廓自动识别方法 | |
| CN117235433B (zh) | 一种基于交流电磁场的金属表面裂纹定量评估方法 | |
| CN110333506B (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
| Pan et al. | Adaptive local flaw detection based on magnetic flux leakage images with a noise distortion effect for steel wire ropes | |
| CN111024807B (zh) | 一种钢丝绳磁通检测损伤定量方法 | |
| KR101492254B1 (ko) | 정도관리를 위한 초음파 진단 장치 및 초음파 진단 방법 | |
| CN115166026A (zh) | 一种碳纤维复合材料板结构损伤识别分类系统及方法 | |
| Zhang et al. | Quantitative nondestructive testing of broken wires for wire rope based on multi-image fusion | |
| CN114460169A (zh) | 基于新型弧形线圈的螺纹缺陷深度和长度检测方法 | |
| CN107703208B (zh) | 涡流检测灵敏度的确定方法及装置 | |
| CN107703142A (zh) | 一种铁谱片图像分析方法及系统 | |
| CN103090886B (zh) | 光信号的去噪方法和装置 | |
| CN114487124B (zh) | 一种基于声发射信号特征参数的起重机结构损伤诊断方法 | |
| CN109632944A (zh) | 一种基于组合特征的多层管柱结构脉冲涡流无损检测方法 | |
| Chady et al. | Data fusion of eddy current NDT signals |
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 |