竇志娟，錢曉耀，王敏華，鐘俞靜

(中國計量學院 質(zhì)量與安全工程學院，杭州 310018)

0 引言

鋼絲繩斷絲損傷檢測方法有多種，但漏磁檢測法因具有較高的可靠性和較低的價格被廣泛應用［1］，鋼絲繩電磁無損檢測也正向著高精度、智能化、操作簡便的方向發(fā)展。鋼絲繩斷絲信號屬于微弱信號，且因存在鋼絲繩繩股效應、檢測現(xiàn)場的噪聲、斷絲頭產(chǎn)生的沖擊及運行過程中傳感器的抖動等干擾因素［2］，對檢測波形信號的處理是設計檢測系統(tǒng)的最大難題。另外，傳統(tǒng)的斷絲定量識別方法是門限值法［3］，需大量試驗結(jié)果獲取先驗且一定程度上依賴人為選取，此方法與實際損傷情況存在較大偏差，準確率低，有待改進。

本文針對鋼絲繩斷絲檢測過程中存在的信號處理難，定量識別準確率低兩大問題進行研究并進行改進。根據(jù)斷絲信號特點，選擇小波分析對檢測到的信號進行濾波處理;借助具有自適應學習性的BP神經(jīng)網(wǎng)絡算法完成對斷絲的定量識別。然后，基于虛擬儀器技術(shù)，借助LabVIEW 平臺完成上位機系統(tǒng)的設計開發(fā)，實現(xiàn)檢測信號采集，信號處理，斷絲信號特征值提取，信號定量識別等功能。最后，進行實驗以驗證檢測系統(tǒng)的有效性及高準確率。

1 鋼絲繩漏磁檢測原理、系統(tǒng)設計

鋼絲繩是強導磁體，使用勵磁裝置將被測鋼絲繩沿其軸向磁化，若鋼絲繩存在損傷，損傷處局部磁導率降低，導致該處磁阻增加，會產(chǎn)生泄露在鋼絲繩表面以外的漏磁場。使用磁敏元件檢測該漏磁場，將檢測到的漏磁信號進行分析處理，即可定量檢測出鋼絲繩的損傷狀況［4］。鋼絲繩漏磁檢測系統(tǒng)原理如圖1 所示。

基于漏磁檢測原理的鋼絲繩斷絲檢測系統(tǒng)的設計包括硬件平臺搭建與應用軟件編程兩部分。

圖1 鋼絲繩斷絲漏磁檢測原理圖

2 鋼絲繩斷絲檢測系統(tǒng)硬件設計

鋼絲繩斷絲檢測系統(tǒng)硬件結(jié)構(gòu)由傳感器、數(shù)據(jù)采集卡、位置編碼器和計算機四部分構(gòu)成。硬件結(jié)構(gòu)組成如圖2 所示。

圖2 檢測系統(tǒng)硬件組成圖

(1)傳感器。本文中傳感器是由型號為UGN-3501T 的集成霍爾元件組成的霍爾傳感器。為全面檢測到漏磁信號，經(jīng)研究后采用4 片傳感器各成90°沿鋼絲繩縱向排列。

(2)數(shù)據(jù)采集卡。數(shù)據(jù)采集卡是檢測系統(tǒng)硬件核心，主要完成數(shù)據(jù)采集、A/D 轉(zhuǎn)換等功能。根據(jù)霍爾傳感器輸出的電壓、系統(tǒng)準確度、多通道輸入輸出的要求，本系統(tǒng)選用NI 公司的多功能高速數(shù)據(jù)采集卡NI USB-6210。

(3)位置編碼器(圖2 中圓圈部分)。傳感器檢測探頭和位置編碼器通過銷軸連接在一起，檢測過程中兩者無相對運動。位置編碼器一方面按照一定空間間隔發(fā)出采樣脈沖，控制系統(tǒng)完成等空間域采樣;另一方面，通過計算機記錄檢測的位置信息，實現(xiàn)檢測定位。

(4)計算機。通過計算機中LabVIEW 軟件，開發(fā)鋼絲繩檢測系統(tǒng)，完成信號采集、信號濾波、信號定量識別等功能，最后通過打印機與顯示器完成打印與在線顯示。

3 鋼絲繩斷絲檢測系統(tǒng)軟件設計

3.1 上位機軟件設計框架與功能規(guī)劃

鋼絲繩斷絲檢測系統(tǒng)的軟件設計是系統(tǒng)設計的關鍵工作，需控制數(shù)據(jù)采集卡將硬件系統(tǒng)中檢測到的信號輸入到計算機中，并在計算機中進行數(shù)據(jù)保存、分析、處理。

虛擬儀器技術(shù)利用高性能的模塊化硬件，結(jié)合高效靈活的軟件來完成各種測試、測量和自動化的應用，具有性能高、擴展性強、開發(fā)時間少以及出色的集成化這四大優(yōu)勢［5］。美國NI 公司推出的Lab-VIEW 是面向計算機測控領域的虛擬儀器軟件開發(fā)平臺，是一種基于圖形開發(fā)、調(diào)試和運行的集成化環(huán)境。LabVIEW 軟件有如下特點［6］:

(1)無需文本格式代碼設計，具有圖形化的編程方式，編程簡單實用。

(2)能輕松方便地完成與各種軟硬件的連接。

(3)除去可進行斷點設置、單步運行，還具有程序動畫運行方式，可觀察程序運行細節(jié)，方便程序的開發(fā)與調(diào)試。

本檢測系統(tǒng)即采用虛擬儀器編程語言LabVIEW實現(xiàn)上位機軟件的開發(fā)。系統(tǒng)采用了模塊化、層次化的思想進行編程，根據(jù)系統(tǒng)功能，該檢測系統(tǒng)軟件主要包括四部分:信號采集與保存模塊、信號濾波模塊、信號特征值提取模塊、信號定量識別模塊。鋼絲繩斷絲檢測系統(tǒng)軟件功能規(guī)劃如圖3 所示。

圖3 檢測系統(tǒng)軟件功能規(guī)劃圖

檢測系統(tǒng)操作界面如4 圖所示。

圖4 檢測系統(tǒng)操作界面圖

進入鋼絲繩斷絲檢測系統(tǒng)，開啟檢測按鈕后，將在右邊“運行波形圖”中實時顯示經(jīng)過濾波處理后的檢測波形。同時，界面左邊會記錄斷絲數(shù)，累計斷絲數(shù)與累計運行距離(單次檢測結(jié)束后自動清零)。另外添加了斷絲指示燈，如果運行中判斷有斷絲出現(xiàn)，指示燈由灰變亮，起到提示作用。

以下為各模塊軟件編程部分簡介。

3.2 信號采集模塊

信號采集模塊采用LabVIEW 中文件I/O 選板上的TDMS 寫入讀取等函數(shù)，完成霍爾傳感器模擬電壓信號的采集。進行采集前先設置數(shù)據(jù)采集卡的相關參數(shù)，如物理通道、采樣數(shù)、采樣率等。數(shù)據(jù)采集程序如圖5 所示。

圖5 數(shù)據(jù)采集程序框圖

圖6 編碼器輸出信號圖

除作為模擬信號采集的外部時鐘信號外，還需要通過此信號相關參數(shù)對運行距離進行計算。

3.3 信號濾波模塊

鋼絲繩損傷信號是隨機出現(xiàn)的局部異常信號，通常疊加于背景噪聲信號之上。傳統(tǒng)的傅里葉變換的濾波方法在局部性上的缺陷，無法滿足濾波要求。而小波變換在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，可以在多個頻段上濾除干擾信號［7］。因此本系統(tǒng)采用小波濾波方法。

3.4 信號特征值提取模塊

典型的鋼絲繩斷絲信號如圖7 示。

圖7 典型斷絲信號圖

目前研究表明［8］，鋼絲繩損傷識別依據(jù)的因素主要有:鋼絲繩直徑、鋼絲直徑、檢測信號波形的峰值、波寬、波形面積5 個因素。鋼絲繩直經(jīng)與鋼絲直徑與被檢測鋼絲繩的規(guī)格、尺寸有關，可以預先確定;后面的三個參數(shù)與鋼絲繩的損傷狀況和信號處理電路的參數(shù)有關，需在檢測過程中通過對檢測信號波形的采樣實時確定。該模塊主要對經(jīng)過濾波處理后的信號進行三個特征值(峰值，波寬，波形下面積)的提取，以作為后續(xù)定量識別算法BP 神經(jīng)網(wǎng)絡的輸入?yún)?shù)。

在LabVIEW 軟件中的“Peak Detector 函數(shù)”可以得到峰值(圖7 中P 值)，“WDT Waveform Duration函數(shù)”可以計算出波寬，“時域函數(shù)”可以計算波形下面積。利用軟件中Express——信號分析和操作－－幅值和電平測量函數(shù)、觸發(fā)與門限函數(shù)，編制鋼絲繩斷絲信號特征值提取程序，原理框圖如圖8 所示。

圖8 特征值提取程序框圖

3.5 信號定量識別模塊

鋼絲繩產(chǎn)生損傷的原因眾多，情況復雜，傳統(tǒng)的門限值法無法準確判斷斷絲情況。而神經(jīng)網(wǎng)絡具有處理復雜多模式的能力，以及進行聯(lián)想、推測和記憶的功能，因而非常適合應用在鋼絲繩的斷絲檢測上。

為了實現(xiàn)運用神經(jīng)網(wǎng)絡來對斷絲進行定量識別，首先要建立鋼絲繩斷絲識別的BP 神經(jīng)網(wǎng)絡模型，并通過得到的檢測實驗數(shù)據(jù)，對網(wǎng)絡進行訓練及驗證，最終鑒定所建立網(wǎng)絡的可用性。具體操作流程［9］如下:

(1)輸入?yún)?shù)的確定

據(jù)3.4 介紹，可用來判斷斷絲信號的特征有5 個參數(shù)，鋼絲繩直徑、鋼絲直徑、檢測信號波形的峰值、波寬、波形面積。可選取這五個參數(shù)作為網(wǎng)絡的輸入?yún)?shù)，因此確定網(wǎng)絡輸入層神經(jīng)單元數(shù)為Ni=5。

(2)輸出參數(shù)的確定

鋼絲繩斷絲故障診斷可采用某一截面內(nèi)的斷絲數(shù)量y(i)(i=1，2，3……，N)予以識別。正常使用中的鋼絲繩在一個斷面內(nèi)的斷絲數(shù)一般不超過4根［4］。將鋼絲繩在一個斷面內(nèi)的斷絲數(shù)作為網(wǎng)絡的輸出，則輸出層神經(jīng)單元數(shù)為No=4。

每個節(jié)點的輸出可采用如下二值函數(shù)表示:

模型輸出與斷絲量的對應關系可用表1 表示。

表1 模型輸出與斷絲量的對應關系表

(3)神經(jīng)網(wǎng)絡模型的建立

根據(jù)上述兩步的分析和人工神經(jīng)網(wǎng)絡的基本原理，可建立包含輸入層、輸出層和1 個隱含層的3 層BP 神經(jīng)網(wǎng)絡模型。其中輸入層神經(jīng)單元數(shù)為Ni=5，隱含層神經(jīng)單元數(shù)目由網(wǎng)絡通過訓練進行調(diào)整確定，輸出層神經(jīng)單元數(shù)為No=4。該模型可任意逼近任何非線性系統(tǒng)，其結(jié)構(gòu)如圖9 所示。

圖9 神經(jīng)網(wǎng)絡模型結(jié)構(gòu)圖

(4)神經(jīng)網(wǎng)絡模型的訓練與實驗驗證

為驗證檢測系統(tǒng)的可用性，以直徑為14mm 的鋼絲繩為試樣做了試驗。在試件的15 個不同截面上人為制作各種不同形式的斷絲(各截面斷絲數(shù)為1，2，3，4 不等)，對該試樣進行檢測實驗，使用3.4 中LabVIEW 特征值提取程序獲得各個斷絲損傷處的特征量，并將各特征量參數(shù)進行歸一化處理后，得到15組網(wǎng)絡的特征參數(shù)輸入樣本，如表2 所示(鋼絲直徑與鋼絲繩直徑每組相同，經(jīng)歸一化處理后分別為0.186、0.240，表中未列出)。

表2 測試數(shù)據(jù)記錄表

(續(xù)表)

將前十組數(shù)據(jù)作為網(wǎng)絡訓練樣本，后五組數(shù)據(jù)作為對訓練后網(wǎng)絡的測試。使用Matlab 編寫網(wǎng)絡訓練與測試程序:

在訓練到232 步時，網(wǎng)絡達到目標誤差要求，即0.01，神經(jīng)網(wǎng)絡模型收斂。網(wǎng)絡進行訓練已達標，可以用此網(wǎng)絡進行測試。訓練后誤差曲線如圖10 所示。

圖10 BP 網(wǎng)絡模型訓練誤差曲線圖

后五組數(shù)據(jù)測試結(jié)果如表3 所示。

從測試結(jié)果看，與實際結(jié)果基本吻合，證明所建立的網(wǎng)絡模型正確可靠，可準確完成對鋼絲繩斷絲的定量識別。

最后使用LabVIEW 中的MathScript 控件完成LabVIEW 與MATLAB 的混編［10］，實現(xiàn)波形在線處理，及時反饋斷絲定量識別結(jié)果。

表3 檢測結(jié)果記錄表

4 結(jié)論

本文介紹的基于虛擬儀器技術(shù)設計的鋼絲繩斷絲檢測系統(tǒng)，與傳統(tǒng)的檢測系統(tǒng)比較，最大的優(yōu)化在于:

(1)虛擬儀器的應用

借助LabVIEW 平臺對信號進行采集處理，軟件編程簡單明了。通過操作界面完成對整個系統(tǒng)的控制以及檢測數(shù)據(jù)處理和分析，顯示主界面具有較高的可視性，效果良好。

(2)定量識別算法的應用

BP 神經(jīng)網(wǎng)絡不需要復雜的建模過程，適合鋼絲繩斷絲的定量識別這類復雜且不方便建立模型的問題，實驗證明鋼絲繩斷絲判斷率明顯提高。

經(jīng)實驗測試證明，系統(tǒng)可行，效果良好，為鋼絲繩的智能檢測提供了新思路。

［1］陳琳. 電梯鋼絲繩無損檢測技術(shù)應用研究［J］. 機電信息，2011，33:143－144.

［2］譚繼文，等. 鋼絲繩安全檢測原理與技術(shù)［M］. 北京:科學出版社，2008.

［3］王陽生，師漢民，楊叔子，等. 鋼絲繩斷絲定量檢測的原理與實現(xiàn)［J］. 中國科學A 輯，1989(9):993－1000.

［4］鐘小勇，張小花. 礦用鋼絲繩探傷傳感器的優(yōu)化設計［J］. 煤礦機械息，2012，33:7－9.

［5］喬瑞萍，譯. BISHOP R H.LabVIEW 7 實用教程［M］. 北京:電子工業(yè)出版社，2005.

［6］李瑞，周冰，胡仁喜，等. LabVIEW 2009 中文版虛擬儀器從入門到精通［M］. 北京:機械工業(yè)出版社，2010.

［7］林克正，李殿璞. 基于小波變換的去噪方法［J］. 哈爾濱工程大學學報，2000，21(4):21－23.

［8］譚繼文. 鋼絲繩損傷與張力在線定量檢測主安全性評價的研究［D］. 東北大學，2000.

［9］張德豐，等. MATLAB 神經(jīng)網(wǎng)絡應用設計［M］. 北京:機械工業(yè)出版社，2011.

［10］曲麗榮，胡容，范壽康. LabVIEW、MATLAB 及其混編技術(shù)［M］. 北京:機械工業(yè)出版社，2011.