路正雄 郭衛(wèi) 張傳偉 趙栓峰 王淵

摘 要：針對徑向磁化半環(huán)磁鐵鋼絲繩無損檢測儀，難以實現(xiàn)理想的徑向磁化進而導(dǎo)致的鋼絲繩缺陷檢測靈敏度低等問題，采用漏磁原理開發(fā)了一種基于平行磁化NdFeB磁體段的新型鋼絲繩無損檢測儀，并對其檢測效果進行評價實驗分析。首先，利用自制夾具對32段等弧形NdFeB永磁鐵進行組裝，并完成無損檢測儀結(jié)構(gòu)的設(shè)計與裝配;然后，基于新型鋼絲繩無損檢測裝置設(shè)計了傳統(tǒng)的鋼絲繩漏磁信號檢測系統(tǒng);最后，運用BP神經(jīng)網(wǎng)絡(luò)進一步提升傳統(tǒng)系統(tǒng)對鋼絲繩損傷的檢測效果。結(jié)果表明：新型無損檢測儀在鋼絲繩受損處能檢測到強烈的漏磁信號，此外運用BP神經(jīng)網(wǎng)絡(luò)后斷絲數(shù)量和位置檢測精度分別提升了31.5%和22.4%，該檢測儀器的有效性和靈敏性。

關(guān)鍵詞：鋼絲繩;NdFeB磁鐵;漏磁原理;無損檢測;BP神經(jīng)網(wǎng)絡(luò)中圖分類號：TH 137.9

文獻標(biāo)志碼：A

文章編號：1672-9315（2021）01-0139-06

DOI：10.13800/j.cnki.xakjdxxb.2021.0118

Development of a new wire rope non-destructive tester

using parallely magnetized NdFeB

LU Zhengxiong，GUO Wei，ZHANG Chuanwei，ZHAO Shuanfeng，WANG Yuan

（College of Mechanical and Engineering，Xian University of Science and Technology，Xian 710054，China）Abstract：In order to solve the problem that the radial magnetization semi-ring magnet wire rope nondestructive tester is difficult to realize ideal radial magnetization，which leads to low detection sensitivity of wire rope defects，a new wire rope non-destructive? tester based on parallel magnetization NdFeB magnet segment is developed by using Magnetic Flux Leakage principle，with its detection effects experimentally analyzed and evaluated.Firstly，32 equal arc NdFeB permanent magnets were assembled with self-made clamps，and the structure design and assembly of nondestructive testing instrument were completed.Then，a magnetic flux leakage signal detection system for steel wire rope is designed based on a new type of non-destructive detection device.Finally，BP neural network experiment was used to compare and analyze the detection effects of radially magnetized semi-ring magnet and parallelly magnetized NdFeB magnet? tester.The detection accuracy of the number and position of broken wires of radially magnetized semi-ring magnet? tester were 31.5% and 22.4%.The results show that the new non-destructive testing instrument can detect strong magnetic flux leakage signals at the damaged parts of the steel wire rope.In addition，when the quantity of broken wires is small，the new nondestructive testing instrument can better identify the broken wire parts and damage conditions，indicating the effectiveness and sensitivity of the testing instrument.Key words：wire rope;NdFeB magnets;Magnetic Flux Leakage;non-destructive test;BP neural network

0 引 言

鋼絲繩由若干鋼絲捻制而成，具有高抗拉強度等特點[1]，在礦井提升[2]、斜拉橋[3]、海上油氣工業(yè)[4]、起重機吊裝[5]和電梯提升[6]等行業(yè)廣泛應(yīng)用，并且不同應(yīng)用領(lǐng)域，鋼絲繩的規(guī)格和特性也不同。鋼絲繩在服役過程中，常常處于動載荷或過載荷的狀態(tài)，并隨時間的推移不斷磨損或者腐蝕而不斷劣化，最終導(dǎo)致鋼絲繩產(chǎn)生局部的金屬缺失甚至斷絲[7]。這些缺陷將導(dǎo)致鋼絲繩的機械強度、載荷分擔(dān)能力以及使用壽命逐漸喪失。然而，各應(yīng)用領(lǐng)域?qū)︿摻z繩使用的安全性要求很高[8]。因此，需要定期有效地檢查鋼絲繩的健康狀況，以避免災(zāi)難性事故發(fā)生。

現(xiàn)有的鋼絲繩無損監(jiān)測方法有漏磁（MFL）檢測方法[9]、聲發(fā)射檢測方法[10]、渦流檢測法[11]、X-射線彈測法[12]等。在上述檢測方法中，MFL檢測方法是目前最為有效的鋼絲繩無損檢測方法。該方法利用永磁體將鋼絲繩磁化使其達到磁飽和狀態(tài)，此時由于鋼絲繩的損傷缺陷使磁通泄露到周圍的環(huán)境中去，即漏磁。這種漏磁現(xiàn)象被霍爾傳感器[13]感應(yīng)線圈[14]、磁通量閘門傳感器[15]等一些磁傳感器檢測到。

傳統(tǒng)的基于MFL法的鋼絲繩測試儀由2個完整的圓環(huán)形永磁體組成，每個環(huán)形永磁體由4個半環(huán)磁鐵組成，并分別安裝在空心鐵磁圓柱體軛的兩端，然后使用非金屬襯套將被檢測的鋼絲繩密封起來，以此來保護磁鐵和檢測電路?，F(xiàn)有的鋼絲繩檢測儀均采用4個徑向磁化半環(huán)磁鐵[16]。所有的徑向磁化環(huán)形磁鐵只在固定的幾個國家制造，這對徑向磁化環(huán)形磁鐵的使用帶來極大的不便，而且增加了檢測儀的成本。徑向磁化環(huán)形磁鐵很難實現(xiàn)理想的徑向磁化，因為它需要2 500 kA/m量級的高磁化場，峰值磁化電流大約為30 kA[17]。然而，與徑向磁化相比平行磁化磁體容易實現(xiàn)而且價格很低，因此，平行磁化磁體比徑向磁化磁體更具有利用優(yōu)勢。

針對目前鋼絲繩檢測儀采用的徑向磁化半環(huán)磁鐵磁化難度高造成的檢測儀成本高以及鋼絲繩缺陷檢測的靈敏度低等問題。采用平行磁化（NdFeB）永磁體代替徑向磁化半環(huán)磁體，基于MFL原理提出一種利用平行磁化永磁體段構(gòu)建鋼絲繩測試儀的新方法，設(shè)計了漏磁信號檢測系統(tǒng)，采用BP神經(jīng)網(wǎng)絡(luò)對平行磁化NdFeB永磁體構(gòu)建的鋼絲繩無損檢測儀的斷絲檢測精度進行提升。該方法有效地解決了徑向磁化技術(shù)的不足，降低了技術(shù)難度和生產(chǎn)成本，提升了鋼絲繩缺陷的監(jiān)測精度。

1 新型鋼絲繩無損檢測儀原理

Foster模型是漏磁檢測的理論模型[18]，氣隙中的磁場強度

Hg為均勻分布，磁場強度與到氣隙的距離成反比。漏磁通H可以分別表示為

（2）

式中 Hg為磁場強度，T;Hy為氣隙在軸向的漏磁通量，Wb;Hx為氣隙在徑向的漏磁通量，Wb;Lg為氣隙的面積，mm2。如果x=0，漏磁通的值為

（3）

由式（3）可知，漏磁通的值與y成反比，與Hg和Lg的乘積成正比。因此，如果保持Hg恒定，漏磁通的值會隨著氣隙的增大而增大。

由式（3）可知，以下的等式可表示為

（4）

在這種情況下，漏磁通傳感器的靈敏度與y2成反比?；谏鲜雎┐牛∕FL）原理設(shè)計基于平行磁化NdFeB磁體的鋼絲繩缺陷檢測儀結(jié)構(gòu)，原理如圖1所示，其中LF代表鋼絲繩局部斷絲區(qū)域，LMA代表鋼絲繩局部材料缺失區(qū)域。該鋼絲繩無損檢測儀由2個安裝在鐵磁軛中的永磁體環(huán)組成，當(dāng)磁化的鋼絲繩插入測試儀時，檢測儀會形成包括磁鐵、鋼絲繩、鐵磁軛以及磁鐵與鋼絲繩間隙的磁回路。被永磁體磁化到飽和狀態(tài)的鋼絲繩，會在缺陷位置處發(fā)生磁通量泄漏，泄漏的磁通量可以由霍爾傳感器等檢測到，進而實現(xiàn)鋼絲繩缺陷的診斷。

2 平行磁化NdFeB鋼絲繩無損檢測儀設(shè)計與實現(xiàn)

2.1 平行磁化NdFeB磁體裝配

平行磁化NdFeB磁體鋼絲繩測試儀采用稀土永磁體。首先，用電火花線切割機將未磁化的環(huán)形NdFeB磁體切割成16個等弧段;然后，使用磁化器對NdFeB的每個弧段進行平行磁化，其中NdFeB磁體的平行磁化是指使磁體的外表面具有統(tǒng)一極性，內(nèi)表面具有相反極性，如圖2所示。

平行磁化NdFeB磁體段有2種類型：類型Ⅰ為北極位于外表面，南極位于內(nèi)表面（如圖2（a）所示）;類型Ⅱ為南極位于外表面，北極位于內(nèi)表面（如圖2（b）所示）。最后，將這些平行磁化的磁鐵段組裝成如圖3所示的圓形環(huán)永磁體。在這32個磁鐵段中，16個磁鐵屬于Ⅰ型，其余16個為Ⅱ型。將16塊Ⅰ型磁鐵段組裝成圓環(huán)形磁鐵1，如圖3（a）所示，其他16個Ⅱ型磁鐵組裝成圓環(huán)形磁鐵2，如圖3（b）所示。將上述2個圓環(huán)形磁鐵作為相反的偶極子安裝在圓柱形軛兩端，使檢測儀在鋼絲繩內(nèi)部產(chǎn)生大約1.8 T的磁通密度。

鋼絲繩無損檢測儀由32個相同的NdFeB磁體段組裝而成，且每16個NdFeB磁體段組成一個圓形磁環(huán)。組裝過程中，各磁鐵段的兩極之間存在很強的磁力，很難將相鄰磁體段組裝成環(huán)狀，而且極易造成磁鐵的損壞。若采用手工組裝，平行磁化NdFeB磁鐵段很容易相互碰撞損壞磁體甚至對人造成傷害。因此，文中設(shè)計了一套能夠提供磁鐵進入磁軛路徑的工裝夾具，并運用夾具實現(xiàn)了磁體的一體化裝配，如圖4所示。

2.2 新型鋼絲繩無損檢測儀功能驗證

鋼絲繩無損檢測系統(tǒng)[19]主要由計算機、工作臺、采集卡、鋼絲繩測試儀、霍爾效應(yīng)傳感器、Labview軟件等組成，如圖5所示。

數(shù)據(jù)采集卡NI6024E以每秒30組數(shù)據(jù)的采樣頻率，將霍爾效應(yīng)傳感器檢測到的模擬信號經(jīng)PCI接口輸入到計算機中，然后通過Labview程序?qū)?shù)據(jù)進行分析。用低碳鋼直鋼絲做鋼絲束，人為制作鋼絲缺陷并置于試樣外層。在檢測儀中由于鋼絲存在缺陷，磁通會發(fā)生泄漏，泄漏的磁通包含3個分矢量分別為鋼絲束徑向、切向和軸向。其中，局部故障信息包含在漏磁的徑向分量中，金屬區(qū)域的損耗信息包含在漏磁的軸向分量中。因此，可以通過適當(dāng)改變鋼絲繩檢測儀中霍爾傳感器的方向，來獲得LF和LMA信號。

采用靈敏度為-90 mV/mT，量程為0～10 mT的霍爾傳感器A采集LF信號。當(dāng)表面斷絲缺陷明顯的鋼絲繩通過監(jiān)測儀時，檢測信號的時間響應(yīng)曲線，如圖6所示。分析發(fā)現(xiàn)：當(dāng)缺陷明顯的鋼絲束通過霍爾傳感器下方時，信號的幅值上升，缺陷處的最小、最大霍爾電壓分別為-80和170 mV，峰值到峰值之間的幅值之差為250 mV。

采用靈敏度為45 mV/mT，量程為0～20 mT的霍爾傳感器B采集LMA信號。當(dāng)有缺陷的鋼絲繩通過監(jiān)測儀時，檢測信號的時間響應(yīng)曲線，如圖7所示。分析發(fā)現(xiàn)：當(dāng)含缺陷鋼絲束通過霍爾傳感器下方時，漏磁信號軸向分量的幅度增大，出現(xiàn)缺陷的最大霍爾電壓為-90 mV，偏移電壓為-10 mV，相應(yīng)于缺陷的幅值為80 mV。實驗分析表明，新型鋼絲繩無損檢測儀能夠有效的檢測鋼絲繩的缺陷部位，受損處鋼絲繩的漏磁信號幅值變化劇烈，證明該檢測儀器的有效性。

3?基于BP神經(jīng)網(wǎng)絡(luò)的缺陷鋼絲繩檢測效果對比分析

采用小波變換和BP神經(jīng)網(wǎng)絡(luò)，分析新型鋼絲繩無損檢測儀獲取的缺陷鋼絲繩漏磁信號，即首先利用小波變換的方法來獲得信號特征值，利用BP神經(jīng)網(wǎng)絡(luò)來建立損傷識別模型，來完成原始系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)中鋼絲繩缺陷檢測精度的對比分析。

3.1 鋼絲繩缺陷信號小波分析

小波分析作為一種信號處理方法，能夠有效分析信號的細(xì)節(jié)，是在時域和頻域內(nèi)分析畸變信號的理論基礎(chǔ)[20-22]。設(shè)鋼絲繩缺陷信號的一個離散樣本系列為：f（n），n=1，2，…，N.令c0（n）=f（n），則鋼絲繩缺陷信號的二進值小波變換為

式中 H*和G*分別是H和G的關(guān)聯(lián)矩陣。

通過式（7）對獲取的原始鋼絲繩缺陷信號進行小波重建，用于鋼絲繩損傷的定量識別。

3.2 基于BP神經(jīng)網(wǎng)絡(luò)的鋼絲繩斷絲檢測模型

BP神經(jīng)網(wǎng)絡(luò)模型由3個部分組成，分別為輸入層、隱含層、輸出層，每層含有不同數(shù)量的神經(jīng)元[23-25]。BP神經(jīng)網(wǎng)絡(luò)模型通過比較期望輸出值和實際輸出值，計算誤差值e的標(biāo)準(zhǔn)差σ，當(dāng)σ小于誤差閾值ξ時，輸入層與隱含層之間的權(quán)重值達到要求，停止訓(xùn)練并得到最終的BP神經(jīng)網(wǎng)絡(luò)權(quán)值參數(shù)。首先在鋼絲繩疲勞試驗機上制備有效長度為500 mm的25根具有不同斷絲缺陷的6×7IWS鋼絲繩實驗試樣，然后運用本研究提出的無損檢測儀，任意選取20根含斷絲缺陷的鋼絲繩進行檢測，獲取缺陷檢測數(shù)據(jù)用于BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，剩余5根鋼絲繩用于獲取對比分析數(shù)據(jù)。

經(jīng)小波重建后的原始鋼絲繩缺陷信號作為輸入，設(shè)輸入層的輸入矢量為X=[x1，x2，…，xn]，輸入層與輸出層的之間的權(quán)值為W=[w1，w2，…，wp]，隱含層輸出為

令隱含層與輸出層之間的局部梯度G=[g1，g2，…，gn]，輸入層與隱含層之間的局部梯度L=（lij），則權(quán)值更新計算公式為

3.3 實驗結(jié)果與對比分析

運用BP神經(jīng)網(wǎng)絡(luò)對剩余5根待檢測的含缺陷鋼絲繩進行分析。設(shè)學(xué)習(xí)速度系數(shù)為0.05，預(yù)期的誤差為10-6，實驗結(jié)果見表1。符號*表示斷絲的實際數(shù)量是1，但損傷處的漏磁信號太弱而無法被檢測識別，斜體加粗表示BP神經(jīng)網(wǎng)絡(luò)算法獲得的損傷識別結(jié)果，具體實驗結(jié)果對比見表1。

分析表1發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)算法檢測的斷絲數(shù)量相對平均誤差為31.5%，斷絲位置識別平均誤差為22.4%;傳統(tǒng)系統(tǒng)的斷絲數(shù)量相對平均誤差為16.7%，斷絲位置識別平均誤差為10.5%;BP神經(jīng)網(wǎng)絡(luò)算法檢測精度較傳統(tǒng)檢測方法提升了13.35%。當(dāng)斷絲數(shù)量較少時2種方法的檢測精度都較低，隨著同一斷面附近斷絲數(shù)量的增加斷絲根數(shù)和位置檢測值越準(zhǔn)確。但比較2種方法的檢測性能發(fā)現(xiàn)，本研究提出的無損檢測方法能夠在少量斷絲情況下更好的識別破損情況。

4 結(jié) 論

1）提出一種基于平行磁化NdFeB磁體段的鋼絲繩無損檢測儀，并驗證了其功能的有效性。

2）新型鋼絲繩無損檢測儀采用的BP神經(jīng)網(wǎng)絡(luò)算法，比傳統(tǒng)設(shè)備的檢測算法性能更優(yōu)。

3）當(dāng)鋼絲繩存在少量斷絲時，本檢測儀具有更高的診斷精度。

參考文獻（References）：

[1] TYTKO A A，RIDGE I M L.The influence of rope tension on the LMA sensor output of magnetic NDT equipment for wire ropes[J].Nondestruct Test Eval，2003，19（4）：153-163.

[2]高志剛，蘇三慶，王威，等.帶缺陷鋼絲繩拉伸力-磁耦合數(shù)值模擬[J].西安科技大學(xué)學(xué)報，2019，39（4）：626-633.

GAO Zhigang，SU Sanqing，WANG Wei，et al.Numerical simulation of force-magnetic coupling for the stretched?steel wire rope with defects[J].Journal of Xian University of Science and Technology，2019，39（4）：626-633.

[3]XU F，WANG X，WU H.Inspection method of cable-stayed bridge using magnetic flux leakage detection：principle，sensor design，and signal processing[J].Mech Science Technology，2012 26（3），661-669.

[4]COOK B，GRONAU O，SUKHORUKOV V，et al.Steel rope NDT in the offshore industry and shipyards[C]//Proceedings of the 8th European Conference on NDT，Barcelona，2002：1891-1897.

[5]董熙晨，高天佑，周強，等.港口起重機鋼絲繩失效過程中的磁化性質(zhì)研究[J].武漢理工大學(xué)學(xué)報，2013，37（3）：662-665.DONG Xichen，GAO Tianyou，ZHOU Qiang，et al.Study on the magnetization properties in the failure process of port crane steel wire ropes[J].Journal of Wuhan University of Technology，2013，37（3）：662-665.

[6]包繼虎，張鵬，朱昌明.變長度提升系統(tǒng)鋼絲繩縱向振動特性[J].振動與沖擊，2013，32（15）：173-177.BAO Jihu，ZHANG Peng，ZHU Changming.Longitudinal vibration of rope hoisting systems with time-varying length[J].Journal of Vibration and Shock，2013，32（15）：173-177.

[7]于恩軍.摩擦式提升機提升鋼絲繩壽命影響因素淺析[J].礦山機械，2019，47（6）：12-15.YU Enjun.Analysis on influential factors about service life of hoisting steel rope of friction hoist[J].Mining & Processing? Equipment，2019，47（6）：12-15.

[8]任志乾，于宗樂，陳循.鋼絲繩彈塑性損傷本構(gòu)模型研究[J].機械工程學(xué)報，2017，53（1）：121-129.REN Zhiqian，YU Zongyue，CHEN Xun.Study on wire rope elastic-plastic damage constitutive model[J].

Journal of Mechanical Engineering，2017，53（1）：121-129.

[9]趙志科.礦井提升鋼絲繩的動態(tài)檢測與故障診斷方法研究[D].徐州：中國礦業(yè)大學(xué)，2018.ZHAO

Zhike.Study on dynamic detection and fault diagnosis approaches for mine hoisting wire rope[D].Xuzhou：China University of Mining and Technology，2018.

[10]AKSHPREET K，AARUSH G，HARDIK A，et al.Non-destructive evaluation and development of a new wire rope tester using parallely magnetized NdFeB magnet segments[J].Journal of Nondestructive Evaluation，37（3）：61-72.

[11]田明明，解社娟，韓捷，等.基于小波分析的脈沖渦流/電磁超聲復(fù)合無損檢測方法[J].中國機械工程，2019，30（16）：1925-1930.TIAN Mingming，XIE Shejuan，HAN Jie，et al.A hybrid PECT/EMAT NDT based on wavelet analysis[J].China Mechanical Engineering，2019，30（16）：1925-1930.

[12]嚴(yán)強.用于皮帶鋼繩檢測的探測采集系統(tǒng)設(shè)計與實現(xiàn)[D].成都：重慶大學(xué)，2014.YAN Qiang.Design and accomplishment of detection and acqui-sition system for detection of rope belt[D].Chengdu：Chongqing University，2014.

[13]CAO Y，ZHANG D，WANG C，et al.More accurate localized wire rope testing based on Hall sensor array[J].Mater Eval，2006，64（9）：907-910.

[14]JOMDECHA C，PRATEEPASEN A.Design of modified electro-magnetic main-flux for steel wire rope inspection[J].NDT & E International，2009，42（1）：77-83.

[15]BASCHIROTTO A，DALLAGO E，MALCOVATI P，et al.Multilayer PCB planar fluxgate magnetic sensor[C]//Research in Microelectronics and Electronics，IEEE，2006：413-416.

[16]SUKHORUKOV V V，SLESAREV D A，VORONTSOV A N.Electro-magnetic inspection and diagnostics of steel ropes：technology，effectiveness and problems[J].ET Mater Eval，2014，72（8）：1019-1102.

[17]RILEY C D，JEWELL G W，HOWE D.Design of impulse magnetizing fixtures for the radial homo-polar magnetization of isotropic NdFeB ring-magnets[J].IEEE Trans Magn，2000，36（5）：3846-3857.

[18]李佩鈺.一種基于小波和神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測[J].計算機技術(shù)與發(fā)展，2019（12）：1-9.LI Peiyu.Short-term traffic flow prediction based on wavelet and neural network[J].Computer Technology and Development，2019（12）：1-9.

[19]李瑞，康宜華，孫燕華.多繩摩擦式礦井提升鋼絲繩在線漏磁檢測方法與系統(tǒng)[J].礦山機械，2013，41（11）：49-53.LI Rui，KANG Yihua，SUN Yanhua.Online magnetic flux leakage testing method and system for wire ropes of multi-rope friction hoist[J].Mining & Processing Equipment，2013，41（11）：49-53.

[20]湯小燕，劉之的，高曦.油藏電纜地層測試壓力信號的小波分析[J].西安科技大學(xué)學(xué)報，2015，35（2）：229-235.TANG Xiaoyan，LIU Zhidi，GAO Xi.Wavelet analysis for reservoir pressure signal of wireline formation test[J].Journal of Xian University of Science and Technology，2015，35（2）：229-235.

[21]趙栓峰.多小波包頻帶能量的煤巖界面識別方法[J].西安科技大學(xué)學(xué)報，2009，29（5）：584-588，602.ZHAO Shuanfeng.Coal-rock interface recognition based on multiwavelet packet energy[J].Journal of Xian University of Science and Technology，2009，29（5）：584-588，602.

[22]CUI K，JING X.Research on prediction model of geotechnical parameters based on BP neural network[J].Neural Computing and Applications，2019，31（12）.

[23]JIN W，LI Z J，WEI L S，et al.The improvements of BP neural network learning algorithm[C]//Signal Processing Proceedings，2000.WCCC-ICSP 2000.5th International Conference on.IEEE，2000：694-697.

[24]YI J Q，WANG Q，ZHAO D B，et al.BP neural network prediction-based variable-period sampling approach for networked control systems[J].Applied Mathematics & Computation，2014，185（2）：976-988.

[25]ZHANG W P，KUMAR M，LIU J Q.Multi-parameter online measurement IoT system based on BP neural network algorithm[J].Neural Computing and Applications，2019，31（12）.

收稿日期：2020-07-03?? 責(zé)任編輯：高 佳

基金項目：

國家自然科學(xué)基金項目（51805428）

通信作者：

路正雄，男，山西晉中人，博士研究生，E-mail：13259716754@163.com