Page 118 - 无损检测2023年第十一期

许钟奇, 等:

钢丝绳无损检测信号处理算法的进展

建立不变矩面积, 是一种平均统计描述。不变矩特 载荷能力, 预防断绳事故的重要方法。同时, 损伤
征从全局角度描述一个物体的整体特征, 不易受噪 的定性判断和定量分析也是钢丝绳信号处理中最
声影响, 不会随着图像的平移、 旋转和缩放而改变。 为关键的环节, 钢丝绳是否有损伤、 损伤位置与大
( 3 )颜色矩特征 小、 是否能继续使用以及钢丝绳剩余寿命等都是

颜色矩是一种简单有效的颜色特征。通过颜色 依据定性判定和定量分析的结果进行决策的。目
矩中的矩来表示图像中的颜色分布, 一般颜色信息 前钢丝绳损伤的定性判断和定量分析从表现形式
集中在低阶矩, 所以一般用其一阶、 二阶和三阶矩来 上主要有信号表示、 灰度图表示和伪彩色图表示,
表达图像的颜色分布。 也有学者将红外图像与灰度图像或伪彩色图像结
合的方法进行钢丝绳损伤定性和定量分析。钢丝
4 定性判定和定量分析
绳常用的定性判断和定量分析方法及其损伤定性
定性判断和定量检测是准确评估钢丝绳剩余 和定量结果如表1所示。
表1 钢丝绳定性判断和定量分析方法

方法 表现形式 特征值 损伤定性 / 定量结果
BP神经网络 峰峰值, 波宽, 波形下面积 断丝识别准确率95.71%
最大峰值通道与总通道之比, 分类切割、 腐蚀和压缩
支持向量机
频率特性, 峰值高宽比 分类识别准确率100%

峰值, 峰峰值, 波形上 / 下面积 钢丝绳直径, 内外损伤识别率97.1%
粒子群优化算法 - 支持向量机
钢丝直径, 小波能量熵 ( 多组实验平均准确率)

信号 宽度最大误差3mm

径向基函数 - 神经网络 峰值, 峰峰值, 截面损失率最大误差1.86%
峰间宽度 内外缺陷误判7.14%

内部缺陷深度最大误差5.87mm
变步长增量极限学习机 峰值, 波宽, 波形下面积 断丝分类准确率高达97.5%

空间波形特征, 量化后的谱特征, 定性识别 内 / 外91% / 97%
小波神经网络
小波内积等 定量识别( 95% ±1根)

垂直度, 拉伸长度 断丝识别准确率 98.63%
BP神经网络 允许识别误差1.85%
七阶不变矩
最大识别误差不超过2.78%

标准差, 平滑度, 一致性 熵 断丝识别准确率 93.55%
AdaBoost 分类器 灰度图 允许识别误差0.45%
七阶不变矩
最大识别误差不超过0.9%

断丝识别准确率 92%
平均值, 标准差, 平滑度, 一致性, 熵, 缺陷面积,
Elman神经网络 允许识别误差1.17%
方形, 伸长率, 七阶不变矩
最大识别误差不超过2.5%

BP神经网络 颜色矩 断丝识别准确率 96.875%
允许识别误差0.901%
伪彩色图
断丝识别准确率 98.15%
粒子群优化算法 - 支持向量机 颜色矩 允许识别误差0.901%
最大识别误差不超过1.351%
灰度图 平均亮度, 标准差, 平滑度, 一致性, 熵, 最高准确率98.4%
内核极限学习机
+红外 奇数不变矩, 颜色矩 最大误差2根

断丝识别准确率 98.44%

K 近邻分类算法 伪彩色图+红外 标准差, 平滑度, 一致性, 熵, 颜色矩 允许识别误差0.463%
最大识别误差不超过0.93%
表1给出了近些年来针对钢丝绳损伤定性判断 地提取数据, 将采集到的漏磁信号转换为灰度图像
和定量分析的处理方法, 主要包括一些神经网络算 进行处理, 常用漏磁成像技术有传感器阵列和灰度

法和分类器算法。这些方法可归纳如下: ① 采用传 变化技术, 此外还出现了基于矩阵重构、 重构正弦函
统的信号处理方法, 利用传感器采集到的漏磁信号, 数、 小波变换和网格熵矩阵重构的漏磁成像技术;
预处理后提取缺陷处的特征向量直接代入神经网络 ③ 人眼只能区分几十种不同的灰度, 却可以区分数

模型和分类器算法中进行训练; ② 为了更方便直观 百种不同的颜色, 因此将漏磁信号通过彩色成像技
6
7
2023年 第45卷 第11期
无损检测