Page 60 - 无损检测2024年第六期

任建浩，等：

基于 1D-CNN-SVM 的钢丝绳损伤识别方法

号预处理并根据损伤类别构建数据集，将数据集中 得钢丝绳与探头同轴心；在控制器中输入相应命令，
的样本输入到1D-CNN模型中进行信号特征提取， 使电机驱动履带沿钢丝绳轴向运动，而实现对钢丝
-1
通过模型的批量训练得到有助于损伤分类的高级特 绳的扫描，检测速度设置为0.5 m·s 。采集到的
征，然后将其进行标记一并作为SVM模型部分的输 数据通过串口协议传输到采集盒，经过采集盒中的
入并进行训练。最后通过独立测试集评估 1D-CNN- 放大电路和模数转换后通过TCP/IP协议再发送至
SVM 模型性能 （包括准确率、精确度、召回率等指 检测软件，进而观测数字信号波形。
标），完成钢丝绳损伤分类模型的搭建。 2.2 数据集
笔者通过制作3种不同程度的钢丝绳断丝损伤
并对其进行检测，来验证所提模型的有效性。在钢
丝绳的同一径向不同轴向位置分别制作0. 5根，1根
和2根断丝的损伤，断口宽度均为1 mm，不同程度
损伤的钢丝绳外观如图4所示。
通过控制器控制检测探头对3种类型损伤及无
损伤钢丝绳分别进行局部循环往复扫描采样，为了
提高样本的随机性和模型的泛化能力，对扫描后得
图 2 1D-CNN-SVM 模型整体架构 到的连续信号在有效范围内进行截取（截取任意长
度为2 048的信号样本），对样本进行标准化数据预
2 试验与结果分析
处理后得到数据集，按照8:2的比例划分训练集与测
2.1 试验平台 试集。3种类型损伤及无损伤钢丝绳的检测信号波
钢丝绳漏磁检测试验台外观如图3所示。试验 形如图4所示， 其样本数据如表1所示。
使用直径为28 mm的钢丝绳，将其水平悬架于试验 2.3 试验结果分析
台上并使其处于绷直状态，制定夹具用以夹持漏磁 2.3.1 模型训练与参数
检测的探头，并将其固定在导轨及履带上并保持x 所提1D-CNN-SVM模型参数设置如表2所示。
轴方向的自由度，通过调整导轨x与y方向位置，使 其使用3层一维卷积网络结构，第一层为16×3×1

图 3 钢丝绳漏磁检测试验台外观

图 4 不同程度损伤的钢丝绳外观
26
2024 年 第 46 卷 第 6 期
无损检测