[发明专利]一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法

说明书

一种IPSO‑BP神经网络的钢丝绳断丝损伤识别方法，提出了一种改进粒子群优化算法(IPSO)的BP神经网络识别方法，通过采集钢丝绳断丝损伤信号，提取缺陷信号特征，用损伤信号的峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络输入量，断丝数量作为网络的输出量，同时利用改进粒子群算法IPSO对BP神经网络的权值和阈值进行优化，实现对钢丝绳断丝损伤的精确定位和快速识别。本发明可提高钢丝绳缺陷识别神经网络的泛化能力，实现对钢丝绳安全隐患预测、预防和预控，为承载钢丝绳损伤检测提供可靠的技术手段。

技术领域

本发明属于传感器检测技术领域，涉及到信号智能检测与识别，以及人工神经网络技术。

背景技术

钢丝绳作为提升、起重和牵引系统中的承载构件，在冶金、矿山、煤炭、建筑、港口、石油钻探领域，以及机械行业、空中旅游架空索道、斜拉桥、电梯行业有着极为广泛的应用。在使用过程中，由于受到磨损、锈蚀、疲劳、冲击等因素影响，钢丝绳不可避免地会产生各种损伤，从而导致承载能力降低，甚至突然断裂造成人员的死亡、伤亡重大事故发生。因此，钢丝绳的智能诊断、安全检测与定量识别成为亟待解决的问题，实现钢丝绳在线检测具有十分重要的意义。

传统的钢丝绳断丝损伤的定量识别方法多采用基于统计模式识别的超门限决策方法，门限值的选择依靠人的经验，易造成漏检。BP(Back Propagation，反向传播)神经网络是一种模式识别方法，具有自组织、自适应和自学习能力，能实现钢丝绳断丝信号特征值与断丝数之间的非线性映射，适合解决诸如钢丝绳定量识别等难题。早期对钢丝绳检测的研究是通过构建4输入1输出的BP神经网络模型，明显钢丝绳断丝识别率较传统方法高；近年来研究人员采用Radial Basis Function(RBF，径向基函数)-BP组合神经网络，实现对钢丝绳断丝定量识别，结果表明组合网络预测精度较高。

发明内容

本发明的目的是针对现有技术的不足，提出一种IPSO(improved particle swarmoptimization，改进的粒子群优化算法)-BP神经网络的钢丝绳断丝损伤识别方法，对钢丝绳断丝信号特征量进行准确提取，用改进的非线性自适应惯性权重粒子群优化算法与BP神经网络相结合，从而实现钢丝绳断丝损伤识别模型高精度快速识别。

本发明是通过以下技术方案实现的。

本发明所述的一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法，包括以下步骤：

(S01)：构建钢丝绳断丝损伤信号采集系统，采用磁敏霍尔传感器将钢丝绳周围的漏磁信号转为电信号，反演钢丝绳上的断丝损伤情况；

(S02)：钢丝绳断丝信号特征提取，采用小波分析方法对步骤(S01)采集到的电信号进行去噪，准确提取钢丝绳断丝损伤信号特征量，以反映钢丝绳断丝损伤的信息；

(S03)：设计非线性自适应惯性权重，改进粒子群优化算法，强化全局搜索能力和细化局部搜索能力；

(S04)：构建IPSO-BP神经网络钢丝绳断丝损伤识别方法；

(S05)：IPSO-BP神经网络钢丝绳断丝损伤识别方法在钢丝绳断丝检测上应用，与传统PSO、BP神经网络识别精度、识别效率、误差对比分析。

本发明的具体实现步骤如下：

步骤1：构建钢丝绳断丝损伤信号采集系统。

钢丝绳是由众多钢丝捻制而成的承载构件，其磁导率较高，励磁装置中的永磁体将钢丝绳励磁至饱和状态，霍尔元件将钢丝绳周围的磁信号转为电信号，通过后续对该电信号处理与分析，反演钢丝绳上的断丝损伤情况。