[发明专利]一种强抖动下基于形态学滤波的钢丝绳断丝检测方法

说明书

本发明公开了一种强抖动下基于形态学滤波的钢丝绳断丝检测方法，先采集漏磁信号，再对采集的漏磁信号去趋势和消除股波噪声，从而为之后的形态学滤波做准备；接着，基于形态学滤波算法消除漏磁信号的抖动噪声，这样消除了外界因素的影响，使断丝在漏磁信号和图像中显示更加明显，最后，将去除抖动噪声后的漏磁信号进行断丝可视化处理，使断丝清晰可见，具有操作简单、检测精准度高等特点。

技术领域

本发明属于无损检测技术领域，更为具体地讲，涉及一种强抖动下基于形态学滤波的钢丝绳断丝在线检测方法。

背景技术

如今，钢丝绳已广泛用于诸如货物运输、电梯和水坝之类的场景中。然而，钢丝绳会由于腐蚀、磨损或其他因素而损坏受到损坏，并且这种损伤是不可避免的。钢丝绳表面的局部缺陷是钢丝绳的一种常见缺陷。如果不及时检测到这种缺陷，可能会对人们的生命财产造成重大损失。例如，曾经世界上最大的单碟射电望远镜的波多黎各阿雷西博天文台在2020年因未及时更换钢丝绳而倒塌。因此，为了防止因为钢丝绳损伤断裂造成事故，钢丝绳需要在使用前和使用中确认表面健康状况。

用于钢丝绳断丝检测的无损检测方法有很多，例如超声波探伤法、X光诊断法。但目前较为成熟的方法仍是电磁检测法。在电磁检测法中，最受欢迎的方法是通过检测钢丝绳的漏磁信号来判断钢丝绳表面的健康状况。这一方法是利用钢丝绳的磁通量与钢丝绳有效体积的相关性。当使用永磁体或通电线圈磁化钢丝绳时，钢丝绳会与检测装置形成闭合回路。当钢丝绳表面有断丝时,有效体积减少会导致通过断口空气隙外泄的漏磁通相对增大，在这一情况下，通过使用传感器采集漏磁信号即可分析钢丝绳断丝情况。

目前，有收集漏磁信号的集成传感器很多，例如霍尔传感器、穿隧磁阻效应(Tunnel Magnetoresistance Effect，简称TMR)传感器和巨磁阻效应(GiantMagnetoresistance Effect，简称GMR)传感器。此外，在漏磁(Magnetic Flux leakage，简称MFL)检测检查设备中使用这些传感器有两个思路。第一种思路是使用单通道集成传感器检测漏磁信号。尽管这种方法成本更低，但是扫描整个SWR却要花费大量时间。因此，第二种方法更受欢迎，是使用传感器阵列来采集漏磁信号。通过使用多通道信号，钢丝绳钢丝绳的健康状况更准确被诊断。

然而，在断丝信号检测中，不可避免地有噪声影响检测效果。目前主要发现的有两种噪声，一种是因为钢丝绳表面凹凸不平的结构导致的“股波噪声”。另一种是因为钢丝绳或者装置不可避免的抖动产生的“抖动噪声”。到目前为止，对股波噪声的研究比较成熟，但对抖动噪声的研究不足。并非像研究股波噪声一样，抖动噪声对钢丝绳断丝检测的影响，抖动噪声的信号特征、图像特征，有效的抖动噪声消除算法都是未知的。目前作为参考的股波噪声消除算法，大多数是利用股波噪声信号的周期性特征，在一维信号层面进行滤波。但是在使用多路传感器矩阵的诊断装置采集漏磁信号的情况下，实际上获得的信号信息是空间上的信号。因此，使用二维空间特征进行图像处理是比一维信号处理的更加有效的。

从以上分析可以看出，现有的钢丝绳断丝诊断技术在去噪，尤其是抖动噪声方面是不足的。因此，对在强抖动噪声影响下的钢丝绳漏磁信号处理与断丝检测方法进行深入研究是很有必要的，而且，如果能够使用空间下的抖动信号特征设计去噪算法，例如形态学滤波，算法的有效性以及鲁棒性相比一维信号处理会更加出色。

发明内容

本发明的目的在于克服现有技术的不足，提供一种强抖动下基于形态学滤波的钢丝绳断丝检测方法，首次将形态学图像处理方法应用于由多路漏磁信号构成的三维漏磁图像之中，利用股波噪声、抖动噪声在图像形态学特征上与断丝图像不同的特点，将股波噪声，抖动噪声依次滤除，最终得到去噪后的断丝图像以便于对钢丝绳表面损伤状况进行评估。

为实现上述发明目的，本发明一种强抖动下基于形态学滤波的钢丝绳断丝检测方法，其特征在于，包括以下步骤：

(1)、采集漏磁信号；