基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别

作     者：吴东 张宝金 隋显俊 刘伟新 黄升平 杨建华 WU Dong;ZHANG Baojin;SUI Xianjun;LIU Weixin;HUANG Shengping;YANG Jianhua

作者机构：鞍钢集团矿业有限公司眼前山分公司鞍山114044 中国矿业大学机电工程学院江苏省矿山机电装备重点实验室徐州221116 

出 版 物：《无损检测》 (Nondestructive Testing)

年 卷 期：2022年第44卷第8期

页      面：14-19页

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

主　　题：钢丝绳损伤 强噪声 优化算法 降噪 BP神经网络 

摘      要：提出了一种基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别方法,解决了强噪声背景下的钢丝绳损伤识别问题。以矿井钢丝绳为检测对象,采用自适应移位平均法对含噪的断丝信号与磨损信号进行降噪处理,通过自适应粒子群优化(APSO)算法找到移位平均算法的最优窗宽;然后,以断丝损伤为例,对输出的最优降噪信号提取峰峰值、波宽、波形下面积三种特征值作为特征值样本,将样本归一化后输入BP神经网络进行损伤识别;最后,通过试验验证了所提方法的有效性。试验结果表明,该方法能定性识别钢丝绳损伤并且识别准确率高。