1、第 卷第 期 年 月机 电 工 程 .收稿日期:基金项目:山东省自然科学基金资助项目()山东省科技型中小企业创新能力提升工程项目()作者简介:王晓昆()男安徽阜阳人硕士研究生主要从事无损检测方面的研究:.通信联系人:井陆阳男博士讲师:.:./.仿真数据驱动的起重机钢丝绳断丝定量识别方法王晓昆井陆阳白晓瑞战卫侠刘云成王彦松(.青岛理工大学 机械与汽车工程学院山东 青岛.海军工程大学 兵器工程学院湖北 武汉.软控股份有限公司山东 青岛)摘要:针对工程应用中起重机钢丝绳损伤检测由于故障样本不足导致检测效果较差的问题提出了一种仿真数据驱动的、基于卷积神经网络()模型的钢丝绳断丝定量识别方法 首先使用有
2、限元软件 对直径 的 结构钢丝绳不同损伤类型进行了建模与仿真并将提离值为 处仿真漏磁场减去背景磁场得到了仿真损伤信号其次搭建了钢丝绳漏磁检测试验台采集了与仿真参数一致的钢丝绳断丝实测信号并进行了小波去噪处理解决了实测信号中由于存在噪声干扰导致与仿真信号不匹配的问题最后建立了卷积神经网络模型采用仿真数据辅助模型训练并使用早停法抑制了模型对训练集中仿真数据的过拟合问题 以仿真数据作为训练集和仿真数据辅助小样本实测数据作为训练集进行了实验验证 研究结果表明:仿真数据驱动、小波去噪能够较大幅度地提高断丝识别率早停法能够较好地抑制实验中的过拟合问题该方法在两种实验形式下的准确率分别达到了.和.证明该方法
3、能够有效识别钢丝绳损伤具有一定的理论研究价值和工程应用前景关键词:起重机械电磁检测模式识别方法卷积神经网络小波变换小样本数据中图分类号:文献标识码:文章编号:()(.):().:()引 言在工程起重机设计过程中起重机钢丝绳通常是其关键的承载和牵引构件 由于其所处的工况条件复杂、工作环境恶劣易产生一些损伤存在严重的安全隐患断丝作为钢丝绳服役期间极易产生的主要损伤是影响钢丝绳安全运行的重要因素 在国标中将一个捻节距内断丝数占钢丝绳总丝数的比例作为报废的重要指标 因此对钢丝绳断丝数进行准确检测已成为急需解决的问题目前电磁检测法被公认为是对钢丝绳进行无损检测最有效的方法 基于漏磁法的钢丝绳断丝损伤定量
4、识别实质上是建立损伤信号的特征信息与损伤程度的空间映射分类准则 近年来研究人员用机器学习模型解析了不同类型损伤信号的特征信息与损伤程度之间的非线性映射关系取得了较好的断丝识别效果赵志科等人为了进一步提高极限学习机()的分类精度提出了一种可变步长增量式极限学习机()其利用加州大学欧文分校提供的样本集对 算法进行了性能测试通过回归和分类实验分别研究了 模型的性能 张东来等人提出了钢丝绳断丝定性和定量分级检测的方案对于定性检测输入层和隐含层之间用小波函数作为权系数两层之间无非线性适于定性分类对于定量检测则应用小波非线性神经网的输入是特征向量和小波的内积适于特征与断丝程度之间定量关系的逼近 等人针对钢
5、丝绳漏磁()测试中信号去噪效果差、识别率低、实时性差等问题提出了一种核极限学习机()与压缩感知相结合的新算法其将正则化的正交匹配追踪()引入压缩传感小波()并结合了双密度小波变换()以提高钢丝绳信号降噪的效果最后利用 提高了钢丝绳定量识别的检测精度和效率然而以上这类断丝定量识别方法往往需要大量的损伤数据对模型进行训练而在实际工程中由于现代机械制造设备技术的进步、维护水平的提升以及机械设备大多时间处于正常运行的状态导致钢丝绳故障信号的采集难度较大进而对断丝定量识别准确率产生较大影响仿真数据驱动的模式识别方法是解决故障样本不足的一种有效途径在轴承等机械设备故障诊断领域有一定的应用 而目前为止该方法
6、在钢丝绳故障诊断方面的相关研究极少 因此笔者对钢丝绳断丝定量识别应用仿真数据驱动的方法展开了一系列研究首先笔者使用有限元软件对不同损伤类型钢丝绳进行仿真得到仿真数据然后使用钢丝绳漏磁检测实验台采集与仿真时损伤类型相同的实测数据针对实验采集过程中存在噪声等因素干扰导致其与仿真数据不匹配的问题采用小波变换的方式对实测数据进行去噪最后建立卷积神经网络()模型采用仿真数据辅助模型训练并使用早停法抑制模型对训练集中仿真数据的过拟合问题模拟实际工况分别采用无实测样本和少量实测样本两种实验形式进行验证在无实测样本工况下仅使用仿真数据训练 模型在少量实测样本工况下使用仿真数据辅助小波去噪处理后的小样本实测数据
7、作为 模型的训练集 理论背景.永磁励磁原理永磁励磁方式在漏磁检测中应用较为广泛其基本原理如图 所示图 漏磁检测原理.钢丝绳在励磁器中被永磁铁磁化至饱和后衔铁、永磁体、空气隙和钢丝绳形成闭合磁路 在钢丝绳无机 电 工 程第 卷损伤时磁感应线会在钢丝绳内部平行且均匀通过理想情况下泄露的磁通量基本为零如图()所示当钢丝绳表面出现断丝损伤时受损部位钢丝会出现断口由于损伤部位的磁阻增大而空气的磁导率很小部分磁感应线会泄漏到空气中形成漏磁场如图()所示通过检测距损伤部位一定提离值处的磁感应强度大小从而可以实现损伤的检测的目的.有限元仿真原理 是一款应用广泛的高级数值仿真软件 为了分析涉及静态和低频范围的电
8、磁系统和过程其内含的/模块通过求解麦克斯韦方程将工程中的电磁场计算转变为庞大的矩阵求解在对钢丝绳不同损伤的漏磁场分析中采用有限元数值仿真的方法可以模拟任意尺寸的励磁检测器以及任意类型的损伤其具有较大的灵活性因此可使用有限元软件进行仿真实验得到所需损伤数据.卷积神经网络卷积神经网络是一种深度前馈神经网络其典型结构由输入层、卷积层、池化层与全连接层构成 一维卷积神经网络是指在一维数据上进行卷积和池化等操作卷积神经网络结构如图 所示图 卷积神经网络结构.实际上是通过建立多个滤波器来提取数据的局部特征 多网络层数可提取到更深层次的数据特征最后得到具有平移旋转不变性的鲁棒特征当断丝漏磁发生时仿真与实验在
9、此处采集的磁场密度值都会增大其表现出明显的局部空间特性利用 可有效提取其局部特征完成数据的收敛分析工作 钢丝绳断丝仿真与实验.仿真损伤信号笔者使用 有限元软件对钢丝绳损伤进行仿真的流程如图 所示图 仿真流程.首先笔者选择/模块中的磁场、无电流物理场按照设计尺寸对永磁励磁装置和钢丝绳进行建模然后定义材料和边界条件并划分网格再进行求解器配置后验证模型并求解求解完成后可以根据需要查看磁力线、磁场强度、磁场密度等电磁参数并进行下一步分析.钢丝绳永磁励磁装置建模笔者利用 有限元软件的建模功能对钢丝绳永磁励磁装置进行建模 根据漏磁原理可知钢丝绳被磁化后当内部磁感应强度较低时不容易产生漏磁场而钢丝绳磁化饱和
10、后才能产生较多的漏磁直径 的 (表示钢丝绳的绳芯是纤维绳芯)结构钢丝绳单丝直径.破断负荷为 其主要用于各种起重、提升和牵引设备且其具有良好的磁化效果 因此笔者选择实验钢丝绳为 结构的直径 钢丝绳衔铁材料选择磁导率、饱和磁导密度都较高的工业纯铁 磁铁材料为汝铁硼材料 永磁励磁装置采用多回路周向励磁的方法永磁铁做成环状放置在励磁器两端衔铁做成管状以最大限度的减少漏磁其具体结构如图 所示笔者所画简化三维仿真模型如图 所示.仿真分析笔者对有损伤和无损伤的钢丝绳分别进行了有限元仿真钢丝绳表面磁通密度分布如图 所示第 期王晓昆等:仿真数据驱动的起重机钢丝绳断丝定量识别方法图 励磁器结构.为与钢丝绳有效金属
11、面积相等的钢绞线直径 为永磁体沿钢丝绳轴向的长度 为永磁体与钢丝绳表面之间的气隙 为两永久磁铁内侧间距 为衔铁连接体内侧与钢丝绳表面的径向间隙 为衔铁连接体壁厚图 简化三维仿真模型.图 钢丝绳磁通密度分布.笔者设置仿真实验钢丝绳断丝损伤宽口为 外部断丝数量分别为 根、根、根在距损伤提离值 处的有限元仿真结果如图 所示图 种损伤的仿真信号.图 中曲线为钢丝绳损伤表面仿真漏磁场减去背景磁场的结果可以看出:不同断丝数量的损伤漏磁强度特征有明显区分改变模型的断口长度和断丝数量可得到所需不同损伤程度的数据.钢丝绳断丝实验笔者使用 结构的钢丝绳进行断丝试件制作钢丝绳试件直径为 长度为 每隔 制作一处断口宽
12、度为 的断丝损伤实际制作的断丝如图 所示图 钢丝绳断丝实物图.该实验使用的漏磁传感器如图 所示图 中永磁体 作为励磁源与导磁衔铁构成励磁器并与被检测钢丝绳构成磁回路霍尔元件嵌在励磁器的中间位置实验使用的钢丝绳检测试验台如图 所示笔者利用该试验台采集钢丝绳断丝损伤的原始信号将 根断丝、根断丝、根断丝的信号分别从原始机 电 工 程第 卷信号中切割出来每处断丝的漏磁信号切割为包含 个数据点的数据块图 漏磁传感器实物图.图 钢丝绳检测试验台.切割出来的 种损伤信号如图 所示图 种损伤的实验原始信号.由于在漏磁检测过程中钢丝绳产生的晃动、钢丝绳表面起伏不平以及外界电磁干扰等都会使采集的漏磁信号夹杂较多的
13、噪声导致信号失真难以进行损伤信号的特征提取与识别而且仿真信号中噪声干扰很小 因此为解决实测信号中存在噪声干扰导致其与仿真信号不匹配的问题笔者需要对实测信号进行去噪处理由于具有良好的时频局部特性小波变换在处理含有噪声的非平稳信号方面具有明显优势其适合用于具有突变特性的钢丝绳断丝漏磁信号的去噪处理笔者采用小波变换的方式对实测信号进行去噪小波去噪的过程实质上是先对原始信号进行小波变换然后对得到的频带子信号进行阈值收缩处理最后再按照小波逆变换的过程将阈值收缩处理后的频带子信号重构为可代替原始信号的新信号在该实验中笔者使用“”小波函数对信号进行分解去噪结果如图 所示由图 可以看出:该小波函数对钢丝绳损伤
14、信号具有良好的分解效果 基于卷积神经网络的钢丝断丝定量识别针对工程实际中无实测样本和少量实测样本工况第 期王晓昆等:仿真数据驱动的起重机钢丝绳断丝定量识别方法图 小波去噪后的 种损伤实测信号.问题笔者分别提出了将仿真数据作为训练集和将仿真数据辅助小样本实测数据作为训练集的方法以提高钢丝绳断丝定量识别效果接下来笔者对两种工况分别进行验证.以仿真数据作为训练集为证明仅以仿真数据作为训练集的有效性在无实测样本工况下笔者仅使用仿真数据作为模型的输入将实测数据用于测试并与没有训练的随机初始化参数模型及测试集中实测数据去噪前后的实验结果进行对比具体实验流程如图 所示(所提方法以粗体显示)图 无实测样本工况
15、下实验流程.数据配置根据.节所介绍的仿真方法笔者将模型断口长度分别设为、.、.直到 即每次增加.仿真的每个损伤样本为含 个数据点的数据块得到共 组仿真样本 其中每组包括 根断丝、根断丝、根断丝和无损伤 个样本将 组仿真样本作为模型的训练集测试集使用 组实测样本其中每组包括的样本分类情况与仿真样本一致各类样本个数和标签如表 所示表 不同故障样本个数组成及标签命名 分类训练集/个测试集/个(根断丝)(根断丝)(根断丝)(无损伤).模型结构在网络的训练过程中训练环境为 笔者将初始学习率设置为.为 为了增加实验的随机性提高网络模型的泛化能力采用 方法打乱样本经过多次训练最终得到了最优网络的各项主要参数
16、如表 所示表 卷积神经网络参数 网络结构核大小步长核数目输出激活卷积层 池化层 无卷积层 池化层 无全连接层 无全连接层 无输出层 机 电 工 程第 卷.结果比较与分析笔者将模型的训练次数设置为 次得到了训练集的损失值曲线如图 所示图 训练集损失值曲线.从图 中可以看出:训练损失值在迭代 次之后就已收敛此时重复实验 次得到的平均准确率为.通过分析发现在模型训练过程中随着训练次数的不断增加训练集的学习效果越来越好错误越来越少但当模型训练到一定程度过后测试集的准确率会下降此时模型就出现了过拟合为了使训练的模型具有更好的泛化能力笔者使用早停法将训练次数设为 经过 次训练取平均值得到的准确率达.在无实
17、测样本且不使用仿真样本训练模型的情况下准确率只有.无实测样本工况下训练集使用仿真样本而测试集使用没有进行小波去噪的实测样本进行 次实验后得到的平均准确率为.使用早停法的平均准确率为.将其结果与去噪后的结果对比如表 所示表 无实测样本工况下不同方法识别结果 训练集测试集 准确率/(无早停)准确率/(早停法)模型准确率/模型准确率/仿真样本去噪后的实测样本.无样本去噪后的实测样本.仿真样本实测样本.由表 可知:笔者使用仿真样本作为训练集去噪后的实测样本作为测试集并使用 模型进行分类其准确率高达.高于其他方法以及分类模型表明相对于传统的断丝识别方法卷积神经网络大大提高了钢丝绳断丝分类准确率早停法能够
18、较好地抑制仿真样本为训练集实验中的过拟合问题仅使用仿真样本做训练集能有效辅助 模型训练进而大幅度提升断丝定量识别准确率.以仿真数据辅助小样本实测数据作为训练集在少量实测样本工况下因损伤数据不足导致模型训练不充分进而严重影响断丝定量识别效果笔者将仿真数据辅助小样本实测数据作为训练集和只有小样本实测数据作为训练集将其与实测数据去噪前后作对比实验以证明将仿真数据辅助小样本实测数据作为训练集的准确率更高具体实验流程如图 所示.数据配置在只有少量实测样本工况下训练集使用 组仿真样本和 组实测样本测试集使用 组实测样本各类样本个数和标签如表 所示.模型结构在以仿真数据辅助小样本实测数据作为训练集的实验中模
19、型结构配置与.节相同主要参数详见表图 少量实测样本工况下实验流程.表 不同故障样本个数组成及标签命名 分类训练集/个仿真样本实测样本测试集/个(根断丝)(根断丝)(根断丝)(无损伤)第 期王晓昆等:仿真数据驱动的起重机钢丝绳断丝定量识别方法.结果比较与分析在少量实测样本的工况下仅使用 组去噪后的实测样本做训练集时由于模型训练的不充分得到的准确率为.为了使模型训练更充分笔者将 组仿真样本和 组去噪后的实测样本一起作为训练集即使用仿真样本辅助少量的实测样本进行模型训练由于每次训练时卷积神经网络的初始值是随机的为了验证该实验结果的可靠性笔者重复以上操作 次得到平均准确率为.而使用早停法的准确率为.两
20、者相差很小使用仿真样本辅助少量的实测样本进行实验时训练集和测试集中的实测样本均采用没有进行小波去噪的数据 该实验结果取 次平均后的准确率为.使用早停法的 次平均准确率结果为.去噪前后对比结果如表 所示表 少量实测样本工况下不同方法识别结果 训练集测试集 准确率/(无早停)准确率/(早停法)模型准确率/模型准确率/仿真样本和少量去噪后的实测样本去噪后的实测样本.仅少量去噪后的实测样本去噪后的实测样本.仿真样本和少量实测样本实测样本.由表 可知:使用仿真数据辅助小样本实测数据作为训练集并使用 模型进行断丝分类的准确率高达.表明相比于卷积神经网络反向传播()神经网络模型以及支持向量回归()模型的分类
21、准确率普遍较低仿真数据可以有效辅助去噪后的小样本实测数据使 模型训练得更充分进而提高钢丝绳断丝定量识别的准确率早停法在少量实测样本工况下的作用甚微 结束语仿真数据驱动的模式识别方法能够有效地解决故障样本不足的问题然而目前为止尚未有相关研究成果公开发表过其在钢丝绳故障诊断领域的应用针对工程应用中起重机钢丝绳故障样本存在不足甚至严重缺乏的问题笔者提出了一种仿真数据驱动的钢丝绳断丝定量识别方法使用仿真数据辅助 模型训练实现了钢丝绳断丝的定量识别目的 在无实测样本和少量实测样本两种实验形式下验证了该方法的有效性并得出以下结论:)在无实测样本工况和少量实测样本工况下仿真数据驱动的钢丝绳断丝定量识别方法准
22、确率分别高达.和.证明了该方法能够有效地识别钢丝绳损伤为钢丝绳损伤检测中存在的故障样本不足问题提供了新的解决思路)在无实测样本和少量实测样本工况下由于仿真数据不含有噪声等其他因素干扰分别对比了小波变换去噪前后实测数据的结果证明了小波去噪能够有效提高仿真数据驱动的钢丝绳断丝定量识别方法的准确率)在无实测样本工况下仅使用仿真数据作为训练集会出现过拟合问题使用早停法提前结束训练能使模型获得更好的泛化性能进而提高断丝定量识别的准确率在断丝损伤距离较远时该研究方法能达到很好的定量识别效果 但在实际工况应用中当损伤距离很近时可能会出现采集到的两处损伤信号叠加的情况今后笔者将进一步丰富断丝信号数据集补充断丝
23、损伤在不同位置以及不同直径钢丝绳下的采集结果以进一步提高该方法的实用性参考文献():杨叔子康宜华.钢丝绳断丝定量检测原理与技术.北京:国防工业出版社.:.张义清.钢丝绳断丝损伤检测与定量识别研究.青岛:青岛理工大学机械与汽车工程学院.:.窦连城.钢丝绳内外层断丝损伤定量识别研究.青岛:青岛理工大学机械与汽车工程学院.:.康宜华李久政孙燕华等.漏磁检测探头的选择及其检测信号特性.无损检测():.机 电 工 程第 卷():.胡松涛石文泽卢 超等.钢轨踏面裂纹电磁超声表面波同步挤压小波快速成像检测研究.仪器仪表学报():.():.():.():.张东来徐殿国.基于小波神经网络的钢丝绳断丝定性和定量检
24、测.仪器仪表学报():.():.():.崔石玉朱志宇.基于参数迁移和一维卷积神经网络的海水泵故障诊断.振动与冲击():.():.:.():././().:.梁 晋.基于仿真分析的通风机故障诊断试验分析.机械研究与应用():.():.杨理践徐龙高松巍.管道的电磁励磁仿真模型分析与实验方法.沈阳工业大学报():.():.():.()():.梁敏健彭晓军刘德阳.基于一维卷积神经网络的自动扶梯机械故障分类研究.测控技术():.():.吴耀春赵荣珍靳伍银等.面向数据不平衡的卷积神经网络故障辨识方法.振动.测试与诊断():.():.谭继文.钢丝绳安全检测原理与技术.版.北京:科学出版社.:.张义清谭继文朱 良.钢丝绳探伤永磁励磁装置的结构与通用性分析.煤炭工程():.():.():.():.朱良.基于磁特性的钢丝绳断丝损伤定量检测研究.青岛:青岛理工大学机械与汽车工程学院.:.汪仕宇竺韵德.一种基于卷积神经网络的废弃饮料瓶回收系统.包装与食品机械():.():.聂 维江竹刘伯相等.一维卷积长短期记忆神经网络的管道泄漏检测方法.中国农村水利水电():.():.本文引用格式:王晓昆井陆阳白晓瑞等.仿真数据驱动的起重机钢丝绳断丝定量识别方法.机电工程():.():.机电工程杂志:/.第 期王晓昆等:仿真数据驱动的起重机钢丝绳断丝定量识别方法
