架空乘人装置钢丝绳检测磁场仿真与算法设计

倪亚军， 刘敏强

（1.山西司马煤业有限公司， 山西 长治 047105；2.太原科技大学机械工程学院， 山西 太原 030024）

引言

煤矿生产中，架空乘人装置正常运转保证井下运输工作顺利进行。由于井下环境多尘，气体成分复杂，外加乘人装置长期运行，钢丝绳易发生疲劳、损伤、腐蚀、断线等[1]，存在极大的安全隐患，所以要定期对钢丝绳进行检测。传统钢丝绳检测工作人员利用卡尺测量、手部触摸等方法检查钢丝绳，该方法存在误差大、可靠性低、依赖工作人员经验等缺点，很难检查钢丝绳内部缺陷。随着自动化技术发展，例如超声波、电涡流、X 射线、光学、固体、空气及漏磁检测法等[2]新的检测技术产生，但上述大部分检测方法成本较高，无法应用于实际的生产中。漏磁检测法相比于其他检测方法成本低、获得的数据容易记录，适用于导磁性良好的钢丝绳，而且不易受到外部信号干扰，解决了传统检测方法效率低精度差的问题。国外一些公司以永磁体为励磁装置，利用GMR 传感器阵列检测索道钢丝绳，此外国内也出现了如上海且华MTC 和洛阳TCK 便携型探伤仪等不同型号的无损探伤仪器。漏磁检测虽广泛使用，但其检测结果会被磁化装置几何形状和物理参数、工作环境等因素干扰[3]，而且装置不能通过相关参数预测钢丝绳是否受损。本文对漏磁检测原理进行分析，确定检测装置结构，对励磁磁场分布进行分析，利用神经网络算法对相关特征进行训练，推断出同类型的钢丝绳损伤情况。

1 建立钢丝绳模型

针对架空乘人装置实际应用情况选择型号为6×19S 的钢丝绳。钢丝绳的直径为20 mm，钢丝绳长度截取150 mm[4]。对钢丝绳进行电磁仿真时，取钢丝绳单股进行分析表征钢丝绳整体的励磁状态。为节省时间，本文取模型的1/6，即19 股钢丝进行仿真。

2 检测装置模型与仿真

2.1 励磁磁场仿真

漏磁检测的励磁过程采用励磁装置将钢丝绳磁化到饱和状态，以求获得信噪比高、信号强度较强的缺陷信号。由于钢丝绳整体磁化难度大、成本高，漏磁检测过程多采用局部磁化。检测装置励磁一般采用电流励磁法和永磁体励磁法。励磁方式选择永磁体励磁，优点是磁能高、励磁装置体积小、重量轻[5]。永磁体的材料为NdFe35，径向充磁，如图1 所示。考虑到元件检测范围有限，为了使永磁体励磁磁场完全覆盖整个钢丝绳外表面检测区域，对所需励磁装置个数N进行计算：

图1 漏磁检测原理图

式中：d 为钢丝绳的直径；l 为元件的检测范围。

为了测得检测点位置不同时检测点处的磁场强度，在仿真之前，添加5 个点在不同的位置上。在建模时添加变量，用来调整断丝位置钢丝之间距离，并且设置计算域为包含整个模型的矩形真空域。经过仿真可得检测点处磁场强度如下页图2 所示。

图2 不同检测位置下漏磁场强度

2.2 仿真结果分析

当l=3.5 mm 和l=4.0 mm 时，磁场强度随断口间距变化剧烈波动，且当断口间距为2 ～3 mm 时，检测点处的磁场强度与没有断丝时的磁场强度差别不明显。当检测点位于4.5～5.5 mm 时，断丝位置处的磁场强度变化明显，由式（2）计算可得检测点与钢丝绳之间的最佳距离为1.2～2.2 mm 之间。

为了确定霍尔元件在钢丝绳轴向安装位置，利用Maxwell 对检测对象受损周边磁场分布仿真，观察钢丝绳磁化后的磁场强度云图，分析其磁场分布，如图3 所示。采用自适应网格，为了使在钢丝绳上划分的网格更加均匀规则，将钢丝绳截面的圆形钢丝简化为24 边近似圆形钢丝。通过图中颜色可以清晰看到钢丝绳位于励磁装置中心部分磁场强度最大，所以漏磁检测装置安装在励磁装置中心处距离钢丝绳1.5～2.2 mm 处，保证检测装置灵敏度。

图3 磁场分布云图

3 利用BP 神经网络对损伤情况进行预测

经过传感器收集到的损伤信号往往混杂着干扰信号，需要进行降噪处理才能得出清晰的损伤信号。经过降噪后损伤信号的参数特征可以在一定程度呈现钢丝绳损伤分布情况：断丝信号附近存在局部峰值；峰峰值降低信号基准线波动的干扰，提高检测结果的可靠性；波宽是判别断口宽度的指标，与其他参数结合可以大体判断出断口的形状与大小，是定量检测中不可缺少的特征量之一；波形下面积的变化反映了波动信号时间空间两个维度上的信息。利用BP 神经网络预测钢丝绳损伤情况流程如图4。

图4 BP 神经网络数据训练流程图

对现有的钢丝绳样品进行检测获得损伤信号，将损伤信号相关参数代入BP 神经网络中进行训练得出钢丝绳的损伤情况。训练集与测试集部分参数如表1、表 2 所示。

表1 钢丝绳训练集部分参数

表2 钢丝绳测试集部分参数

通过将训练集代入BP 神经网络中进行训练，得到架空乘人装置钢丝绳受损模型。利用测试集对所得模型进行检验，该模型的预测精准度高达94.5%。

4 结语

本文利用永磁体对钢丝绳测量部位进行局部磁化，对钢丝绳单股的励磁情况进行分析。对磁场进行测量提取出缺陷信号并对其进行降噪处理，利用BP 神经网络对数据进行处理，可推断出钢丝绳的损伤情况。漏磁检测代替人工方法检测钢丝绳，减少了人工成本，提高检测效率，极大降低钢丝绳使用过程中存在的安全隐患。