吴 东，张宝金，隋显俊，刘伟新，黄升平，杨建华

(1. 鞍钢集团矿业有限公司眼前山分公司，鞍山 114044；2.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)

由于工作环境复杂恶劣，钢丝绳在使用过程中容易出现断丝、磨损等损伤[1]。钢丝绳损伤造成的停工会带来巨大的经济损失，甚至可能威胁到人员生命安全，因此有必要对钢丝绳进行损伤检测。

漏磁检测是钢丝绳无损检测的一种常用方法[2]。其检测原理是：利用钢丝绳具有高磁导率的性质，使用永磁铁对钢丝绳进行磁化；当钢丝绳出现断丝、磨损等损伤时，损伤处磁阻增大，磁通减小，会出现漏磁现象[3]；通过检测漏磁信号即可判断损伤位置与损伤类型。

恶劣环境下钢丝绳在工作中的振动常会导致漏磁信号特征信息被强噪声淹没。移位平均法是一种应用广泛、抗干扰能力强的信号处理算法。奚彩萍等[4]利用多重分形降趋移动平均法处理典型多重分形信号，并分析了算法的优劣性。王龙等[5]利用移动平均法结合小波阈值分析，实现了含噪的钢丝绳信号自适应提取。

不少学者将钢丝绳损伤分析与深度学习网络紧密结合起来，利用神经网络实现损伤分类与识别。窦连城等[6]采用双树复小波对钢丝绳漏磁信号进行降噪，通过设置自适应阈值提取降噪信号的时频域特征，并提取出最优特征子集输入BP神经网络中，准确识别出钢丝绳内外部断丝。李丹丹[7]结合软阈值处理方案对钢丝绳漏磁信号进行降噪，然后进行峰峰值、波宽、波形下面积和小波能量特征提取，并输入BP神经网络进行分类识别。……