面向钢丝绳微弱损伤智能识别的多尺度注意力网络

曲诚,陈景龙,常元洪,周子桐

(西安交通大学机械工程学院,710049,西安)

钢丝绳作为客运索道缆索系统的核心部件之一,在客运索道的运行中发挥着重要作用[1]。由于客运索道往往架设于山峰、滑雪场等地,钢丝绳长期工作在雨雪、大风等恶劣的环境中,极易导致断丝、磨损、绳股松散等微弱损伤的发生。受环境因素和运行振动的影响,钢丝绳的微弱损伤特征往往难以被及时发现[2],且一旦客运索道发生事故,会造成严重的经济损失和负面的社会影响。因此,开展客运索道钢丝绳微弱损伤早期识别方法的研究具有重要的工程意义和应用价值。

目前应用较广的钢丝绳表面损伤识别方法主要是基于漏磁原理[3]。基于漏磁原理的钢丝绳损伤检测示意图如图1所示,首先使用永磁铁对钢丝绳进行励磁,当钢丝绳出现表面损伤时,损伤部位的横截面积会减小,使内部的磁力线从损伤部位漏出,此时如果附近存在传感器,就会检测到漏磁场,从而识别出损伤[4]。这种检测方法虽然目前应用较为广泛,但是存在装置结构复杂、检测效率低、易受环境干扰出现误差等不足[5]。

图1 基于漏磁原理的钢丝绳损伤检测示意图

近年来,随着目标检测技术的快速发展,为钢丝绳的表面损伤识别带来了新的发展方向。自2014年Girshick提出的RCNN(Region CNN)方法[6]首次将深度学习引入目标检测任务以来,已有多国学者对此类算法展开研究。目前基于深度学习的目标检测算法主要分为两……