目前钢丝绳在诸多工业领域中得到广泛的应用,其安全使用具有重要的社会效益和经济效益。钢丝绳无损检测以判别在役钢丝绳的残余强度(承载能力)、确定其更换日期为最终目标,而缺陷的定量检测是实现该目标的前提。现有的电磁探伤设备大多只给出钢丝绳表面一维的漏磁信号(即周向的综合漏磁信息沿轴向的分布),通过分析该信号的特征并结合资深者的经验对缺陷进行识别,这种基于一维信号的无损检测方式目前已可定性检出绝大多数严重损伤,但因缺陷漏磁信号的复杂性与多态性、周向漏磁信息分布的缺失等因素,与定量检测还有较大差距。本文以提高钢丝绳局部缺陷定量分析的准确度为目标,以基于二维漏磁场成像的缺陷特征量提取及定量识别算法为研究方向,在如下几个方面进行了理论研究和工程实践:1.分析了基于磁偶极子模型的典型缺陷一维漏磁场的计算模型,给出二维漏磁场的计算方法及仿真模型,为后续二维漏磁场的检测提供了有效的参考。2.研究了钢丝绳二维漏磁检测技术,建立了基于霍尔传感器阵列的钢丝绳检测硬件平台,解决了多通道传感器信号的协同、等空间采样及传输问题,获取了钢丝绳表面轴向和周向二维的漏磁信息,为缺陷的定量识别奠定了基础。3.针对股波信号能量大、频带窄的特点,提出了一种参数自适应的空间陷波滤波算法。该算法可对任意参数的螺旋状钢丝绳自动搜索最佳的陷波频点,进而滤除信号中的股波分量,该算法还可使滤波器参数自动适应钢丝绳结构的变化,更换不同结构的钢丝绳时无需人工调整滤波参数。4.针对参数自适应空间陷波滤波算法容易使轴向跨度较小的缺陷信号产生畸变的问题,提出了基于小波包分析的二维钢丝绳信号消噪算法,在抑制股波背景噪声的同时,较好地消除了高频随机噪声,而且达到了数据压缩的目的。5.为了进行特征提取,对消噪后的缺陷信号进行平滑、并转化为灰度图,在此基础上提出了一种基于灰度分段线性变换的缺陷信息增强算法,压缩了噪声信号所在的灰度范围,同时拉伸了缺陷信号的灰度范围,既削弱了残余噪声对整体灰度图的影响,又增强了缺陷信息的特征。6.研究了基于漏磁成像的缺陷信号特征提取方法,包括缺陷灰度图的尺度归一化和灰度归一化方法以及基于K-L变换的特征提取,尺度归一化搜索灰度图中缺陷区域的中心,并以此为中心以一定尺寸将缺陷区域分离出来,灰度归一化将同类缺陷的图像拉伸到相同的灰度级,而对不同种类的缺陷则以不同的灰度范围反映其幅值差异,最后通过K-L变换解除归一化的灰度图像各分量之间的相关性,保留缺陷最重要的特征并舍弃次要特征,实现缺陷灰度图的特征提取。7.研究了基于神经网络的缺陷识别方法,以提取的缺陷灰度图的特征作为神经网络的输入,分别以基于模式匹配的误差反向传播(BP)神经网络和基于聚类原理的学习矢量量化(LVQ)网络对缺陷进行识别,并对比两种网络的性能,从而为选取最佳识别方法奠定基础。