钢丝绳作为矿井提升机的重要部件,在提升系统中发挥着重要的作用。由于长期处于高负荷状态,钢丝绳不可避免会出现磨损、变形甚至断丝,对煤矿安全存在潜在威胁。断丝作为钢丝绳损伤的典型形式,在钢丝绳运行状态检测中一直备受关注。因此,对钢丝绳进行断丝损伤检测研究,在保障提升系统安全运行方面有着重要意义。本文利用漏磁检测手段,进行钢丝绳断丝损伤检测理论、仿真和实验研究,主要研究内容有:首先,分析了钢丝绳结构和损伤形式,针对断丝损伤,确定了漏磁检测的总体方案。通过等效带偶极子模型对钢丝绳断丝损伤进行解析模型分析,仿真研究了断丝损伤程度和提离值变化对漏磁场的影响,发现径向分量的峰峰值会随着损伤程度的加深而变大;增大提离值,漏磁信号轴向和径向分量都会变小。其次,设计了钢丝绳断丝损伤检测实验系统。搭建了动态检测实验台,用可调式机架和电机控制系统模拟钢丝绳运行工况;设计了损伤漏磁信号检测装置,通过布置环形霍尔传感阵列,对轴向、径向和周向漏磁信号同时采集;开发了基于LabVIEW的上位机漏磁信号采集系统,对24通道漏磁信号进行高速数据采集和存储,并通过实验分析了不同断丝损伤程度对漏磁信号的影响。然后,研究了提升小波变换方法在钢丝绳断丝损伤漏磁信号去噪中的应用,通过选择提升方案、设置信号阈值,结合软阈值处理方案对轴向和径向漏磁信号进行去噪。对去噪后的信号进行特征值提取,研究了峰峰值、波宽、波形下面积和小波能量的特征值提取方法,建立了不同断丝数量的钢丝绳损伤识别的特征值样本。最后,基于BP神经网络,构建钢丝绳断丝损伤定量识别模型;研究了粒子群算法对支持向量机的优化方法,建立了PSO-SVM识别模型。其中,所训练的PSO-SVM模型对断丝定量识别精度最高。