本发明涉及钢丝绳损伤检测，尤其涉及一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法及系统。
背景技术：
1、钢丝绳广泛应用于煤矿、冶金、交通、石油等领域，钢丝绳在使用过程中的安全性及可靠性受使用过程中的损伤情况和发展趋势的影响很大，随着使用时间的拉长，钢丝绳的各种损伤不可避免，这会降低钢丝绳的性能，严重影响钢丝绳的正常及安全使用，所以需要定期检查。
2、在现有技术中，部分场合依然主要依靠传统的人工观察方法对钢丝绳的缺陷进行检测，并通过定期强制更换钢丝绳的方法保障钢丝绳的安全工作，但是人工观察检测法缺少科学准确的定量检测结果作为判断依据，不仅存在安全隐患，而且带来了对资源的浪费。
3、漏磁检测法是在不改变钢丝绳状态和使用性能的前提下，直接对在役钢丝绳的缺陷损伤进行检测和评估，进而推断其破断拉力和使用寿命期限，这种方法能够探测出钢丝绳的所有缺陷损伤。在各种损伤的状况及分布，随钢丝绳强度减小的影响程度不一，而钢丝绳又往往会因为某一段出现严重损伤后导致整根钢丝绳的报废，因此对钢丝绳进行及时和有效的缺陷检测显得尤为重要。而在现有技术中，常常是通过漏磁检测与bp神经网络相结合，以提高检测结果的准确性和有效性。但在实际运用过程中，漏磁检测与bp神经网络相结合的方法，依然存在检测不及时，检测中识别准确率不高且不能识别出钢丝绳的损伤规格的问题。
技术实现思路
1、为克服现有技术中人工检测钢丝绳损伤缺乏定量数据，存在资源浪费和安全隐患，漏磁检测与bp神经网络相结合的方法检测不及时，识别准确率不高且不能识别出钢丝绳的损伤规格的问题，本发明提出一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法及系统，其详细技术方案如下：
2、一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，包括离线训练步骤和在线检测步骤，
3、离线训练步骤包括：s10，将具有不同规格的损伤缺口的钢丝绳作为训练样本，对钢丝绳进行深度饱和的磁化后采集对应的漏磁信号，并将漏磁信号的特征值作为输入层参数，将损伤规格作为输出层参数，对神经网络进行训练，获得训练完成的神经网络；
4、在线检测步骤包括：s20，利用永磁体将待检测的钢丝绳进行深度饱和的磁化，利用霍尔传感器获取运动中的待检测的钢丝绳的漏磁信号；s30，将s20中获取的漏磁信号的特征值输入训练完成的神经网络，获得由神经网络输出的对应钢丝绳的损伤规格。
5、进一步地，在s10和s30中，所述特征值为漏磁信号的峰值、谷值、峰谷值、均值、均方根值和波形面积。
6、进一步地，在s10和s30中，所述神经网络为蒙特卡洛神经网络，由输入层、隐藏层和输出层三层神经网络组成；
7、设m为输入层节点数，h为隐藏层节点数，e为输出层节点数，则有：
8、
9、其中，kh表示的是隐藏层的局域场，zm代表输入层单元；vhm代表的是链接输入层的权值矩阵；bh代表的是隐藏层的偏置，m＝1,2,…,m。
10、进一步地，在所述蒙特卡洛神经网络中，ph为隐藏层的输出，te为输出层的输出，则有：
11、ph＝fzp(βh·kh)，h＝1,2,…,h (2)
12、
13、其中，βh表示的是隐藏层的增益因子；fzp表示的是隐藏层的激活函数；weh表示的是连接隐藏层和输出层的连接矩阵；fpt表示的是输出层的激活函数。
14、进一步地，所述蒙特卡洛神经网络中还包括损失函数：
15、
16、其中，q代表的是训练样本个数；g代表的是分离间隔，用于将不同的损伤规格的样本分开间隔；te代表的是神经网络的实际输出；te0表示的是神经网络的标签。
17、进一步地，所述蒙特卡洛神经网络的训练流程包括以下步骤：s101，初始化漏磁数据；s102，提供漏磁数据的特征值为输入向量，以钢丝绳的损伤规格为目标输出向量；s103，计算隐藏层和输出层的各单元输出；s104，计算样本平均识别率和识别率方差；s105，判定样本平均识别率是否符合预设要求，若符合则训练结束，若不符合，则随机选择范围内权值进行变异，并重复s103和s104。
18、进一步地，在s20和s30之间，还包括s201，对漏磁数据的特征值进行归一化处理使得特征值均位于[0,1]的范围内。
19、一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别系统，用于实施上述的曳引机钢丝绳损伤识别方法。
20、根据上述任一实施例，本发明至少具有下述的有益效果：本发明提出了一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法及系统，在神经网络模型中引入了蒙特卡洛算法和随机选择训练样本改变权值，使得神经网络模型拥有更多的隐藏层和更高的识别精度。
21、同时本发明在输入参数的选择上，利用漏磁信号的峰值、谷值、峰谷值、均值、均方根值和波形面积作为特征值输入，神经网络模型对应输出钢丝绳的损伤规格。相比于人工检测，本发明以检测数据为依据，定量输出钢丝绳的损伤规格，安全隐患小，资源能合理利用。相较于bp神经网络检测，检测准确率更高，识别精度更高，更适合于钢丝绳损伤识别检测中。
1.一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，包括离线训练步骤和在线检测步骤，其特征在于：
2.根据权利要求1所述的基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，其特征在于，在s10和s30中，所述特征值为漏磁信号的峰值、谷值、峰谷值、均值、均方根值和波形面积。
3.根据权利要求1所述的基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，其特征在于，在s10和s30中，所述神经网络为蒙特卡洛神经网络，由输入层、隐藏层和输出层三层神经网络组成；
4.根据权利要求3所述的基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，其特征在于，在所述蒙特卡洛神经网络中，ph为隐藏层的输出，te为输出层的输出，则有：
5.根据权利要求4所述的基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，其特征在于，所述蒙特卡洛神经网络中还包括损失函数：
6.根据权利要求5所述的基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，其特征在于，所述蒙特卡洛神经网络的训练流程包括以下步骤：
7.根据权利要求1所述的基于蒙特卡洛算法的曳引机钢丝绳损伤识别方法，其特征在于，在s20和s30之间，还包括s201，对漏磁数据的特征值进行归一化处理使得特征值均位于[0,1]的范围内。
8.一种基于蒙特卡洛算法的曳引机钢丝绳损伤识别系统，其特征在于，用于实施权利要求1—7任意一项所述的曳引机钢丝绳损伤识别方法。
