钢丝绳在工作过程中，易受到多种不确定载荷以及恶劣的环境因素的影响，导致断丝、磨损、锈蚀等损伤，一旦出现断裂会造成严重的人员伤亡与经济损失；同时由于钢丝绳工作条件复杂、钢丝绳类型繁多且损伤形式多样，使得目前现有的钢丝绳检测仪器存在检测精度差、智能性低、实时动态性差与人为经验影响大等问题，局限性较强且效果不尽人意。因此，研究智能高效的钢丝绳断丝损伤定量识别技术与仪器十分的必要。本文基于钢丝绳断丝漏磁原理，设计了钢丝绳断丝损伤检测系统，重点研究了信号的小波消噪处理、特征值的选择与提取；分别基于神经网络与支持向量机两种定量识别方法，研究并设计了钢丝绳断丝损伤定量识别系统。首先，从理论上分析了钢丝绳损伤形式及原理，讨论了钢丝绳断丝处漏磁场的特点。以此为基础建立了钢丝绳断丝损伤检测系统，其中包括设计励磁器，磁化钢丝绳至磁饱和状态并使在断丝处产生较理想的漏磁场；设计检测器以对漏磁场进行检测，将漏磁信号转换为电信号并进行预处理；设计信号采集系统，将连续电信号转换为离散数字信号，存入计算机中以便进行后续处理。其次，研究了小波消噪的原理，利用Matlab编制了小波消噪程序，实现了对断丝信号的小波消噪处理；对滤去噪声的有用信号进行特征提取，考虑特征值的区分度对其进行特征分析，确定峰值、波形下面积及小波能量作为钢丝绳定量识别的特征值。再次，设计了基于神经网络的钢丝绳断丝定量识别系统。研究了神经网络原理，从网络的输入特征值的分析与优化、网络训练集与测试集的合理选择、网络训练目标的确定三个方面讨论了优化神经网络参数的方法，并为网络选择了合理的参数，建立了BP神经网络模型；利用实际钢丝绳断丝信号对神经网络断丝定量识别系统进行了训练及测试，证明了BP神经网络定量识别系统具有较好的性能。最后，设计了基于支持向量机的钢丝绳断丝定量识别系统。研究了支持向量机的模式识别原理，讨论了核函数的选择及支持向量机参数的搜寻，建立了支持向量机模型；利用实际钢丝绳断丝信号对支持向量机断丝定量识别系统进行了训练及测试，得出了支持向量机断丝定量识别系统比神经网络具有更优性能的结果，并将支持向量机与神经网络在定量识别方面进行了分析比较，讨论了出现这一结果的原因。