钢丝绳广泛应用于矿山、冶金、交通运输、港口、旅游等国民经济各主要行业,发挥着极为关键的作用。钢丝绳复杂的绳股结构和恶劣的工作环境使其在使用中易于出现磨损、锈蚀、疲劳、断丝等损伤,导致其强度下降,造成安全隐患。运行中的钢丝绳一旦断裂,会造成非常严重的人员伤亡和经济损失。另外,目前尚没有成形的理论和可靠的方法对在役钢丝绳安全进行科学评价。因此,钢丝绳损伤检测成为了世界性的,既有理论意义又有实用价值的重要研究课题。断丝是钢丝绳损伤的主要形式之一。本文在全面分析和论述钢丝绳种类和损伤形式的基础上,对钢丝绳断丝损伤信号的产生和分布特征、励磁器设计、损伤检测器设计、损伤信号处理及定量识别等进行了深入的研究,并在此基础上开发了钢丝绳断丝损伤检测虚拟仪器系统。研究了钢丝绳断丝漏磁检测原理及其漏磁场特征,分析了影响漏磁场分布的因素,在通过建模分析磁路结构参数的基础上,研制了励磁器,通过试验验证了励磁器的励磁能力;选用集成霍尔元件对断丝漏磁场进行检测,分析了提离值、霍尔元件布置方式及数量对检测结果的影响,进而对检测器及信号预处理系统进行研制。以美国NI公司的PXI总线为基础,开发一套以PXI-6281数据采集卡为核心的钢丝绳断丝损伤检测装置,实时在线的对钢丝绳断丝损伤进行检测。利用可视化软件LabVIEW开发了钢丝绳断丝损伤检测虚拟仪器系统,为钢丝绳的断丝损伤检测提供了一个友好的人机交互界面。介绍了小波原理及消噪方法,经对比确定最优小波基对钢丝绳断丝信号进行滤波处理。建立了BP神经网络模型进行断丝损伤的定量检测;由于钢丝绳断丝损伤大部分集中在外层,因此以钢丝束代替钢丝绳制作了断丝的不同组合(分布在最外2层)的试件;利用本文设计的检测系统对试件进行损伤检测并提取了特征值,对神经网络进行了训练;并通过实验验证,误差基本在10%以下,表明本文所建的神经网络模型可实现钢丝绳断丝损伤的定量识别。