钢丝绳作为提升、运输及承载设备中的关键部件被广泛地应用于许多工程应用领域中，其使用安全性至关重要。本研究是根据港口对起重机钢丝绳断丝定量检测的实际需要提出的，论文在全面分析和论述国内外钢丝绳状态检测技术研究现状的基础上，详细深入地对钢丝绳的磁检测原理、磁检测装置以及钢丝绳缺陷信号的特征进行了研究，并利用武汉理工大学港口装卸实验室的钢丝绳疲劳试验台，对研制的钢丝绳断丝损伤检测系统进行了反复修改、调试和实验论证。 本文首先根据福斯特模型分析了基于漏磁检测的钢丝绳断丝损伤检测系统，详细的研究了钢丝绳的磁化方法，通过霍尔元件的定向响应特性来检测钢丝绳的表面磁场，并且对钢丝绳表面的漏磁场进行了分析。 其次，本文运用小波理论研究了钢丝绳断丝信号的预处理方法，详细而深入地分析了钢丝绳断丝信号的特征，给出了断丝信号特征量提取的算法，并且提出了基于BP神经网络的钢丝绳断丝信号模式识别方法。通过实验，首先对BP神经网络进行钢丝绳断丝信号样本学习和训练，形成良好的网络结构，然后利用该网络对待测钢丝绳进行检测，对钢丝绳断丝缺陷进行自动识别与诊断，达到智能化要求。 第三，本文对钢丝绳断丝损伤检测系统的硬件实现方法进行了详细的研究。以微控制器来采集和处理数据，通过固化的检测程序以及对数据大容量存储的功能，可以对钢丝绳进行在线检测，同时将数据采集的过程与结果直接显示在检测系统面板的液晶显示器上，解决了目前钢丝绳缺陷检测对PC机依赖性较强的缺点，同时降低了成本，使在线检测更为方便。 最后，利用可视化软件Visual C++和数学工具软件MATLAB开发出钢丝绳断丝损伤检测系统，为钢丝绳断丝缺陷检测提供了一个友好的人机交互界面。