钢绳芯输送带以其抗拉强度高、伸长率小、动态性能好、运输距离长而得到广泛的应用,尤其在煤矿产业中作为煤炭连续输送的主要设备。但是钢绳芯输送带的横向断带事故时有发生,给企业造成重大的经济损失以及人员伤亡。目前常用的检测方法可以有效地检查到输送带宏观几何型缺陷,但对于钢绳芯的早期物理性损伤难以实现有效的评价。本文阐述了钢绳芯输送带故障检测方法的国内外发展现状；研究了钢绳芯输送带的结构及金属磁记忆检测技术的原理；分析了钢绳芯磁记忆信号的奇异性,提出结合磁记忆信号法向分量过零点和梯度最大值共同判断输送带接头应力集中区并准确得到故障点的位置；为解决输送带钢绳芯三种状态：正常状态、微观应力集中状态、宏观缺陷状态进行分析和识别的问题,提取了钢绳芯磁记忆信号的多个特征量,如：磁记忆信号峰峰值、最大梯度值、小波多尺度分解第一尺度细节分量幅度最大值、钢丝绳芯直径、连续小波变换能量,输入到设计好的BP神经网络中进行数据融合,综合判断钢绳芯输送带的状态及故障类型,为钢绳芯输送带早期故障诊断提供了一种新颖、有效、准确的方法。本文以钢绳芯输送带作为研究对象,利用金属磁记忆检测技术对输送带进行检测,得到不同状态时的钢绳芯磁记忆信号。首先,对钢绳芯磁记忆信号进行奇异性分析,并与磁记忆信号法向分量过零点和最大梯度值结合,可以准确的判断钢绳芯输送带应力集中区,并得到故障点的位置。其次,本文利用小波变换的多分辨率特性和时频局部化特性,对钢绳芯输送带磁记忆信号多个特征量(如绝对峰值、峰峰值、最大梯度值、小波分解第一尺度细节分量幅度最大值,连续小波变换能量)进行研究并提取。最后,本文借助由钢绳芯输送带故障检测试验平台上所得的磁记忆信号,将提取的磁记忆信号多个特征值组成的向量组,作为BP神经网络的输入,利用MATLAB进行编程仿真,对钢绳芯输送带的状态进行识别。结果表明,该方法在一定程度上满足钢绳芯输送带故障模式诊断的要求,满足故障诊断实时性的要求,具有很强的识别能力。