钢丝绳作为重要的承载工具，在国民生产的诸多领域具有广泛的应用。钢丝绳安全状况对人们的生命财产安全具有至关重要的作用。钢丝绳为铁磁性材料，在工作过程中承受多种不确定载荷、工作环境恶劣，极易导致截面磨损、锈蚀、疲劳、过载等损伤，一旦发生断裂给人们的生命财产安全造成不可估量的损失。对于这些损伤，人工检测具有劳动强度和盲目性大、损伤程度受个人主观因素影响的缺点，极易造成错检和漏检。目前，虽有少数部门使用钢丝绳检测仪器，但普遍存在检测精度低、智能度差、检测信号单一，对于损伤的定量不准确，并且不能实时在线监测应力。因此，研究智能高效的钢丝绳损伤与应力定量技术十分必要。本论文根据铁磁材料的磁特性参数与材质变化之间的关系，分析了疲劳裂纹以及拉伸应力对材料磁性能的影响。设计了疲劳和应力检测软/硬件系统，包括：根据实验要求制备试验试件；对常用的励磁检测传感器进行仿真优化；信号采集和特征量提取程序的设计，并对特征量提取方法进行探讨；试验中选择合理的励磁器件，搭建信号调理电路，对信号进行预处理。最后对得到的特征量数据进行分析筛选，并且选择基于神经网络的定量识别方法，设计了疲劳定量检测系统，对应力与磁参数之间进行多元线性回归分析，建立应力与磁参数的多元回归模型，并得到拟合曲线。首先，根据磁学原理，从原子的微观磁性入手，理论上阐述了物质磁性的由来。研究了不同形状材料对退磁场的影响。分析了疲劳裂纹对铁磁材料内部局部磁场的影响，以及裂纹导致退磁场的形成过程。同时推导了铁磁材料内应力与磁导率和矫顽力变化关系。确定疲劳裂纹和应力是导致磁参数变化的重要原因。为从磁特性参数变化研究钢丝绳损伤与应力变化奠定理论基础。其次，设计了铁磁材料疲劳损伤与应力的磁参数信号采集系统。对常用的励磁形式进行仿真，确定最优结构形式。利用LabVIEW编制信号采集以及特征量提取程序。对信号进行特征量提取，并根据特征量的区分度，筛选反映损伤状况的特征量。确定矫顽力、剩磁、饱和磁感强度等作为定量识别的特征量。最后，研究了神经网络原理以及网络算法的改进方法。对钢丝绳特征量进行分析和筛选，保留对裂纹损伤量识别度高的特征量。以正确分类率、平均绝对误差、网络训练时间为主要判别依据，确定了神经网络的隐含层节点数、测试集与训练集、输出层节点数。建立应力与磁参数之间的多元回归模型。根据磁参数信号采集、特征量提取、神经网络定量识别的顺序性和继承性，开发了了钢丝绳疲劳裂纹与应力的定量检测虚拟仪器。