1.基于卷积神经网络的提升系统尾绳健康监测系统，所述的提升系统包括滚筒（1），提升钢丝绳（2），提升容器（3）及尾绳（4）；所述的滚筒（1）牵引提升钢丝绳（2）移动；两个所述提升容器（3）的顶端分别与钢丝绳（3）相连；两个所述提升容器（3）的底端分别通过尾绳（4）相连；其特征在于：还包括图像采集系统，移动无线传感器网络，上位机；所述的图像采集系统用于采集尾绳状态，图像采集系统将尾绳（4）状态通过移动无线传感器网络传输至上位机，由上位机对图像数据进行深度挖掘，并针对尾绳状态进行故障分析与预警。

2.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统，其特征在于：所述的图像采集系统包括背景板，光源，CCD相机，采集卡，控制器，存储器；两个所述提升容器（3）之间相连的尾绳（4）之间设有背景板，背景板平行置于尾绳（4）悬垂面；CCD相机的光轴垂直于背景板，CCD相机上设有光源；CCD相机与采集卡相连，采集卡与控制器相连；

光源与储存器分别与控制器相连。

3.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统，其特征在于：所述的移动无线传感器网络包括绳罐道及移动传感器节点；所述的移动传感器节点沿绳罐道延伸方向一端与图像采集系统相连，另一端与上位机相连。

4.根据权利要求1所述的提升系统尾绳健康监测预警系统，其特征在于：所述的上位机内含有卷积神经网络程序，预警程序；通过卷积神经网络程序对尾绳状态进行判断，并将结果反馈至预警程序，预警程序控制提升系统启停及加减速。

5.根据权利要求1至4任意一项所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：步骤如下：

1）、通过图像采集系统采集尾绳状态，并将收集到的图像数据集进行划分；

2）、进行卷积神经网络训练，针对图像数据进行正向传播及反向传播；确定误差并建立卷积神经网络模型；

3）、采用步骤2）中卷积神经网络模型针对输入的尾绳状态图像进行实时预测分类，并反馈至预警程序，由预警程序针对分类结果进行判断预警。

6.根据权利要求5所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：步骤1）中图像采集系统针对采集的图像数据生成训练数据集，测试数据集，训练标签集，测试标签集。

7.根据权利要求5所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：所述的数据正向传播方式为：设定网络的训练参数，初始化网络的权值和偏置；输入特征图经过卷积层、采样层、全连接层处理后，传输至输出层，每一层的输出为下一层的输入；

所述的数据反向传播方式为：将实际输出与期望输出间的误差通BP算法逐层反向传播，并将误差分配到各层，对网络的权值和偏置进行调整，直至满足收敛条件。

8.根据权利要求5所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：针对采集的图像数据建立尾绳特征数据库；并对图像数据进行扩充。