1.一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法，其特征是包括以下步骤：(S01)：构建钢丝绳断丝损伤信号采集系统，采用磁敏霍尔传感器将钢丝绳周围的漏磁信号转为电信号，反演钢丝绳上的断丝损伤情况；

(S02)：钢丝绳断丝信号特征提取，采用小波分析方法对步骤(S01)采集到的电信号进行去噪，准确提取钢丝绳断丝损伤信号特征量，以反映钢丝绳断丝损伤的信息；

(S03)：设计非线性自适应惯性权重，改进粒子群优化算法，强化全局搜索能力和细化局部搜索能力；

(S04)：构建IPSO-BP神经网络钢丝绳断丝损伤识别方法；

(S05)：IPSO-BP神经网络钢丝绳断丝损伤识别方法在钢丝绳断丝检测上应用，与传统PSO、BP神经网络识别精度、识别效率、误差对比分析。

2.根据权利要求1所述的一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法，其特征是步骤(S02)所述的钢丝绳断丝损伤信号特征提取，按以下步骤：(1)去噪：通过小波变换对信号进行多尺度分析，采用db8小波基函数将采集到的信号进行5层分解，对小波分解的高、低频系数都进行阈值量化处理；

(2)提取钢丝绳断丝损伤信号特征量：提取钢丝绳断丝损伤信号的特征量，包括损伤信号的峰值、损伤信号的峰峰值、损伤信号的波宽、损伤信号波形的面积、损伤信号的波动能量，作为钢丝绳断丝识别模型的输入；

假设N为钢丝绳断丝损伤信号一个波动的采样点个数，X(n)为n处信号的幅值，提取的损伤信号特征量及计算方法为：

1)损伤信号的峰值：根据一个捻距内峰值的大小粗略判断该捻距内有无断丝及断丝的位置，其计算公式为：Up＝max{X(n)},n＝1,2,…,N   (1)

2)损伤信号的峰峰值：先找到局部断丝信号的极大值和极小值，然后计算信号的峰峰值，其损伤信号的峰峰值计算公式为：Up-p＝|max{X(n)}-min{X(n)}|,n＝1,2,…,N  (2)

3)损伤信号的波宽：阈值电压Vy处的波宽计算公式为：

4)损伤信号的波形面积：波形下的面积计算公式为：

5)损伤信号的波动能量：为一个波动内的能量，能量的增大表明传感器可能处于被测钢丝绳段的缺陷附近，波动能量计算公式为：

3.根据权利要求1所述的一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法，其特征是步骤(S03)所述的用改进的粒子群优化算法优化BP神经网络，包括以下步骤：(1)改进的粒子群优化算法在权重调整后的计算公式如下：

式中，ws为惯性权重的初始值；we为达到最大迭代次数的惯性权重；t为当前迭代次数；T为设定的最大迭代次数；α为调整系数；

(2)BP神经网络的优化

以BP网络的均方误差函数作为粒子群算法的适应度函数，采用自适应非线性惯性权重，寻找PSO算法中适应度值最小的粒子，并将此粒子的位置矢量作为BP神经网络的权值和阈值。

4.根据权利要求1所述的一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法，其特征是步骤(S03)所述的构建IPSO-BP神经网络钢丝绳断丝损伤识别方法，按如下步骤：(1)确定BP拓扑结构，对提取的钢丝绳特征值进行归一化处理，并将归一化处理后的特征值和断丝数组成特征向量，构成训练集样本和测试集样本输入神经网络；

(2)初始化粒子群参数，设定ws，we，种群规模，最大迭代次数T，当前迭代次数t，调整系数α；

(3)选用误差函数：

为粒子群优化算法适应度函数；其中，n为训练样本的个数；ok为第k个样本的输出值；tk为第k个样本的目标值；通过适应度函数计算适应度值确定粒子的优劣，将每个粒子的个体最优位置设置为pbest；将整个群体经历的最优位置设置为gbest；

(4)根据公式(8)更新每个粒子的速度和位置，并重置超出搜索空间的粒子位置；

(5)计算更新后的粒子的适应度值，更新每个粒子的个体最优位置和群体最优位置；

(6)判断是否满足终止条件，终止条件为是否达到最大迭代次数或适应度值满足设定精度要求；若满足终止条件，则停止搜索，输出群体最优位置，执行(7)；否者返回(4)继续搜索；

(7)将群体最优位置转变为BP网络对应的权值和阈值，对网络进行训练，同时更新网络权值和阈值，达到训练要求，则训练完毕；将测试集样本输入网络，得到网络的测试结果。

5.根据权利要求1所述的一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法，其特征是步骤(S05)所述的IPSO-BP神经网络损伤识别方法在钢丝绳断丝检测上应用与性能分析为：(1)建立IPSO-BP网络模型，输入层的输入信号为钢丝绳断丝损伤信号的特征量；输出层的输出信号为断丝数量；构建训练样本集，通过训练样本训练IPSO-BP神经网络；然后将训练好的IPSO-BP神经网络用于检测钢丝绳断丝损伤，输出层输出即为检测结果；

(2)分别建立标准BP网络、线性递减惯性权重PSO优化的BP网络、非线性惯性权重IPSO优化的BP网络；用相同的训练样本进行分别训练三种网络，然后将相同的测试样本输入到三种网络；通过训练过程、测试过程及测试结果分析PSO-BP神经网络损伤识别方法的性能。