钢丝绳作为最重要的挠性构件之一,在如矿井提升系统、起重机、电梯、索道等各类提升运输系统中被广泛应用。由于其工作特性,在服役过程中不可避免的因异常摩擦、刮擦、碰撞、咬绳、弯曲疲劳等问题对钢丝绳绳体,尤其是绳体表面,造成断丝、磨损等损伤,若不能及时的检测或更换,甚至可能导致钢丝绳失效,发生提升运输系统重大安全事故,威胁使用人员生命财产安全。因此,使用可靠且高效的钢丝绳无损检测方法对保障钢丝绳的健康运行具有重要意义。然而,由于钢丝绳结构的复杂性、工作环境的多样性和检测方法的局限性,目前钢丝绳无损检测方法尚存在智能化程度低、检测效果差、检测的损伤信息不完全、无法对损伤状态及时作出可靠估计和评价等问题。本文针对目前钢丝绳无损检测与评估方法存在的不足,以视觉法为中心,引入群智能优化、深度学习、有限元、力学拉伸等方法及技术手段,开展钢丝绳图像采集与处理、损伤视觉识别、损伤量化估计、状态评估以及视觉动态采集与检测实验等研究,以解决损伤目标小、干扰大、形貌复杂、评估困难的问题,以期实现钢丝绳表面损伤的高效检测与评估,提高钢丝绳状态健康运维水平。主要研究内容包括:1)介绍了钢丝绳基础和数据驱动算法理论基础;结合实际情况分析了钢丝绳的工况条件和常见的损伤类型,以掌握其共性特点;设计了视觉检测评估方法总体方案,在建立全绳表面累积损伤视觉状态模型架构基础上,对方案进行了分析、设计和说明,为全文的展开作铺垫。2)为获得清晰而规范的钢丝绳图像数据,研究了钢丝绳图像高效采集与规范化处理方法。首先,根据视觉感知理论,建立了钢丝绳视觉感知模型,推导了各感知参数间的关系;然后,设计了钢丝绳周向图像采集系统基本架构,为实际应用提供依据和参考;接着,提出了图像数据规范化处理方法,对图像数据进行位姿调整、感兴趣区域提取和滤波去噪等处理,实现了非规范化位姿和光照下钢丝绳图像的预处理;最后,建立了钢丝绳动态视觉采集实验系统,并进行了动态采集实验。结果表明,钢丝绳图像动态采集成像受曝光时间影响较大,应在较大光照强度下设置较小曝光时间进行拍摄,且对于小目标损伤需采用倍镜成像。3)为解决钢丝绳表面损伤难以准确检测的问题,研究了数据驱动的钢丝绳表面损伤视觉识别方法。首先,提出了数据驱动的绳表面损伤视觉识别方法架构;然后,研究了基于特征工程的绳表面损伤分类方法,依次从多因素影响分析、多纹理特征提取与融合、优化算法设计及分类结果进行了研究,探明了特征算子、特征维数、算法性能对分类效果的影响;接着,为进一步提高损伤分类的智能化程度,研究了基于卷积神经网络的绳表面损伤端对端分类方法,基于Le Net-5进行设计以使其满足钢丝绳损伤分类任务,实现了绳损伤的准确分类;接着,为实现钢丝绳表面损伤的定位识别,引入深度目标检测算法,研究了基于改进YOLOv3的绳表面损伤识别方法;最后,搭建了损伤模拟实验平台,结合视觉动态采集实验系统,进行了钢丝绳表面损伤视觉动态检测识别实验。结果表明,对于钢丝绳表面损伤检测,端对端算法相较于基于特征工程的算法,检测精度高、过程更加智能化,无需人工提取特征过程,更加适用于实际工程应用。4)为掌握表面损伤钢丝绳的健康状态,研究了基于表面量化累积损伤的钢丝绳状态评估方法。首先,设计了表面累积损伤钢丝绳状态评估策略,建立起钢丝绳损伤视觉检测与状态评估的联系。然后,结合图像处理技术,提出了损伤程度量化估计方法。接着,基于该策略,为构建状态累积库,首先建立有限元模型进行有限元仿真分析,揭示拉伸载荷下不同损伤钢丝绳应力应变分布特性,定性探明损伤对力学性能的影响;然后对累积断丝和磨损损伤下的钢丝绳进行了拉伸试验研究,探明了表面量化累积损伤下的钢丝绳机械性能,定量掌握不同损伤下实际剩余机械强度。最后,结合试验、仿真结果与相关规程,对钢丝绳健康状态进行了评价。结果表明,通过所提评估方法能在一定程度上掌握钢丝绳表面损伤下的状态,而由于受钢丝绳不同型号、结构、损伤情况的影响,规程给出的指标可作为状态评估的大致参考值。本论文有图127幅、表20个、参考文献177篇。