高铁车轮在制造过程中的缺陷检测是保证高速列车安全行驶最为重要的一环,以往的检测方法是依赖简易的机械装置固定激光超声探头、旋转高铁车轮来实现内部缺陷的检测,或者由工人携带检测设备,手持超声检测探头进行扫描,通过观察显示屏人为判别是否存在缺陷。常规超声检测的方法受探头的制约,扫查角度有限,同时探头发射超声波的声束覆盖角度小、扫查效率低,并不能满足在车轮生产中快速扫描、精准探伤的需求。近些年来,随着机器人技术的不断发展,自动化、智能化的检测系统已逐渐成为研究的热点之一。目前,可实现自动化无损检测的对象仍比较少,主要是一些平面类、圆筒类等简单形状的工件或者是某种特定形状的构件,而且一些高端的自动化检测设备主要依赖于进口,大大增加了生产成本。因此,本文结合机器人技术、超声相控阵检测技术和视觉识别技术,针对高铁车轮制造过程中的智能化检测系统进行了研究和分析:（1）根据高铁车轮的检测需求,基于六轴机械臂、AOS超声相控阵平台、Azure kinect相机的成像原理和相机标定,对整个检测系统进行了方案设计。（2）基于点云模板匹配的方法实现高铁车轮的识别、定位以及探头扫描路径的提取。本研究首先对高铁车轮三维图像进行点云提取和处理,保存为模板并提取目标扫描路径。然后利用Azure kinect相机对高铁车轮进行了三维点云重建与模板点云进行匹配。（3）基于Coppeliasim搭建了一个高铁车轮自动化检测的虚拟环境,通过MATLAB和CoppeliaSim之间的API通讯接口,使CoppeliaSim中的检测机械臂模型能够响应MATLAB的外部控制以便进行扫描轨迹的仿真,并对扫描过程进行运动分析。结果表明,该方法可以实现高铁车轮的自动化检测,直观的显示检测机械臂探头的运动,并实现合理的轨迹,为检测机械臂控制问题的后续研究提供了实验基础和理论依据。（4）本研究设计并完成了Azure kinect相机立体视觉误差测量实验,结果表明该相机在0.6-1.6m的工作范围内误差最小,可以达到1mm左右。本研究根据所提取的扫描路径完成了超声相控阵自动扫查实验,结果验证了本系统的可行性。