金属断口分析是断裂构件智能化诊断的重要环节.通过对断口的观察分析,可以确定断裂发生的条件及过程,对研究失效的起因能提供有价值的线索.金属断口识别与分类是断口分析的进一步细化研究,对于改进设备,从而防止构件发生断裂破坏有一定的指导意义.通过提取金属断口图像特征,采用模式识别方法进行识别分类可以很好的实现断口的智能化诊断,从而为机械构件的设计以及失效断裂诊断建立更科学的依据.在研究中,结合小波变换方法和灰度共生矩阵方法,该文提出混合加权特征向量的提取方法,通过该方法能够获得类别可分离性很好的特征向量.该方法以小波变换的L<,l>范数特征和灰度共生矩阵二次统计特征为基础,选择在各个特定类中保持相对稳定,而在不同的类之间则差别较大的统计量作为混合加权特征的特征分量,由此大大提高了特征的分类有效性.在提取特征的基础上,该文基于支持向量机,提出了兼顾识别效率及分类准确性的二级分类器.该方法很好的克服了传统统计识别方法只有在样本数量趋向无穷时,分类器的性能才趋向最优的弱点,能够较好地解决小样本学习问题,并具有良好的推广性.该文还通过实验,确定了断口识别中训练样本数量应占总样本数量的比重(10％-15％).该文采用上述方法分别对等轴塑坑、拉长塑坑、河流花样、腐蚀疲劳、韧性沿晶和韧性疲劳六类典型断口进行分类识别研究.对总共240幅断口图像的分类实验表明,当采用10个训练样本时,该二级分类器平均识别率能达到近99.5％,而当训练样本数减到5个时,其平均识别率仍然能够达到99％.该文全部研究工作是基于自行开发的断口识别与分类软件完成的.该软件为进一步的金属断口智能化研究奠定了坚实的基础.