超声无损检测具有灵敏度高、穿透力强、指向性好、检测速度快、成本低、设备相对简单、对人体无害等优点,但是超声检测的可靠性受到多种因素的影响,其主要缺点是缺陷定性和定量识别较为困难。本文对超声检测缺陷大小的分类识别方法进行了研究,主要工作如下:　　 为实现超声缺陷信号的分类识别研究,本文利用OmniScan MX UT超声波检测仪、超声波传感器、带缺陷的测试试件、探头扫查控制系统以及测试试件的固定支架等设计了超声缺陷回波检测实验系统,采用超声回波检测方法检测金属材料内部缺陷,利用超声斜探头入射的方法实现缺陷的回波缺陷信号采集；并对实验数据进行初步分析,剔除失真数据。　　 在深入研究小波变换理论和基于小波变换的去噪方法的基础上,对超声缺陷信号进行小波去噪；对超声缺陷信号进行多分辨率分析,提取增益和能量特征作为表征缺陷大小的特征。　　 在深入研究支持向量机分类器及其算法的基础上,确定了适合超声检测缺陷信号分类的核函数和核函数参数最优值选择方法；确定了缺陷大小分类识别方法。　　 在深入研究超声检测信号数学模型的基础上,提出了基于LevenbergMarquardt(LM)超声检测信号参数估计算法,并应用于实验信号的参数估计,效果良好；提取参数估计得到的结果作为表征大于1.0mm的缺陷大小的特征。　　 分别将基于小波变换的增益和能量特征及LM算法对超声信号参数估计后得到的结果特征量作为支持向量机的输入向量,使用所选特征训练支持向量机,得到分类器模型,然后使用得到的模型对不同大小缺陷的超声信号进行分类,并使用BP神经网络验证本文提出的基于支持向量机的缺陷大小识别方法的可行性及有效性。　　 为提高缺陷大小分类效果,提出综合小波提取的特征和参数估计法提取的特征对缺陷大小进行分类识别的方法,即使用小波变换的特征区分小于等于1.0mm的缺陷和大于1.0mm的缺陷,然后再使用超声信号参数估计结果作为特征区分大于1.0mm的各类缺陷。