近年来,基于导波的结构健康监测(Structural Health Monitoring,SHM)技术持续发展。声发射(Acoustic Emission,AE)检测技术作为一种重要的无损检测(Non-Destructive Testing,NDT)手段,由于其可检测动态缺陷、可实时监测在役板结构制件安全性的特点,在SHM技术中具有良好的应用前景。带有孔洞的铝板结构在航空航天工业、汽车工业、船舶工业、国防工业等领域应用广泛。然而,在其加工制造、运输应用过程中可能会出现各种缺陷,给人身和财产安全带来隐患,因此有必要对其进行无损检测。时间差映射(Time Difference Mapping,TDM)法是一种新型的AE源定位方法,运用该方法时无需考虑波的传播速度以及信号中存在各种模态等问题。传统时间差映射(Traditional Time Difference Mapping,T-TDM)法在信号到达时间计算、信号预处理、声源定位等方面仍具有改进的空间。本文以带孔洞的复杂铝板为研究对象,对T-TDM法进行了优化,提出了改进时间差映射(Improved Time Difference Mapping,I-TDM)法,运用I-TDM法进行了复杂铝板的AE检测研究。本文的主要研究内容如下:(1)基于Akaike信息准则(Akaike information criterion,AIC)的信号到达时间计算法(AIC法)的研究。使用传统的基于阈值的门槛值法计算信号的到达时间时易引入误差,本文对T-TDM法中识别信号到达时间的方法进行了改进,引入了AIC法识别AE信号的到达时间。(2)基于数据清洗、数据缩放处理、数据相关性分析的AE信号预处理方法研究。为建立更准确的时间差映射数据库,有必要在TDM法中引入相关的数据预处理方法。在对数据的清洗中,本文引入了格罗布斯准则处理异常数据,运用拟合填充法补充了缺失数据,对数据分别进行了缩放处理和相关性分析。(3)基于支持向量回归(Support Vector Regression,SVR)、贝叶斯岭回归(Bayesian Ridge Regression,BRR)、多层神经网络(Multilayer Neural Network,MNN)的TDM定位算法研究。T-TDM法使用聚类分析进行声源定位,过程繁琐且易引入误差。为提高定位精度,本文分别研究了基于SVR模型、BRR模型和MNN模型的声源定位方法。经实验验证,三种模型均具有较好的定位性能。进一步将三种模型融合为了SVR-BRR-MNN模型,结果显示SVR-BRR-MNN模型的定位性能理想。与单一模型相比,融合模型的泛化能力更强,故最终引入了基于SVR-BRR-MNN模型的算法作为I-TDM法中的声源定位算法。(4)复杂铝板的AE检测研究。本文对带孔洞的铝板进行了AE检测研究,对比了SVR模型、BRR模型、MNN模型在带孔洞铝板中的定位性能,研究了时间差网格大小、传感器阵列布置形式对I-TDM法的影响。在对带孔洞铝板进行AE源定位研究时,基于SVR模型、BRR模型、MNN模型和SVR-BRRMNN模型的算法定位的平均绝对误差分别为3.5mm、8.9mm、5.1mm和3.6mm,平均相对误差分别为0.49%、1.26%、0.72%和0.51%。运用100mm?100mm、50mm?50mm和25mm?25mm的网格时,定位误差分别为11.3mm、3.8mm和3.6mm。综合考虑定位精度及工作量的差异,后续使用I-TDM法时可考虑选择50mm?50mm的网格。选用规则与不规则传感器阵列的定位误差均为3.8mm,传感器阵列的布置形式规则与否不影响I-TDM法的定位性能。