在火力发电厂中,长期承受着高温高压的耐热钢的运行状态问题严重影响着设备系统的安全性生产。而常规的金属管道失效状态检测需要在电厂停炉维修期间,对关键管件进行割管取样用于详细的离线分析,或者进行现场金相复型检验,最后综合不同的测量指标对其运行状态进行整体的评估。传统的检验手段在时间和操作上均有一定的局限性,因此需要一种能够实现快速原位且无损的检测技术对耐热钢的运行状态进行有效的检测评估。耐热钢在长期服役过程中其化学成分几乎不变,但微观组织和宏观机械性能均会发生退化现象,导致样品的基体差异明显,同时激光诱导击穿光谱(LIBS)技术受基体效应影响明显。因此论文基于以上特性使用LIBS技术结合化学计量学方法对耐热钢的运行状态进行检测评估。论文首先分析了不同老化等级的T91样品光谱特性,使用特征选择和特征提取两种不同的特征降维方法对LIBS光谱信息进行重要特征提取。以硬度为机械性能指标的表征,对提取的特征使用常见的回归算法建立硬度定量分析模型。结果表明,特征选择方法能更有效地从LIBS光谱信息中提取重要特征,减少特征冗余。同时对于使用光谱信息建立样品的硬度回归定量模型而言,使用非线性的回归模型能比线性的回归模型提供更精准的预测结果。然后为了放大不同样品中基体效应的影响,使用小波变换方法对LIBS光谱信息进行分析处理。以14个不同运行状态的试样作为分析样品,结合小波降噪处理(WTD)和K折叠支持向量机递归特征消除算法(K-SVM-RFE)建立老化等级和硬度等级定性分类模型。结果表明,小波阈值去噪处理能有效剔除光谱中的噪声信号,并且有利于后续的光谱特征选择过程。基于WTD和K-SVM-RFE的混合算法能建立稳健的老化等级和硬度等级定性分类模型。此外,还分析了WTD预处理对K-SVM-RFE算法提取特征子集的影响。接着基于混合算法模型提供的预测微观组织老化等级和宏观性能硬度等级指标,构建了耐热钢运行状态风险评估矩阵。通过矩阵图方法对样品的运行状态进行评估与分析。结果表明,基于混合算法模型的风险评估矩阵方法能有效避免单指标模型的预测误差,提供一个准确的、可靠的耐热钢运行状态评估结果。最后,对全文的研究内容进行了总结,并针对进一步研究工作的开展提出了一定的建议和展望。