本文分析了传统的相关方法在涡流无损检测中的应用，并对其进行了仿真，给出了这种方法的误差来源，而后介绍了一种更能对噪声起到抑制作用且工作性能稳定的改进方法。

针对传统涡流无损检测仪硬件复杂、对操作人员要求较高的缺点,研究了智能型涡流无损检测仪,设计了相应的软件和硬件.研制的仪器软件功能完善,采用流行的虚拟仪器形式,利用NI公司的CVI平台开发了基于Windows9x的工控机控制、数据处理、通讯和显示等部分的软件.与传统的涡流无损检测仪相比,具有硬件简单、调试方便的特点,极大地降低了硬件成本.

针对传统的BP算法存在收敛性能差,易陷入局部最小的缺点,在涡流无损检测的缺陷快速识别中,提出采用遗传算法(GA)作为神经网络的学习算法.为避免网络的过早收敛,对传统的遗传BP网络进行了改进,应用自适应算法选择遗传算子值.结果表明,与BP神经网络相比,改进GA神经网络的收敛性能和推广能力都有了显著提高.

针对单一神经网络在涡流无损检测中存在识别精度低、训练时间长和识别范围小的缺点，提出了一种适用于实时在线检测的神经网络结构——层次式多子网神经网络。该网络包括一个总网和各层子网，可以将一个复杂的任务分成多个小任务去完成，能快速识别出缺陷有无、走向以及大小。由于每个网络采用改进的径向基神经网络优化隐含节点数，利用小波多尺度边缘检测方法提取输入信号的特征值以简化输入节点数，网络结构得到极大简化。结果表明，层次式多子网神经网络适用于实时在线检测。