为了实现超声检测对缺陷的智能识别，引入小波包分析与人工神经网络技术。该方法利用超声信号进行三层小波包分解，提取各频率成分能量为特征值。建立并训练了一种BP缺陷识别的神经网络，该网络使用Levenberg—Marquardt算法。实验分析表明，小波包分析和人工神经网络的引用能为缺陷类型提供有效的智能识别。

针对装备油液磨粒在线超声检测技术的重点和难点问题该文在深入研究机械设备磨损机理和检测技术的基础上分析了磨粒声散射理论模型的建立、超声散射信号处理、超声散射信号特征提取、磨粒智能识别及超声在线检测系统研发五个方面的研究现状为后续的研究提供理论依据和技术支持。

超声波油液磨粒测量技术具有检测灵敏度高、穿透力强、费用低等诸多优点是装备油液在线监测领域极具潜力的技术。基于VC＋＋软件设计了一套超声磨粒在线监测系统由聚焦式超声波传感器、超声波检测卡、计算机等构成硬件系统信号采集模块、数据处理模块和监测结果显示模块构成软件系统实现了磨粒超声散射信号的在线实时采集、数据处理和结果显示功能。实验结果表明：该系统能很好地实现油液磨粒的在线监测。

油液在线监测技术相比传统的离线检测具有实时性、同步性、连续性等优点，超声波具有良好的实时性、较高的空间分辨力、较强的油液穿透性，因此发展超声磨粒在线监测技术具有重要意义。本文基于超声散射原理，设计了一套油液磨粒在线监测系统，由工控机、超声波检测卡、超声波传感器、在线油温传感器、齿轮泵等部分组成，采用Delphi进行程序开发。并进行实装试验，结果表明，系统能够实时在线监测润滑油中的磨粒数量和大小。