螺栓松动会导致被连接面之间产生相对滑移,使螺栓在剪切外力的作用下发生疲劳失效或断裂,会对设备的服役性能造成影响,甚至引发重大的安全事故。对于螺栓连接状态监测的研究,目前主要是利用传感器进行检测的方法,这些方法容易受主观和客观因素的影响,需要使用传感器和昂贵的检测仪器,成本高、效率低,且对于服役环境危险、结构复杂、不利于人工检测的部位并不适用。首先,本文基于深度学习提出了利用螺栓边缘角度和螺栓标识向量的螺栓松动检测方法,并分别建立了螺栓边缘角度和螺栓标识向量与螺栓转动角度的数学模型。由于图像在拍摄时难免发生不同程度的畸变,导致图像中物体的形状、位置等信息与真实状态产生差距,因此本文先使用YOLOv5对螺栓目标检测模型进行训练,把从不同角度、不同距离、不同光照强度条件下所采集图像中的螺栓检测出来,再利用图像畸变矫正算法对采集的图像进行处理,消除图像中的畸变。对消除畸变后的图像再次进行螺栓目标检测,切割出带有螺栓特征的螺栓子图像。其次,对于切割出的螺栓子图像,运用所提出的两种螺栓松动检测方法计算螺栓转动角度。基于螺栓边缘角度的检测方法利用Canny边缘检测算法对图像中螺栓边缘的轮廓线进行提取,并使用霍夫变换算法求取其角度值,进而计算出子图像中的螺栓相对于初始时刻状态的转动角度。基于螺栓标识向量的检测方法利用了YOLOv5训练螺栓头部的标识目标检测模型,检测出螺栓子图像中标识的中心坐标,通过螺栓中心到标识中心的向量计算获得螺栓相对于初始状态的转动角度。通过实验对两种方法的检测精确度和所检测螺栓转动的角度范围进行对比,选择出最优的检测方法。最后,针对松动螺栓的问题,本文提出了使用记忆合金垫片装置和压电陶瓷片的两种方法对螺栓的轴向力进行补偿。根据这两种材料的特性分别设计了垫片装置,并搭建了螺栓轴向力的调控系统,使用电源给记忆合金垫片装置中的加热垫圈和压电陶瓷垫片输入不同的电压,来促使材料产生变形,以此对轴向力进行补偿。通过实验对两种材料的强度、电源需求、补偿幅度及补偿速率等进行了分析,对比出两种材料的优缺点。在工程中,对于无法及时对松动的螺栓进行拧紧的特殊环境,通过对螺栓轴向力的补偿,可以暂时降低因螺栓轴向力衰减而导致结构不稳定的风险,争取抢修时间。