金属磁记忆技术作为一种新型弱磁无损检测方法,在评估铁磁构件再制造性能和服役性能方面具有良好的应用前景;该方法能够对工件结构损伤的早期探测与早期诊断,检测过程不需外加激励,完成对铁磁性材料中存在的应力集中情况进行检测与评估;然而传统的磁场测量大多是单轴测量,磁场信息反映不够全面,并且检测设备不够便携的特点,限制了磁记忆检测的应用场景。针对上述局限性,本文开发了一套基于嵌入式的弱磁检测设备,并对试样拉伸加载进行磁记忆信号检测,通过磁记忆信号特征参数对缺陷进行定量化研究,进一步完善了弱磁检测技术的应用。本文首先对弱磁检测系统的开发进行研究。硬件平台实现系统采用基于i.MX6UltraLite Cortex-A7架构处理器的OKMX6UL-C开发板作为数据处理和硬件控制的核心模块,外围传感器探头采用HMC5883L三轴磁阻传感器设计并搭建,用以实现系统的功能。软件平台采用Ubuntu系统搭建Qt开发环境,采用C语言、C++语言混合编写磁信号采集程序、IIC通信程序以及数据波形化显示程序,完成基于Qt/Embedded开发的易于操作的人机交互界面。其次完成弱磁检测设备的标定与运行调试。搭建基于亥姆霍兹线圈的标定系统对嵌入式检测设备进行静态特性进行测试,完成对仪器的标定并得出相应的性能指标,确定了系统在±8Gs的测量范围,三个轴检测的分辨率为4.51、4.4、4.64mGs。通过对进行退磁与磁化的试样检测,确定了检测设备能够正确有效的检测出金属磁记忆切向信号与法向信号的特征值,并与俄罗斯TSC-2M-4检测仪采集数据对比,检测结果类似,进一步证明了检测设备能够正确的对铁磁性工件进行有效的检测。最后完成基于PCA与GA-BP神经网络的磁记忆信号定量评价。通过制作具有裂纹缺陷的试样并进行拉伸试验,并用自开发的弱磁检测系统进行缺陷处裂纹磁信息的检测,在对磁记忆信号波形特点分析的基础上,根据磁记忆信号的数据特征提取出缺陷处的特征指标,采用主成分分析与遗传算法优化神经网络有机结合,进行缺陷信号的定量化分析,不仅去除了数据相关性,降低了样本维度,显著简化了网络结构,又提高了算法的全局搜索性,能够有效的反演出缺陷的损伤程度。