电涡流检测技术是在当前航空航天、核电、制造等多个领域应用广泛且行之有效的一种无损检测技术。本文结合国家自然科学基金项目,开发了相应的电涡流检测系统,并对电涡流缺陷反演算法作了相关的研究。主要工作和创新点如下:1.介绍了课题的来源和研究的理论价值及工程意义,概述了电涡流检测技术的发展过程以及目前的研究状况,详细介绍了直接数字频率合成技术(DDS)在电涡流检测领域的应用以及近年来电涡流检测技术中缺陷预处理技术以及反演算法的研究现状。2.研究电涡流线圈探头的阻抗与提离高度的变化关系,由线圈探头变压器等效电路可知:随着提离高度的增加,涡流对线圈阻抗的影响逐渐减弱,即线圈电阻减小、感抗增大。通过对探头阻抗信号的正交分解理论的研究,确定探头阻抗的幅值信息和相位信息的获取方式。涡流的趋肤效应的结论推导对电涡流系统开发与实验中激励频率的选择有很大的帮助。3.电涡流系统的开发从方案论证出发,分别论证了DDS技术FPGA方案和集成解决方案在电涡流检测系统的可行性,并提出DDS技术在本系统的应用方案;确定方案后,本章从硬件开发和软件开发两部分分析了系统的实现过程,系统调试和测试结果表明:本系统达到预期设计目标。4.从时域、频域以及时频结合法三个方向研究了电涡流缺陷信号预处理技术。在时域法方向,主要研究了滑动窗口均值法和一阶滞后滤波法;在频域法方向,主要研究利用快速傅立叶变换进行滤波:在时频结合法方向,主要研究Biorthogonal小波系、Coiflet小波系、Daubechies小波系以及Symlets小波系在不同阈值规则下的滤波情况。通过大量实验验证,利用时频结合法的小波分析技术的去噪效果是其中最好的,而小波去噪技术中基于rigrsure阈值选择规则和Biorthogonal小波系的去噪效果最好。5.对特征提取方法和缺陷分类算法进行了研究。对于特征提取方法,本文研究了主分量分析法(PCA)和核主元分析法(KPCA)这两种方法:分类算法方面主要研究了最近均值分类器、K近邻分类器、BP神经网络分类器以及支持向量机等四种算法。实验结果表明,基于KPCA特征提取法的支持向量机分类器的分类错误率在这四种分类算法中最低。