近年来,随着铁磁性材料在各行业的广泛使用,越来越多针对铁磁性材料的新型无损检测技术得到发展,其中就包括增量磁导率法。该方法基于磁导率,与材料的剩余寿命、抗塑性、抗疲劳等特性密切相关,因此可以用于铁磁性材料的机械性能的评估和检测。本课题研究了基于增量磁导率法对铁磁性材料的部分机械性能进行定量检测,设计并研制出一套增量磁导率检测系统。针对增量磁导率法中信号激励与信号采集方案进行了设计,包括检测探头的结构与各参数指标的设计。针对信号检测需求,设计与研制了交流恒流源与锁相放大器的电路模块。使用该检测系统进行大量实验并提取相应增量磁导率信号。对增量磁导率信号的特征提取开展了深入的研究。在增量磁导率信号分析中引入涡流检测中使用的阻抗平面图,并从中提取出初始阻抗值等特征,与蝶形图中得到的特征一起组成特征集合。并针对特征值进行预处理方法进行了分析和研究。构建了增量磁导率法的材料机械性能定量检测模型。采用BP神经网络对增量磁导率信号的特征集进行训练,构建了材料机械性能定量检测模型,在完备样本集预测时取得了良好的效果;针对样件不完备情况下预测效果不佳的情况,引入PSO粒子群算法对BP神经网络进行优化,实验结果表明,优化后的算法在预测精度与稳定性可以获得明显提升。