涡流脉冲热成像检测是一种以电磁感应涡流为热源的热成像无损检测技术,具有非接触、无交互、检测效率高、检测信息直观等优点,在科学研究与社会生产中应用广泛。目前的涡流脉冲热成像材料损伤检测分析方法,通常选择特定时刻的一帧或少数几帧热图像分析,较少从空间、时间及结构状态,融合物理过程与数学模型进行分析。本文首先基于涡流脉冲热成像多物理场耦合的过程,对多帧热图像序列数据进行预处理;然后将具有统计学习和概率推理能力的隐马尔科夫模型引入涡流脉冲热成像数据处理;最后通过有限元仿真和实验验证所提方法的有效性,为金属构件损伤检测与评估提供了一种新的研究思路。本文对涡流脉冲热成像损伤检测机理、影响因素、实验系统进行了介绍,分析了热图像信号特点与损伤试件热学状态,阐述了隐马尔科夫模型理论。基于热像图信号特点,将热图像序列转换为具有特定物理意义的多维观测矩阵,利用拉普拉斯特征映射算法对多维观测矩阵进行数据约简,提取热像图低维特征,通过热像图信号间隔取样方法,扩充热像图样本,最后将约简后的多样本低维观测矩阵输入隐马尔科夫模型,实现对材料不同损伤状态的评估。利用COMSOL有限元仿真软件建立了电磁热多物理场仿真模型,开发了多物理场仿真App,分析了涡流脉冲热成像的多物理过程。利用仿真数据,采用隐马尔科夫模型对材料电导率、热导率、磁导率的演化进行评价。最后,通过所提方法对齿轮疲劳损伤和拉伸试件应力状态进行评估,实验结果与齿轮疲劳演化过程及材料受力变形规律一致。仿真与实验结果证明了本文所提检测方法的有效性。