裂纹缺陷是对构件机械性能影响最大的一种缺陷,裂纹缺陷对构件的安全性存在着重大隐患。目前对裂纹缺陷检测的主要方法有常规检测法和泄漏法。常规检测法主要包括磁粉法、渗透法、射线照相法和超声波法。泄漏法包括真空法、磁通法、液面测量法等。本文以裂纹漏磁检测为研究对象,综合运用理论分析,有限元分析、实验研究的方法进行裂纹漏磁检测分析,并应用神经网络技术对裂纹漏磁检测信号进行智能识别。近年来,漏磁检测方法被广泛应用,尤其在管道腐蚀坑状缺陷检测的研究和推广应用中,漏磁检测已经成为比较成熟的检测技术。除了腐蚀缺陷存在外,还可能形成许多危险性更大的裂纹缺陷。但是由于裂纹的漏磁检测结果受很多因素的影响,这给裂纹的漏磁检测以及评价增加了很大的难度。以往的裂纹漏磁检测分析主要针对管道、棒材、钢丝绳等圆形材料展开研究,本文则针对储罐底板裂纹漏磁检测展开研究。储罐的底板是由多块钢板焊接而成的,焊接的热变形过程和使用中,在焊缝处容易形成裂纹。然而目前对于裂纹的漏磁检测及评价研究还不够深入,使得在裂纹检测时,缺少比较准确的依据。本文把储罐底板表面裂纹简化成形状相对简单的几种分析模型即V形端面裂纹、矩形端面裂纹以及组合形端面裂纹。在理论上应用等效带偶极子对裂纹漏磁场进行了分析,并以麦克斯韦方程组为理论基础应用ANSYS有限元软件对裂纹漏磁场进行有限元仿真分析,分析得出裂纹的深度、宽度、深宽比、平行裂纹间距等裂纹参数对裂纹漏磁场的影响,并分析了外部检测条件,如传感器提离值、极靴气隙高度、聚磁结构等对裂纹漏磁场的影响。针对裂纹漏磁检测工程实际情况,组建裂纹漏磁检测实验系统,通过实验对偶极子模型分析和有限元分析所得结论进行验证。应用ANSYS对裂纹漏磁场进行有限元模拟和分析所得数据,提取裂纹漏磁场特征量,研究神经网络的基本理论,根据漏磁检测信号的特点,构建裂纹几何参数预测BP神经网络模型,并综合运用有限元分析所得到的数据和实验分析中所得到的裂纹漏磁检测数据为BP网络训练样本,训练BP神经网络,分析确定缺陷的等效深度和宽度特征参数,并验证网络对裂纹缺陷预测的可靠性。