液化石油气（liquefied petroleum gas,LPG）在化工领域应用十分广泛,LPG球罐质量对生产安全和人员安全至关重要。球罐焊缝因为其受到内部高压气体挤压,应力较大,同时会遭受天燃气中H₂S等气体腐蚀,导致焊缝产生缺陷,严重影响生产生活。通常在检测球罐内部焊缝缺陷时,需要先在内部搭设脚手架,然后对焊缝进行打磨,最后由检测人员手持检测设备对焊缝进行检测。检测完成后需要检测人员查看检测结果,根据经验判定是否为缺陷,还需要对缺陷定性,缺陷判定受到经验影响,而且会人为漏判误判。论文在国内外相关研究的基础上,以实现LPG球形储罐焊缝缺陷识别分类为设计目标,提出一种基于超声相控阵的缺陷检测技术。论文着重对缺陷回波信号的特征能量提取和基于神经网络的缺陷识别等关键技术进行研究。主要研究内容如下:首先,针对缺陷回波信号的难以定性的问题,提出了一种基于小波包变换的特征能量提取方法。实验制作Q345R钢焊接试板,在焊缝中预制气孔、未焊透、裂纹、夹渣、未熔合五种缺陷;针对得到的五种缺陷回波A扫信号,选取db18小波基作为最优小波基,进行信号小波包分解,提取缺陷能量特征,五种缺陷的高频特征能量比例差别不大,但其低频带能量数值有较大的差别。根据结果来看,对于气孔的（3,0）节点来说,能量比例高于86%,对裂纹缺陷（3,0）节点的能量比例在79%左右,夹渣缺陷（3,0）节点的能量比例在62%左右,未熔合缺陷与未焊透缺陷节点的能量比例相差不大。再次,针对缺陷的识别分类,设计了一种神经网络模型。将五种缺陷的特征能量比例作为神经网络的输入参数,网络训练采用了240组数据,测试数据有60组,最终BP神经网络识别分类的准确率为86.67%;然后利用深度神经网络进行识别分类,其分类准确度达到90%,其准确率较高,可以达到实际应用要求。最后,完成了相控阵检测系统的开发。超声相控阵设备选用CTS-PA22S相控阵模块,基于.NET平台采用C++语言进行相控阵软件二次开发,完善检测系统的功能。根据研究分析,超声相控阵检测可以准确的检出LPG球罐焊缝缺陷,利用d B18小波及深度神经网络技术,可以对五种缺陷进行准确的特征提取及识别分类,达到预期的结果,对LPG球罐焊缝缺陷准确识别分类。