碳纤维增强树脂基复合材料由于其密度低、重量轻、耐腐蚀性高、刚度好、疲劳性能好等优异性能一直被广泛用于航空航天领域。在铺放、制造、装配、服役等一系列过程中由于承载和环境变化等在复合材料内部形成的孔隙缺陷损伤会大大影响材料力学性能,甚至间接导致材料结构的失效,造成不可估计的灾难性后果。在航空航天领域中用于实际承力构件的复合材料层合板质量检测要求严格,对于材料整体孔隙率要求不高于2%,重点结构处孔隙率要求低于1%,且不允许尺寸超过6mm的孔隙缺陷出现。然而由于复合材料的各向异性和结构多样化,以及孔隙形成与分布的复杂性,导致CFRP材料内部孔隙缺陷的高效精确表征与检测一直是孔隙无损检测的难点。本文围绕“碳纤维增强复合材料层合板内部孔隙缺陷的孔隙率精确检测及大尺寸缺陷快速排查”这两个方面的关键问题,深入研究了CFRP材料内部孔隙的形成与形貌规律,分析了孔隙缺陷对超声信号传播衰减的影响,提出了一种针对复合材料内部微孔精确预测整体孔隙率的复合检测方法,并针对实际应用的大型复杂结构复合材料中大尺寸孔隙缺陷的快速检测与定位进行了研究。本文具体研究内容和结论如下:针对CFRP复合材料树脂内部孔隙的形成与分布问题,在复合材料固化模型基础上推导了影响孔隙的各固化参数随固化过程推进的变化情况,推导得到了固化过程中孔隙的形核临界尺寸以及生长临界尺寸;在理论研究基础上设计了不同工艺条件下制备复合材料层合板的正交试验,得到16组准各向同性复合材料层合板;通过统计分析31093张制备所得层合板的CT断层扫描结果得到了不同尺寸孔隙数量呈幂指数分布规律,并验证了孔隙尺寸和分布的理论推导与实际检测结果的准确性和一致性;对正交试验结果分析得到固化压力是对样品制备影响最大的因素,固化时间是对固化过程中形成孔隙含量影响最大的因素,通过控制固化工艺得到的层合板中最低孔隙率为0.92%。对于从加工制造过程控制孔隙形成和生长、研究材料内部复杂孔隙缺陷对检测信号的影响奠定了基础。在复合材料内部孔隙形貌分布规律研究的基础上,结合超声波在含孔隙缺陷的复合材料中的传播和衰减理论研究,通过计算分析了孔隙尺寸、材料厚度及孔隙率等对超声波在复合材料层合板中衰减的影响规律;使用有限元分析方法模拟了超声在不同孔隙含量下的复合材料中的传播与衰减;通过超声衰减实验验证了孔隙对超声衰减的影响规律,分析不同孔隙含量和材料厚度下的超声透射信号波形图变化规律来论证计算分析和实际信号传播规律的一致性,为下一部分提取超声信号特征值及关联孔隙缺陷与信号波形图提供了科学依据并奠定了理论基础。针对复合材料内部微小孔隙的整体孔隙率精确检测问题,设计提出了一种基于人工神经网络、结合超声透射法与X射线断层扫描技术的复合孔隙率检测方法。首先制备了一批低孔隙率的复合材料层合板试样,使用超声透射法采集了3600组不同试样及检测位置的超声传播信号,设计并提取了9个可代表信号波形图的特征值作为神经网络的输入值,利用X射线断层扫描技术得到检测位置的准确孔隙率结果作为神经网络输出层,使用实验采集的数据训练并验证了神经网络,通过反复训练与修正确定了3层BP神经网络的结构与各项参数最优值,得到了最稳定且精确预测复合材料孔隙率的神经网络模型。该方法对于预测复合材料中3%以下孔隙率的准确率可达97.22%,平均准确率为86.76%。利用该方法无需受孔隙缺陷及复合材料各组分和结构对超声信号中间复杂传播过程影响的限制,对于同一种工艺的材料只需获得透射波形结果就可以准确预测材料孔隙率,且可扩展到更难以解释信号传播机制的弯曲复杂结构件的孔隙率检测,实现机器学习方法取代人工操作,为准确快速对复杂形状碳纤维复合材料层合板进行孔隙率检测提供了新的选择。针对实际应用中处于承载和服役状态的大型复合材料结构件,分析了多种复合材料孔隙缺陷无损检测方法的分辨率及局限性,研究了超声冲击共振法检测复合材料内部大尺寸孔隙缺陷的精度和适用范围,使用手持设备灵活调整敲击强度等级可在无需耦合剂及额外环境要求下实地精确测量层合板内部1mm以上孔隙缺陷;搭建了大型复合材料孔隙缺陷检测与定位平台,设计并开发了可实时定位并可视化缺陷位置尺寸的检测软件,通过控制移动机器人带动检测设备可自动检测复合材料平板内部3mm以上缺陷,检测误差不超过10%;通过计算并验证得到了该方法检测弯曲结构件时在测试方向为Dy和Dx时可检测的材料最小曲率半径;通过手动检测某机型大型弯曲结构件准确排查了层合板内部3mm以上缺陷,验证了该方法用于复杂形状结构件的可行性及准确性,可解决传统检测方法因材料尺寸过大及实地环境限制无法高效准确完成的外场实时缺陷检测问题。