在各类复杂服役热环境下,工业设备的运行安全极易受到腐蚀和热疲劳老化等破坏的影响,此时可利用无损检测技术识别内部缺陷来排除这类隐患。其中基于反问题和数值优化理论的缺陷无损检测方法能够适应多样的缺陷类型,并且便于自动化展开。然而这类检测方法需要建立对应的缺陷数学描述,同时由于缺陷特征涉及的高复杂度情况,必然要求该描述不应附加联通性约束并能表示任意高曲率形状。另一方面,高效的数值优化算法是保证搜索识别快速稳定进行的重要前提。因此本文研究发展了一种基于参数水平集法和移动渐近线法的缺陷/夹杂识别方法,具体研究内容如下:通过定义高维水平集函数间接确定检测区域内的材料分布,建立了水平集函数相关的Ersatz模型并在数值算例中验证了该模型的有效性,以避免数值搜索过程中的网格更新。本文使用一组径向基函数对引入的水平集函数进行插值展开,建立以展开系数为变量的目标函数,并通过移动渐进线法最小化目标函数达到识别搜索的目的。最后在数值算例中讨论了基函数、测点、节点、初始猜测、热激励和误差对识别结果的影响,给出了不同环境下配置参考,在数值识别结果中证实了本文方法的有效性和稳定性。该项工作利用移动渐近线法稳定了不适定问题的求解,拓展了移动渐近线法的应用。引入多材料参数水平集方法进行缺陷和夹杂的同时识别,进一步拓展了识别算法的适用范围。首先通过定义的函数组合确定了多种材料的分布,在不附加重叠约束的情况下保持了参数水平集方法的几何描述性能,然后基于该函数组合建立了对应的Ersatz模型,最后使用移动渐近线法实现水平集函数的更新,达到缺陷和夹杂同时识别的目的。在数值算例中讨论了测点数量、节点密度、激励、初始猜测对识别过程和结果的影响,探索了该方法的配置策略,并在数值结果中评估了该方法的有效性。