材料的超声无损评价是在不损害材料使用性能的前提下，用来评价被检测对象完整性的一门学科。它是利用超声换能器的振动产生的超声波与弹性介质相互作用，从而携带了有关材料组织性能的信息，这种信息随同超声回波信号被接收到。近年来，随着计算机技术、数字信息技术的发展，数字信号分析处理技术在超声无损评价中得到了广泛的应用，这就使我们可以充分有效地利用现有检测方法，更加有效地挖掘出检测信号中蕴含的丰富信息，找到以前尚未发现或未被利用的信息，以较低的成本换得最大的收益。它和随后进行的对信号特征参量的自动识别技术一起，使传统超声无损评价方法的定量能力和可靠性大大提高，已逐步被超声无损检测工作者所接受。 材料的组织与材料性能密切相关，对于材料组织的检测与表征是材料学科的重要分支，也是超声无损评价研究的热点。组织状态的不同，使基体力学性能的连续性产生变化，这将导致超声波在材料中传播速度、衰减系数等参量的改变，鉴于超声回波信号中含有大量与材料组织状态相关的信息，这些改变必将带来信号中与组织状态相关的信息参量发生变化。基于上述思想，本研究利用小波变换信号分析技术，从超声回波信号中准确有效地提取这些与组织状态相关的信息参量，并给予正确的解释。利用BP神经网络，通过这些参量对不同组织状态进行分类，最终实现材料组织状态超声无损评价。 实验中被测样品的材质为20钢，采用超声波回波检测技术，使用水浸线聚焦探头。以小波变换理论为基础，提取实验样品超声回波信号的小波变换系数。从小波变换系数中优化能够表征不同组织状态的特征参量。建立BP神经网络，借助于神经网络，利用特征参量对不同组织状态进行分类识别。为了验证本研究所采用的超声无损评价方法的普适性，研究样品还选用了Cr5Mo——分别含四种高温时效组织状态；30Mn2SiV结构钢——分别含三种轧制组织状态，对三种材料的识别率都达到了80％以上。