随着现代工业的快速发展,对模具的性能要求也日益提高。模具质量的优劣直接影响着制件质量的好坏。而目前,人们很难对模具故障的发生进行科学的预测,通常情况下,只能采取故障维修和定期维修的策略对模具进行处理。对此,本文在总结前人应用声发射技术的基础上,基于小波包遗传算法对声发射信号的处理,结合模糊数学可能性理论,实现对冷冲模具状态识别,为模具的在线检测提供理论基础,填补了国内空白。其主要内容和结果主要体现在以下几个方面:首先,本文介绍了声发射信号产生的机理,声发射信号特点等基本理论,结合声发射信号类型,根据冷冲模具的工作机理和失效机理,分析了冷冲模具的信号特点。根据目前声发射特征信号分析方法及应用现状提出了冷冲模具的声发射信号处理方案。其次,通过介绍小波分析的基本原理,引导出连续小波变换、小波逆变换,以及相关性质,进而详细阐述了本研究中采用的小波包变换理论,根据冷冲模具的具体对象对小波基和最大分解尺度进行选取,得出了根据小波包变换的能量特征向量提取法。然后,通过分析遗传算法的基础理论,讨论了特征参数优化方法,应用统计理论,设计了相应的适应度函数,分析了特征参数自动生成技术,优化了小波包的能量特征向量。再次,给出模糊模式识别的基本方法,讨论概率分布函数的识别,通过模糊诊断的分析,以可能性理论为基础,建立故障特征和故障模式之间的映射关系,研究了冷冲模具状态识别的方法。最后,为确认研究的可行性,进行了冷冲模具的状态识别实验。对正常和失效状态的模具进行了声发射信号测试,并对其采集信号按本课题理论进行了处理与分析。实验结果显示,能够生成识别率99%以上的诊断用遗传算法(GA)特征参数;运用可能性理论进行模糊推理,针对非平稳信号可以进行诊断,并且能够进行高精度的状态识别。研究结果表明,声发射信号的频率范围远远高于机械振动和环境噪声的频率范围,受加工条件变化影响小;运用小波包遗传算法可以提高冷冲模具状态特征参数的分辨率;利用概率密度函数和可能性理论建立特征参数隶属度函数,可以对冷冲模具进行状态的精确识别。