随着国Ⅵ排放标准的实施,活塞将承受约270bar的爆发压力,对活塞表面质量要求也越来越高。当活塞喉口存在微细缺陷构成的裂纹源时,极高的爆发压力容易导致喉口开裂失效从而危及车辆安全,因此,对活塞喉口微细缺陷检测识别具有重要的应用价值。针对活塞喉口尺寸小、曲面结构复杂、所处空间狭小等问题,采用直径为4mm的微小涡流检测探头,设计一种垂直可伸缩型探头夹持杆,提出4轴联动的检测方案,研制国Ⅵ活塞喉口微细缺陷的涡流检测设备,根据活塞喉口曲线反演出探头运行轨迹,实现探头3自由度控制。针对检测信号信噪比低容易导致缺陷的漏检误报现象,采用改进小波阈值降噪算法提高信号的信噪比。利用MATLAB软件对比分析了 16种阈值准则和阈值函数组合方式的降噪效果。结果表明:Heursure准则和指数型阈值函数组合方式下的小波阈值降噪算法能够提高信噪比16.4835dB,降噪效果良好。采用该方法对槽型缺陷、孔洞型缺陷、正常涡流信号进行了降噪。针对活塞喉口微细缺陷槽型、孔洞等缺陷特征表征问题,从时域、频域中提取12个信号特征作为传统时频域特征集,并采用EMD分解提取频谱能量分布的48个特征作为时频域特征,共同组成60个综合特征集。采用PCA算法进行特征集精简压缩对比,结果表明:综合特征集的压缩率相比传统时频域特征集提高了16.67%,其表征信号差异性的能力优于传统时频域特征集。基于PCA降维后的缺陷综合特征集,利用五折重交叉验证方法优选SVM分类器的核函数参数、惩罚因子。并通过实验采集三类缺陷信号共240组,完成三个SVM分类器的训练。采用SVM分类算法对缺陷特征进行分类识别,结果显示:60组测试集中,识别槽型缺陷21个,孔洞型缺陷19个,正常信号20个,1个孔洞型号误判为槽型信号,因此,缺陷的检出率为100%,缺陷类型识别准确率为98.33%,验证PCA-SVM分类算法对国Ⅵ活塞喉口微细缺陷识别的准确性。