钢球是滚动轴承关键的传动部件,滚动轴承的质量在很大程度上取决于钢球的质量。目前,国内钢球的表面裂纹检测采用传统的人工灯检方法,不仅需要投入大量的人力,生产效率低,而且检测质量也难以保证,降低了钢球的可靠性。无损检测的发展,对测量技术的要求越来越高。测量仪器的发展逐渐由传统仪器向数字化、智能化方向发展,在此基础上产生了虚拟仪器。在虚拟仪器系统中,用灵活、强大的计算机软件代替传统仪器的某些硬件,使仪器中的一些硬件从系统中“消失”,而由计算机的软件资源来完成它们的功能,这样不仅降低了硬件的比例,且易于构建灵活的测试系统。论文分析、比较了有关无损检测方法的原理,讨论了电涡流无损检测在钢球表面裂纹检测中具有检测可靠、效率高、无接触、易于实现自动化检测等优越性,从理论上证明了电涡流方法检测钢球表面裂纹的可行性。论文从理论分析了钢球的展开方法,用MATLAB绘制了展开轮曲面形状,验证了展开的方法的正确性。设计了展开轮机构,并对钢球在展开轮机构的运动进行了运动学仿真分析。论文结合电涡流无损检测技术、虚拟仪器及信号处理技术,提出了基于虚拟仪器的钢球表面裂纹的电涡流检测方法。论文在分析钢球表面裂纹电涡流检测系统目标、功能的基础上,对系统进行了功能模块划分和各模块的规划与设计。设计了隔离放大电路、激励信号电路等外围电路。构建了基于虚拟仪器的信号采集、信号分析及信号显示的电涡流钢球表面裂纹检测分析系统。利用所设计的电涡流钢球表面裂纹检测系统,对钢球表面裂纹进行检验。通过实验得出了激励频率、提离、裂纹的宽度及深度与检测信号输出的关系。实验表明;系统能有效的提取钢球的幅度及相位特征值,表征钢球表面裂纹。利用小波对钢球检测信号进行了分析处理,提取了信号特征值。设计了小波分析的MATLAB处理程序,并将其嵌入LabVIEW中以便于在虚拟仪器中调用。用小波与神经网络相结合的方法,即将采集到的信号用小波处理得到特征值,获得所需的样本后,对神经网络进行训练。用训练好的神经网络对样本识别,并用验证样本进行检验。提出将小波分析所得到的特征值用神经网络进行数据融合,进行钢球的分选。