疲劳破坏是各种机械构件失效的主要形式之一,据统计70%左右是属于疲劳断裂失效,其特点是失效前无明显的塑性变形就发生脆断,危害性不言而喻。常规无损检测方法对于已成形的缺陷能进行有效检测,但对于在役金属设备及构件疲劳的早期损伤,尤其是尚未形成微观裂纹和隐性损伤,难以实现有效的评估。然而,在工程实际中我们更希望对构件应力集中位置和构件的疲劳寿命进行预判,而并非发生破坏后再进行分析。磁记忆检测技术以其独特的检测理念,正逐渐被用在铁磁性金属构件早期损伤阶段的无损检测,但应用于高级别管线钢的疲劳检测,尚未见报道。需进行大量有针对性的试验研究工作。本文首先对化工机械行业常用材料Q345R进行静载拉伸试验下磁记忆信号检测的研究工作。针对目前国内部分学者认为磁信号并不能保证构件在零值点部位存在缺陷这一问题,本课题进行了深入探讨,并提出了较可靠的评判特征值。随后对预制缺口的X80管线钢平板试件在三级应力水平下进行了拉-拉疲劳试验和磁记忆信号检测,研究了整个疲劳试验过程中磁记忆信号的变化特征,分析了试件缺陷部位的判定方法,提出了量化试件疲劳损伤程度的特征量。试验分析表明:磁记忆技术能够检测高级别管线钢的疲劳损伤,但判别的准确性要受到加载条件和试件状况等因素的影响;磁记忆信号梯度值K可有效表征试件应力集中部位;梯度极大值Kmax随疲劳次数的增加而增大,反映了试件的疲劳损伤程度,在一定程度下可定量分析试件的疲劳寿命。此外,本文还将BP神经网络方法与试验数据分析结合起来,克服了单一技术的缺陷。结果表明将BP网络应用到试件疲劳损伤状态的识别是有效可行的。