由于复合材料拉挤多腔板的结构复杂,采用传统的无损检测方式,如射线、超声、涡流红外等检测方式很难对复合材料拉挤多腔板的型腔结构进行缺陷检测。因此,本文设计了一种激振敲击检测方案,通过扫频信号发生器选择合适的敲击频率以及伺服驱动控制器控制激振器敲击多腔板型材来获得振动信号,避免了传统的力锤敲击法获得的振动信号存在严重失真的影响。对获取的振动信号进行平滑降噪处理后,提取特征作为评估模型的输入来进行多腔板的缺陷检测分析。结果表明,不同位置的能量特征可以作为一组极好的特征用于复合材料拉挤多腔板的缺陷检测。本文的工作内容如下:首先,针对复合材料拉挤多腔板的敲击检测,设计了一种复合材料拉挤多腔板敲击检测装置。该敲击检测方案利用激振器敲击多腔板型材,不仅克服了传统力锤敲击法存在的弊端,而且使得敲击检测复合材料拉挤多腔板获得的振动信号更加真实。通过振动传感器获得型材不同位置的振动响应数据,使用LMS Test.Lab分析型材振动的模态,对有缺陷及正常型材的多腔板激振检测数据进行分析对比。其次,针对激振检测多腔板型材获得的振动信号,引入了SG平滑滤波来消除振动信号由于激振敲击时的冲击惯性产生的高频冲击。对平滑滤波处理后的振动信号采用改进教与学算法的变分模态分解方法（简称DW-VMD）进行处理,相比较变分模态分解（VMD）、经验模态分解（EMD）,DW-VMD不仅避免了EMD对信号分解过多,信号断续无规律、模态混叠等影响,而且还具有更好的自适应性。对获取的振动信号进行平滑处理后,使用改进的变分模态分解方法选择最优的模态作为输入信号进行小波包特征能量提取。最后,为了解决复合材料拉挤多腔板在拉挤缠绕过程中导致的产品局部缺陷,提出了随机回归森林（RRF）与小波包变换（WPT）相结合的方法（简称RRF-WPT）,对复合材料拉挤多腔板进行缺陷检测定位的方法。将局部激振敲击检测的振动信号进行平滑、降噪处理后,使用小波包变换进行能量特征提取,并将归一化处理后的能量特征完成对RRF-WPT的训练和测试。实验结果表明,提出的RRF-WPT方法与其它经典的机器学习集成方法如自举聚合法（Bootstrap Aggregating method,简称Bagging）、回归树（Regression tree,简称RT）相比,随机回归森林提供了更鲁棒和更准确的定位方法。此外在这项研究中,随机回归森林将误差在5mm内的总体置信概率提高到90%,而回归树方法仅达到70%;相比之下,本文提出方法的定位精度提高了20%。实验结果表明,该方法对局部激振检测定位具有一定的可行性,可为企业提高生产效率、降低生产成本、增加企业的经济效益。