本文综合运用小波变换技术和神经网络技术，给出了直接通过激光激发Lamb波信号来评价多层复合板粘结层粘结特性的方法，该方法不需要知道Lamb波在传播过程中各模式的群速度等参数。本文首先对三种粘结界面(即刚性界面、滑移界面和弱界面)进行分类，其次对弱界面情况下的粘结层弹性常数进行数值反演。本文同时给出了三种粘结界面的工程分类标准，并论证了这种分类标准的合理性。 双层板本征函数展开法(NME)被用来分析激光超声导波在双层复合板中的传播特性，并根据瞬态导波的数值模拟结果为基础建立了瞬态Lamb波的样本库，作为神经网络分析的样本数据库。小波变换(WT)技术用来对信号进行预处理。预处理的主要目的是获得瞬态波形信号的特征量，这样做的另一个好处是可以大大降低神经网络的规模。预处理得到的信号特征向量经归一化后被直接作为神经网络的输入数据。稳定而精确的分类和反演结果证明了这种评价方法的有效性。分类的平均成功率达到了95％以上，对弱界面弹性系数的反演能够达到非常高的精确度，特别是当反演的弹性系数的动态范围在(ken，10ken)和(ket，10ket)区域内。 第一章介绍了本文的研究背景及主要研究内容，指出了多层复合材料的优点，说明了激光超声导波在检测粘结层粘结状态方面的有效性。本章对小波变换技术和神经网络技术的发展历史和应用优势作了详细说明。 第二章介绍了双层粘结板中导波传播的基本理论，指出了中间层(即粘结 层)的存在对导波特性的影响，分析了双层板本征模式及色散关系，并完整地介绍了双层板本征函数展开法，在此基础上给出了双层粘结板中传播的瞬态导波的数值模拟结果。第三章对实验装置进行了详细的介绍，分别给出了硅胶(Silica Gel)和VHB—F9460胶作为中间层粘结介质时的实验结果。 第四章对双层粘结板粘结特性的工程分类标准作了研究，并对得出的分类标准从瞬态波形、色散曲线和时频变换结果三个方面进行了比较论证。 第五章详细研究了双层粘结板中间层粘结特性的分类和弹性系数反演技术。本章对小波变换技术和神经网络技术进行了介绍，并详细介绍了如何利用小波变换技术提取Lamb波信号的特征，形成特征向量作为神经网络的输入。该章还对不同参数下的神经网络的性能作了比较研究，以确定最佳的网络参数。最后给出了理论数据和实验数据两种输入状态下的网络分析结果，即双层复合板粘结特性的评价结果。 第六章对全文作了总结。