纵梁是载重汽车底盘上重要的部件，纵梁的可靠性直接决定着运输过程中的稳定安全，纵梁通常用16Mn高强度热轧钢板经冲压弯曲成形和冲孔两道工序制成。在冲压折弯过程中，由于材质、应力等问题会使板材折弯处出现裂痕。研制一种智能检测系统来提高裂纹检测的生产效率和准确度。对于推动我国汽车工业的发展和实际生产都有重大的意义。 本文首先介绍了五大常规无损检测方法，依据纵梁冲压裂纹在线检测的实际工况，通过比较得出了电涡流检测方法的可行性。然后根据电涡流检测的基本原理，从电磁场理论中的麦克斯韦方程出发，结合裂纹的理想模型，从理论上证明了电涡流多频率多参数检测技术在纵梁冲压裂纹检测中的可行性。 在检测时由于传输过程中产生振动等干扰因素，从而产生幅度较大的提离干扰信号，这些干扰信号严重地影响了裂纹等缺陷信号的识别，致使缺陷漏检或误检。因此设法区分、抑制干扰信号，提离出裂纹缺陷信号是涡流检测纵梁裂纹的技术关键。通过选择合适的激励电源和传感器设计了涡流检测的硬件电路，课题选用了PCI-1711数据采集卡，并设计了反向放大电路和滤波电路来提高传输信号强度并滤出干扰信号。 通过传统仪器与虚拟仪器技术的比较。课题采用LabVIEW软件开发平台设计了测控系统，整个检测软件的控制程序采用虚拟仪器的图形化编程软件，用 LabVIEW 软件编程实现的检测系统，分析了数据与数据的处理系统，并设计了数据流的程序、程序设计流程图，给出了涡流信号采集的LabVIEW程序面板和程序框图。 在数据处理方面，采用改进的B-P神经网络对数据进行拟合，同常规B-P神经网络数据拟合相比，不但减小了计算量，节省了检测系统在检测过程中的计算时间，同时提高了数据拟合的精度。