近年来，汽车行业越来越多地使用高强钢来制造车身安全零部件，为了保证零件的安全性能，成形后的高强钢零件的基本力学性能（强度、硬度、残余应力、微观组织等）需要进行在线检测，而目前传统的检测方法如金相法、拉伸法等不仅测试周期长，且会对零件产生不可逆的损伤。为了实现汽车高强钢板零件力学性能的快速无损检测，本文提出了基于巴克豪森效应（Magnetic Barkhausen Effect，MBE）的无损检测方法。　　巴克豪森效应（Magnetic Barkhausen Effect，MBE）是指铁磁材料在交变磁场的作用下，内部的磁畴发生多种形式的翻转，而在钉扎的阻碍下，磁畴的翻转表现出阶跃式的运动特征，其结果是产生类似噪声的周期性电磁信号（Magnetic Barkhausen Noise，MBN）。为了实现基于MBN的高强钢板零件无损检测，不仅需要研究每种力学性能对MBN的影响，更需要分辨出MBN信号中不同成分与不同力学性能之间的关联性，并从微观进行解释，为此本文从宏观信号处理和微观数值模拟的角度进行了多方面的研究。　　通过研究材料对电磁激励信号的响应，及其MBN的信号特征，自主开发了MBN信号检测系统。针对MBN信号频率成分复杂，以及信号受多种因素影响的特征，在传统的时域分析的基础上，提出了针对MBN信号进行超分辨率谱分析和信号重构的多尺度信号处理方法。这两种方法为实现多种力学性能变量的检测奠定了技术基础。　　基于MBN信号的时域分析方法，本文针对硬度和弹性应力两大力学参数进行了研究。研究发现随着硬度的增加，磁畴翻转的阻力变大，导致MBN信号逐渐减弱。在研究弹性应力对MBN信号影响的过程中，发现随着应变（以拉应变为正，压应变为负）的增加，磁化率增加，导致MBN信号强度线性地增加。依据时域特征值和力学性能之间的标定曲线，可以实现各个力学性能的定量在线检测。　　在时域分析的基础上，使用基于AR模型的超分辨率谱分析方法，对MBN信号进行了离线的处理。结果发现随着硬度的逐渐减小，信号中的低频（15kHz以下）成分逐渐增强，而高频（15kHz以上）成分则逐渐减弱。弹性拉应力会导致低频成分增强，而高频的成分逐渐降低。这一方法极大地提高了MBN信号中的信息量，结合基于 Gabor变换的信号重构方法，则可以将具有相同信息的信号成分进行重组，建立起多个信号成分和多种力学参数之间的函数关系。　　为了从微观角度对MBN信号的宏观特征进行解释，本文采用Ising模型进行建模，使用Monte Carlo方法对磁化过程进行求解，模拟得到无量纲的MBN信号。数值模拟结果表明，随着应力的增加，MBN信号逐渐增强。同时还研究了钉扎对MBN信号的影响，发现模型格子中有钉扎时MBN信号比无钉扎时的信号强度弱。模拟的结果与实验结果吻合，从而提供了从微观角度研究MBN的数值方法。　　最后阐述了基于MBN的零件力学性能检测方法。通过实验数据标定和预测模型的设计，可以实现多种力学性能的实时在线检测。应用研究开发的MBN检测系统，对高强钢板热成形零件的硬度进行快速无损检测，结果显示该系统完全满足工业应用的需求。　　综上所述，本文结合宏观信号处理和微观数值模拟的方法系统研究了宏观力学性能对MBN信号的影响规律，开发了基于MBN对汽车高强钢零件的无损检测系统，从而解决了常规破坏性检测方法无法实现的快速和无损特性。