本课题以45号钢的盒形件为研究对象,通过对金属板材在拉深成形过程中产生的声发射(AcousticEmission,AE)信号进行研究,实现对复杂的拉深成形过程进行实时在线监测,进而对拉深件的成形状态进行识别。其主要内容和结果如下:　　 首先,本文介绍了AE检测原理,AE信号基本特征及裂纹AE信号的产生机理。在对拉深成形过程中拉深件变形分析的基础上,分析了盒形件的拉深特点以及拉深过程中产生的AE信号特点。并根据目前AE信号处理方法提出了金属拉深AE信号的采集方法和信号处理方案;　　 其次,介绍了基于负熵最大化的FastlCA算法的基本原理,采用独立分量分析(IndependentComponentAnalysis,ICA)法对金属拉深成形过程产生的AE信号进行处理,并结合FastICA_25的MATLAB软件完成对拉深件裂纹AE信号的分离;同时,根据时序建模所需要的条件,对分离出的拉深件裂纹AE信号进行预处理,以达到零均值、平稳性的要求;根据预处理后时序信号的自相关系数和偏自相关系数的特点确定建模类型为自回归-滑动平均模型,采用赤池信息量(AkaikeInformationCriterion,AIC)准则计算裂纹AE信号模型的模型阶数,并估计出模型参数,验证了模型的正确性。同时,通过MATLAB软件完成基于时序分析的特征参数提取;　　 再次,根据时序分析所提取的拉深件裂纹AE信号的特征参数建立模糊综合评判的隶属函数,以提取的特征参数-能量值为因素集,以无裂纹、小裂纹和大裂纹为评价集,以能量值的归一化值为权重集,并根据五种模糊综合评判模型对结果进行评价,按最大隶属度原则对评判结果进行处理,进而辨别拉深件是否有裂纹;　　 最后,为了验证研究的可行性,进行了拉深件成形质量的状态识别实验,并按照本课题的理论研究对实验中采集的实时数据进行处理和分析;得到无裂纹、小裂纹和大裂纹AE信号的特征参数及分布图,并分析了三种状态下各自的特点;根据提取的特征参数进行模糊综合评判,成功的识别出拉深件成形质量的状态。　　 研究结果表明:运用ICA法、时序分析法结合MATLAB软件数据处理的强大功能,能准确的提取出拉深件裂纹AE信号的特征参数;根据所提取的特征参数,运用模糊综合评判法能够准确的识别出无裂纹、小裂纹和大裂纹三种状态下的AE信号,达到成功识别拉深件成形质量状态的目的。