碳纤维增强复合材料(CarbonFiberReinforcedPolymer,CFRP)广泛应用于各大工业领域,其生产和制造技术已经成为我国战略新兴产业的重要支柱之一。然而,关于复合材料疲劳损伤检测的研究至今仍缺乏成熟的理论体系。因此,对于CFRP检测方法的研究受到了广泛的关注。本文针对该材料,结合电磁检测方法与人工智能理论,旨在实现全时、原位、多点缺陷检测。经过对CFRP电学特性的研究发现,其内部参数分布沿不同方向存在明显差异,这种各向异性特征是对CFRP进行结构缺陷及疲劳损伤检测的主要障碍。通过改变激励-测量相对角度获取不同方向阻抗特征是解决各向异性材料电磁检测的有效方法。在此基础上,本文设计了角度敏感的电磁传感器阵列,通过分时分次激励不同位置线圈的方式,在不移动传感器线圈位置的前提下,达到对平纹编织CFRP进行缺陷检测的目的,解决了缺陷检测系统多点、原位检测的需求,并避免了一部分由于移动时造成的噪声干扰。接下来,构建了平纹编织CFRP板材和角度敏感电磁传感器阵列的仿真模型,通过模拟现实中板材出现的不同种类的缺陷损伤,使用阵列传感器采集大量缺陷数据,建立缺陷数据库。然后,将深度学习思想引入到检测系统中来,利用之前建立的缺陷数据库中的训练集数据训练自编码器网络。网络训练中,引入RBM思想,分别逐层训练单层网络,再由链式法则将其连接,组成一个深层网络。整个网络由编码器部分提取CFRP缺陷特征,并经过Softmax分类器将数据分类。最后,用缺陷数据库中的测试集数据对训练好的网络进行验证。实验结果表明,自编码器通过提取CFRP缺陷的数据特征不仅对缺陷有很好的辨识能力,而且可以应用于缺陷分类,效果良好。