电磁声发射技术是一项基于声发射检测原理的无损检测新方法,它通过对金属材料的局部电磁加载激发缺陷部位产生声发射,进而实现对金属结构不连续的无损检测。本文以电磁声发射技术在非磁性金属板裂纹检测中的应用为主要研究内容,在理论研究与实验研究相结合的基础上,对电磁声发射信号进行了深入分析,并构建了电磁声发射信号的神经网络识别系统。首先,在分析电磁声发射激发原理的基础上,进行了电磁声发射缺陷检测实验。设计了脉冲大电流加载装置,并将其应用于铝板裂纹检测实验中,详细分析了检测条件、加载条件和试件类型的改变对电磁声发射信号的影响。其次,对电磁声发射信号的处理进行了系统研究,采用联合时频分析方法对电磁声发射信号进行处理,引入时频重排技术以便于有效地提取信号特征,同时深入探讨了小波包变换在电磁声发射信号处理及特征提取中的应用,并基于此提出了电磁声发射信号的预处理和特征提取方案,给出了电磁声发射信号的能量特征判据。最后,对电磁声发射信号的模式识别问题进行了研究,分别构建了BP神经网络和小波神经网络对电磁声发射信号进行识别,并提出了自适应优化输入特征向量的方法,以达到改进神经网络性能的目的。