本文由国家自然科学基金项目(51175466)“微弱冲击信号的识别与提取技术研究”资助,对核电站中松动件的检测、松动件的质量估计以及松动件定位方法进行了研究。第一章：阐述了核电站松动件检测和相关研究的背景和意义,综述了现有松动件监测系统(Loose Part Monitoring System,LPMS)产品的功能和特点。分析了质量估计和定位分析的研究现状。最后,给出了本文的研究内容和整体框架。第二章：提出了基于特征向量算法(Eigenvector Algorithm, EVA)的冲击信号提取方法。分析背景噪声和冲击信号频谱分布,给出了EVA算法对冲击信号的提取原理。实验验证了该算法的可行性,且效果不受脉冲信号干扰。第三章：构建一种基于随机森林回归的估计方法。分析了松动件的质量和冲击信号频谱分布之间的关系,采用等比分段方法提取冲击信号在频域上的能量分布特征,将该特征值作为随机森林回归模型输入,实现松动件的质量估计。实验结果表明,该方法实现了对松动件的质量较为准确的估计。第四章：基于三角形定位法和核密度估计算法,开发了一种基于多个传感器的松动件跌落点的定位方法,有效地解决了三角形定位法在多个传感器环境中存在多个交叉点而无法定位的问题,并能有效地综合各个传感器的检测结果,实现较为准确的定位。第五章：介绍了基于Matlab GUI的松动件检测和分析系统设计方案,开发了松动件检测、质量估计和定位三个模块所组成的松动件检测和分析原型系统。第六章：总结了全文研究内容,展望了今后的研究方向。