大型金属板壳结构作为飞机、船舶等大型装备的重要组成部分,其结构健康状况直接影响到装备使用安全。超声兰姆波具有对波导结构及其材料属性变化敏感的特性,可用于大尺寸板壳结构快速、远距离、大范围的缺陷检测和健康监测。在人工智能研究快速发展的当前,检测技术的智能化已然成为现代无损检测技术发展的趋势。本研究融合智能算法进行兰姆波检测信号参数化处理与缺陷定位算法研究,实现兰姆波信号信息的参数化提取和缺陷定位。主要研究内容包括:(1)构建超声导波频散及非频散信号参数化表征的汉宁窗调制Chirplet函数模型。受导波频散特性影响,汉宁窗调制脉冲激励信号下的检测信号同时具有包络频散和相位频散特性。采用双曲正切函数构建非线性相位调制项,提出1种基于非线性汉宁窗库的Chirplet模型和3种不同的非线性汉宁窗调制Chirplet模型:1)包络和相位非一致性非线性调制假设的9参数Chirplet模型;2)包络和相位一致非线性调制假设的7参数Chirplet模型;及3)中心频率稳定下包络和相位一致性调制假设的6参数Chirplet模型。从非对称率参数和相位偏导两方面分析了非线性相位调制参数对包络频散和相位频散特性的影响及其与A0和S0模态频散信号特征的关系。(2)提出一种基于自适应遗传算法和聚类算法的参数化兰姆波信号表征算法。基于所提算法和激光超声实验系统验证了所构建的非线性汉宁窗调制Chirplet模型的有效性。融合聚类算法和排序组合技术对自适应遗传算法进行改进,实现多波包弱叠加信号中各波包参数的同步提取;依据检测信号特征将Chirplet模型参数分为显式和隐式两种类型,对其采用不同的参数更新策略以提升算法的收敛性。所提算法具有鲁棒性好、收敛性快的特点。(3)完备信息下的参数化兰姆波缺陷定位算法研究。针对密集阵列中各检测点均能接收到缺陷回波信号的特点,开展完备信息下的参数化兰姆波缺陷定位算法研究。基于直达时间飞行原理和抵达时间差原理及多时间飞行法融合技术构建不同的缺陷定位分析函数模型,设计相应的智能分析算法。采用参数归一化组合的方式将直达时间飞行和抵达时间差函数模型组合,实现局部密集检测点下缺陷的定位。将统计分析和智能算法组合实现缺陷定位评估的参数化,增加了检测分析的实时性。研究中分析了路径筛选阈值、检测点数目对检测效果的影响。通过有限元和实验验证了所提模型及分析算法在基于密集阵列的过孔和通槽缺陷定位检测的有效性。(4)非完备信息下的参数化兰姆波缺陷定位算法研究。以稀疏阵列兰姆波缺陷检测为例开展非完备缺陷信息下兰姆波缺陷定位算法的研究,构建检测分析函数模型及智能分析算法。函数模型设计方面,基于非完备检测信息下缺陷信号与检测路径间的关系设计分析数据结构,建立个体关联检测路径数及检测路径相关残差均值两个分析指标,并采用直达时间飞行法筛选阈值控制分析的模糊性,实现不确定缺陷数目条件下的缺陷定位。智能分析算法设计方面,采用K-均值聚类算法和两个建立的分析指标设计种群个体筛选机制和更新机制;并通过相邻代分析个体间空间距离关系设计种群的多样性维护机制。通过有限元和稀疏压电片阵列检测试验验证了所提算法对单个和双缺陷的检测效果,分析模型参数对检测效果的影响。