近20年来,世界性能源问题变得越来越重要,发展新能源汽车如电动汽车成为世界各国研究的重要命题。当今在电动汽车的设计理念中,一个最主要的瓶颈就是电动汽车的快速、高能、高效多次性重复蓄电。在蓄电组成部件中安全防爆装置是必须解决的难题之一,可以说一个小小的安全防爆阀已经困扰了电动汽车的发展。本论文所研究的薄片铝合金焊接件是高级电动轿车电池顶盖的防爆安全阀,作为新型汽车的能够得以正常运行的确保安全部件,一种能够应用于安全阀生产线上的检测方法就显得极其重要,本文的检测及诊断方法就此命题展开。文中所研究的防爆安全阀的焊缝比较微细,其焊缝缺陷的提取和识别具有一定的难度,为了更加准确的识别其缺陷,论文中首先对其进行电导率参数检测,利用电导率值的变化初步判断焊缝缺陷所在位置。在初步判定的基础上,借助于X射线实时图像检测手段,采用改进的三层前馈式BP神经网络对其进行缺陷的识别判断。同时结合工程的实际应用,文章的最后提出对其进行承压性能测试的检测流程。文中提出了对实际工件质量进行初判、细检和承压的一套较完整的检测工艺,为今后的实际应用奠定了坚实的基础。本论文的主用工作是辅以电导率检测实验结果以“打靶”方式进行安全阀有缺陷部分的图像采集,结合X射线图像的特点采用高效的图像处理算法,并提出合理的图像处理顺序,以二重信息确保被检测部件缺陷检测的准确性。运用改进的三层前馈式BP神经网络对获得的缺陷特征参数进行运算,实现焊缝缺陷智能识别。其中,在改进的前馈式三层BP神经网络结构中,网络的隐节点数目、动量系数、误差水平及步长等网络参数采用实验的方式获得最佳值。本论文采用VC++&MATLAB&Microsoft Office Access混合编程实现系统功能。系统及数据库的建立能够对焊缝参数和焊缝缺陷的图像处理奠定基础。