离合器从动盘作为汽车离合器的主要零件,肩负着汽车动力传输的重要任务,所以提高从动盘的产品质量是保证汽车安全行驶的必要条件;但是,即使通过先进的电子束焊接技术实现的从动盘焊接,其缝中也不可避免的存在某些未知缺陷,这些未知缺陷将影响离合器的耐久性和可靠性,成为汽车行驶的安全隐患。所以本文以实际工程项目为依托,针对目前从动盘电子束焊缝缺陷的检测难题,结合先进的科学技术,研制了专用于从动盘电子束焊缝缺陷的超声自动检测系统。　　针对离合器从动盘厚度薄、焊缝窄、缺陷微小的结构特点,在分析电子束焊缝典型缺陷的基础上,探讨了五种无损检测方法在从动盘焊缝缺陷检测中的优劣,为避免目前从动盘人工缺陷检测中人为因素干扰严重、效率低、难以实现自动化等问题,以数字超声探伤卡为核心,计算机为基础,结合高频窄脉冲水浸聚焦探头,配合超声自动检测机械装置及PLC控制系统,并融合计算机、超声检测和机电一体化技术,研制出了适合于从动盘的超声自动检测平台,实现了从动盘超声检测的自动化、数字化、可视化和智能化,从而提高了从动盘焊缝缺陷的检测效率和检测精度,实践证明:该系统可有效检测当量尺寸大于等于0.4 mm的微小缺陷,满足实际缺陷的检测要求。　　为了降低缺陷信号的噪声干扰,保证缺陷特征的有效性,在探讨了噪声来源与传播途径的基础上,采用屏蔽与接地技术去除检测环境中电磁噪声对检测系统的干扰;针对材料的结构噪声和未完全屏蔽的电磁噪声利用小波分析技术实施去噪处理;在研究小波阈值去噪原理与方法的基础上,通过实验选择适合去噪的小波基函数、确定分解层数、对比小波与小波包变换的去噪性能,探讨了阈值处理方法选择对去噪结果的影响,最后得到了适合于从动盘焊缝缺陷信号的小波去噪方法。　　根据从动盘典型焊缝缺陷信号的特点,研究时频域缺陷特征的提取方法。在采集典型缺陷样本的同时,结合截取、去噪和归一化等预处理方法获得缺陷样本集,对实际缺陷样本集进行特征提取实验,以基于几何距离的可分性判据为评价标准,讨论了时域特征、频域特征和时频域特征在缺陷特征提取中的有效性,实验结果表明:时频域特征对于缺陷信号特征提取更有效。　　在有效提取缺陷特征的基础上,对缺陷的智能识别进行研究。首先研究了神经网络中典型的 BP神经网络的模式识别原理,并讨论其在缺陷识别中的局限性;为克服 BP神经网络随机初始权值阈值、学习时间长、易陷入局部最优解等缺点,采用遗传算法优化 BP神经网的初始权值阈值,并探讨了样本分配方法与实验参数,确定网络结构,最后进行缺陷识别实验,实验结果表明:基于遗传算法的 BP神经网络的平均缺陷识别率可达96.51％,平均训练次数仅为17.4次,有效减少训练次数,缩短学习时间,提高缺陷识别率。　　为了使超声自动检测系统的功能更加完善,利用MATLAB2010a软件的图形用户界面功能开发了界面简洁、功能灵活并具有良好人机交互能力的缺陷智能分析系统,可实现缺陷信号的数据处理、小波降噪、特征提取和智能识别等功能,增添了超声自动检测系统的实用性。