在核工业领域,核燃料闭式循环处理过程中需要特制的容器和管道对大量的核燃料/乏废料进行储存、溶解及输送。在此类容器、管道的服役过程中,会在焊缝等薄弱部位产生由内而外的腐蚀缺陷。随着这些缺陷的萌生、成长、扩展,可能会贯穿容器、管道,造成放射性物质的泄漏,对周围生物、环境造成长期的严重危害,事后处理工作危险、复杂且经济成本高昂。因此,需要采用适合的无损检测手段对其进行在役监测,保证服役安全。涡流检测方法具有不引入额外介质、易于实现自动化等优点,可满足典型核容器的特殊检测要求。但涡流检测法的检测深度有限、适用于工件表面或近表面缺陷的检测,对容器内壁缺陷的检测研究相对较少。为此,本文研究了改进型涡流检测探头对中厚壁核容器内壁缺陷检测的适应性与准确性,开发了面向在役核容器内壁缺陷的自动化涡流检测装备原型,并根据信号特征进行了缺陷定位与重构研究。本文的具体研究内容如下:首先,采用COMSOL Multiphysics多物理场耦合仿真分析软件仿真分析了本文所采用的矩形激励线圈的激励磁场和被测试样内感应涡流场、感应磁场的分布规律及激励线圈电压、提离高度、激励频率、材料属性对于感应涡流渗透深度的影响。其次,分析了涡流检测阻抗图的形成过程,并对检测信号进行了降噪、特征提取处理;并进行了不同检测参数、缺陷参数、材料参数的工艺实验,分析了不同参数对于涡流检测信号特征值的影响。最后,提出了基于涡流检测信号特征和神经网络预测模型的缺陷重构与定位方法,并对设计的人工缺陷试样进行了重构与定位,验证了缺陷重构与定位方法的有效性和准确性。研究结果表明:矩形激励线圈在被检测试样内感应产生的涡流场均匀、集中、渗透深度较大,适合于中厚容器内壁缺陷的检测。针对典型核容器的模拟试样,最优的检测参数为检测频率5 k Hz、激励线圈电压9.6 V、探头提离高度1 mm、扫查速度44.8 mm/s、扫查方向与缺陷垂直;通过对涡流检测得到的阻抗图进行特征解析,可以准确的得到缺陷宽度、深度的变化情况;对于溶解器、管路采用的不锈钢、锆基合金等非铁磁性材料,影响涡流检测效果的主要因素为试样电导率的差异,对于核燃料储罐采用的铁磁性材料,需要进行磁饱和处理,提高检测深度与准确性;设计了多种缺陷深度、宽度预测模型,其中基于BP神经网络的缺陷深度、宽度预测模型的预测结果最准确;对于多个人工缺陷进行了定位重构分析,相对误差均在允许范围之内。