异种钢焊接技术在核安全端、压力容器等领域具有广泛应用,其焊缝质量对整个结构的安全具有重要的影响,焊缝中存在的缺陷对其质量影响极大。因此,对异种钢焊缝中存在的缺陷进行检测具有重要意义。常规超声由于其波束不能偏转聚焦,对于几何形状复杂的零件及各向异性较大的焊缝很难进行检测,超声相控阵作为一种新型的无损检测方法,弥补了常规超声检测的局限性,与常规超声相比具有较大的优势。基于此,本文以超声相控阵技术为手段,通过焊接异种钢试板并对其预制气孔、夹杂、裂纹三种不同的人工缺陷,从实验及理论方面研究了缺陷的超声反射回波信号,对不同类型的缺陷超声A扫信号进行了数据处理分析。研究结果表明:利用超声相控检测技术,根据检测结果发现这三种缺陷的扇扫描图像有一定的区分,在同一增益条件下,颜色较深的波幅较高,更容易被检。在检测夹杂缺陷时,超声A扫波幅较高,气孔及裂纹波幅较低。为进一步分析缺陷反射回波带有相关的缺陷信息,将缺陷超声A扫信号进行FFT(快速傅里叶变换)变换,根据结果得到,缺陷信号均分布在低频段,且不同缺陷的频谱分布有一定的差别。因此,对缺陷信号进行小波包变换,根据小波包变换处理结果,得出d B8小波基可以较好的提取各个缺陷的频带能量比例,为缺陷识别及分类提供了一定的基础。为进一步研究,将小波包分解频带能量比例进行了模糊聚类分析(FCM),研究结果表明,这三种缺陷具有一定的聚类趋势。为达到对缺陷进行识别分类,采用BP神经网络,神经元类型为8-10-3,学习率为0.01,训练误差为0.001,网络训练采用了80组数据,测试集有40组,最终BP神经网络识别分类的准确率为92.5%。后期采用了IBM SPSS MODELER数据挖掘方法,对小波包提取的能量比例作为模型的输入,根据小样本数据的分类结果发现决策树C5.0对缺陷超声A扫信号可达到98%,可用于超声相控阵检测结果的准确分类。综上,超声相控阵检测技术可以对异种钢焊接缺陷可以进行准确检测,利用d B8小波及数据挖掘技术可以对缺陷进行准确的特征提取及识别分类。