涡轮叶片作为航空发动机重要组成部件,在高温、高压和高应力的工作环境下易产生热腐蚀,危及飞行安全,只采用冷却技术及优化涡轮叶片加工工艺等方法,难以全面保障飞机的安全性,而热障涂层可显著提高涡轮叶片的耐高温性、耐氧化性、耐磨损性等性能。本文从电涡流测厚理论出发,建立了平面及两种曲面状的热障涂层构件涡流测厚仿真模型,优化了线圈传感器和激励系统参数,研制了弹压式涡流测厚探头,分析了热障涂层厚度对电压幅值的影响规律,研究了多频多参数法和BP神经网络法的热障涂层厚度反演方法,实现了热障涂层厚度的有效测量。通过建立平面及两种曲面状的热障涂层构件涡流测厚有限元仿真模型,分析线圈尺寸及激励系统参数对涡流测厚探头测量灵敏度的影响,仿真结果表明:对于热障涂层平板和曲面构件,感应电压变化值和涂层影响相对变化量的变化趋势大致相同。结合仿真优化的结果且避免涡流测厚探头的提离效应对测量结果的影响,研制了弹压式涡流测厚探头,并且分析了涡流测厚探头在不同涂层厚度规格下的信号响应。针对热障涂层厚度之间的线性关系展开研究,分析了热障涂层厚度对电压幅值的影响规律,研究了一种反演热障涂层厚度的涡流测量方法,即多频多参数法,分析不同测量频率及热障涂层厚度下的涡流测量信号,通过电压幅值分辨率和电压幅值与陶瓷层厚度拟合函数的相关系数,选取两个最佳激励频率150k Hz和250k Hz反演热障涂层厚度,将热障涂层厚度的反演结果与扫描电镜测量结果进行对比,粘接层反演结果的最大相对误差略大,对其进行了分析研究,而陶瓷层反演结果的相对误差小于10%,在工业测量误差的允许范围内,实现了陶瓷层的有效测量。采用Python语言编写了BP神经网络算法程序,并且结合HTML语言设计了热障涂层测厚软件,通过BP神经网络反演法对热障涂层厚度进行测量,将反演结果与扫描电镜观测结果进行对比,粘接层和陶瓷层的相对误差分别小于10%和5%,均在工业测量误差的允许范围内,验证了BP神经网络法可对热障涂层厚度进行高精度测量。