焊接结构经常在高温、高压、高腐蚀的工况条件下工作，因此在焊缝及其热影响区位置容易形成应力集中区域，易发生腐蚀、疲劳、蠕变过程，给我们的财产及生命带来巨大的危害。对于常规无损检测方法而言，其无法发现早期的应力集中。金属磁记忆检测技术作为最有前景的无损检测技术，不仅可以检测出试件宏观缺陷，而且还可检测出应力集中区及早期的损伤，可以避免由于早期损伤对设备造成的安全隐患问题。但由于失效形式多种多样，造成焊缝缺陷处磁记忆信号具有较大的离散性，为了判断构件的实际损伤程度，在实验基础上引入优化算法对焊缝缺陷等级进行磁记忆定量化研究。本文进行了焊缝的疲劳试验，设计了Q235B和Q345R两种母材的焊接试件，预制未焊透和夹渣两种缺陷类型，对比两种缺陷的磁记忆检测结果发现，夹渣试件的磁记忆信号在一定范围内小幅往复振荡，未焊透试件的磁记忆信号则表现出剧烈的波峰和波谷起伏；结合X射线检测和磁记忆检测对照分析，获得焊缝损伤临界状态磁记忆信号特征规律，并进一步将焊缝损伤演化状态分为四个等级，即正常状态、应力集中、隐性损伤和宏观损伤。由于磁记忆单一特征值无法准确的将焊缝缺陷等级区别开，所以选取五维特征向量，即峰峰值(?)Hp、梯度值k、梯度极限状态系数K max/Kavemm、区域强度变化微分值Hp x和能量值Hp x，分别建立BP神经网络和遗传算法优化的BP神经网络模型，通过训练误差和测试误差的对比分析发现BP神经网络模型由于受到随机的初始权值和阈值等参数的影响，预测结果不稳定，而采用遗传算法对BP网络的初始参数进行优化，预测结果更加稳定，误差最小。因此选用遗传优化的BP神经网络模型，对焊缝等级进行磁记忆定量化评价研究，为实际工程中焊缝缺陷等级评定提供新的科学依据。