在铁路工业领域的制造过程中,越来越多地要求对关键部件进行有效准确的无损检测,而超声检测技术是最适合进行自动化检测的无损检测技术。超声检测技术的研究主要体现在检测方法和对超声信号数据的处理分析两方面。随着超声检测方法研究不断取得进步,如何利用现代信号处理技术与模式识别技术对信号数据进行合理的处理分析显得尤为重要。其中超声信号的特征提取与特征选择问题是对缺陷进行定量识别的关键性问题。本项研究以转辙机的关键部件—动作杆为研究对象,综合利用常用统计特征与数据挖掘方法,对超声缺陷回波信号的特征提取及缺陷回波特征数据集的降维问题重点开展了研究,并提出了转辙机动作杆自动检测系统的总体设计方案。开展的具体研究工作内容和获得的主要结果如下1)在介绍检测试件结构和超声检测基本原理的前提下,搭建超声质量检测实验系统,分别对两种缺陷的人工试件的超声回波信号数据进行采集、保存和分析,提出选择合适的信号处理方法来实现缺陷特征的提取对提高缺陷的检测与分类能力的必要性。2)应用连续小波变换理论判断超声检测信号缺陷的存在位置；论述了小波包变换(WPT)和经验模态分解(EMD)的基本理论,对比分析将两种方法应用于超声检测信号分解中的特点。3)在分析常用超声信号特征基础上,实现对缺陷超声信号的特征提取和缺陷特征数据集的降维：分别采取EMD和WPT的方法对原始缺陷超声回波信号进行分解,并提取各分解信号、原始信号及原始信号的包络谱信号的8个特征参数,组成独立特征组1、2、3和4。取两种人工缺陷样本数各40,计算了独立特征组,构建缺陷特征数据集,并用主成分分析(PCA)方法实现特征集的降维。4)为了满足当前转辙机动作杆出厂时的在线质量检测需求,提出了超声白动检测系统总体方案的设计。利用虚拟仪器技术的软件平台,设计基于模块化的上位机软件系统,主要分为原始数据采集模块和离线数据处理模块两部分。研究表明,超声回波信号中含有大量的有关检测对象的信息,故如何通过适当的信号处理方法来实现缺陷信号的特征提取获得新进展,及如何在数据集挖掘算法研究中将缺陷特征集有效降维并实现缺陷定量识别,将是超声检测缺陷模式识别领域开展研究上作的重要方向。