以石墨电极和活塞杆为典型代表的直杆类零件现已广泛应用于冶炼加工、交通运输、机械制造等领域,此类零件产量巨大且易在生产制造过程中产生缺陷,进而对服役过程的可靠性和安全性造成重大影响。因此常用无损检测的方法来保障产品的安全性能,降低经济损失。现有的检测手段多基于手工操作与人工经验,例如石墨电极采用人工敲击产生的低频声振信号进行检测,活塞杆采用超声信号进行判别。但此类方法检测成本高、漏检率大,且难以满足日益增涨的产量规模。因此,本文基于声信号检测中特征信号的处理与识别、工艺参数选择等共性问题的研究,分别针对石墨电极与活塞杆进行了声信号自动检测与应用研究,具体内容如下:(1)关于石墨电极低频声信号自动检测的研究:对于自动检测时声信号中缺陷部分特征提取和识别困难的问题,建立了石墨电极缺陷检测系统并进行实验分析,采用谱减法和端点检测技术对声信号进行滤波处理;采用一种基于功率谱的时频分析方法提取成品和废品的特征参数持续时间t,功率谱总面积s1及部分面积s2、共振峰峰值f、峰度k进行对比分析,结果表明成品和废品之间的特征参数区分度大能够用作识别的依据。最后采用BP神经网络和贝叶斯判别分析对成品和废品石墨电极进行识别,结果表明在小样本的情况下,贝叶斯判别分析的准确率较高达到了97.5%,在样本多的情况下BP神经网络的准确率较高,达到了98%;同时分析了检测过程中敲击力和敲击位置对检测结果的影响,发现敲击力对共振峰频率值基本无影响,而敲击位置容易造成共振峰频率值的偏移,应该选择石墨电极中心位置进行声信号自动检测。(2)关于活塞杆超声自动检测的研究:首先对自动检测工艺参数进行了分析,研究探头参数、扫查方式、耦合方式的选择对超声检测中缺陷信号的影响。结果发现探头参数选择K值为1、探头频率为2.5Mhz、晶片直径在13mm时的缺陷信号回波幅值高、容易判别缺陷;同时通过理论计算与实验分析,发现采用一次波锯齿形扫查可以提高检测效率;利用小波降噪的方法对活塞杆未熔合缺陷进行降噪处理,结果表明采用启发式阈值小波降噪方法能够有效消除信号中的草状回波;采用回波幅值判别法,通过设定判别阈值可以实现合格状态的判别,并利用缺陷重构技术对缺陷大小进行二维投影重构,重构结果和实际结果大致相符。最后结合实际生产环节,设计了一套自动化超声检测系统,从而为企业自动化检测方案提供参考依据。