洁净钢的生产代表着钢铁生产的重要方向之一，夹杂物是影响钢材洁净度的 重要因素，目前钢铁企业还没有建立起对连铸坯进行内部夹杂物评价的手段，所 以实现连铸坯内部夹杂物(宏观洁净度)的全面快速超声评价具有重大的意义。 本论文结合理论分析和实验研究，对连铸坯清洁度超声检测的机理、方法和 实验装置进行了初步的研究，得到了一系列有意义的结果，主要工作结果如下： (1)采用DPSM方法对聚焦换能器在铸钢样品中的声场分布进行了模拟计 算，结果表明：在深度为20mm～80mm之间的范围内，7.5MHz换能器的聚焦声场 声压回波信号在10mV～4mV之间；1OMHz换能器的聚焦声场声压回波信号在 15mV～4mV之间；15MHz换能器的聚焦声场声压回波信号在15mV～1OmV之间；其 中15MHz换能器的声场能量聚积效果最为显著。 (2)设计制作了最小位置编码单位达25μm的实验系统机械扫查平台，实 现X、Y、Z方向上3个自由度加2个弧摆自由度的高灵敏度凋节，满足与夹杂 物尺寸相匹配的横向分辨力要求；设计制作了对300kg重硫印样品实施检测的液 浸检测机械装置，装置空间重复定位精度≤±O.10mm，最大运动速度≥500mm/s。 (3)对于20MHz的高频聚焦声场检测连铸坯多晶体样品，可实现厚度毫米 级的样品的检测，采用标准伤法进行灵敏度调整，声强级差调整量和灵敏度存在 指数关系，和灵敏度有效深度存在近似线性的关系。 (4)7.5MHz～20MHz之间的聚焦声场是有效的连铸坯夹杂物检测频率范 围，20MHz聚焦声场可以对厚度4mm的样品，实现最小尺寸100μm夹杂物的 检测；15MHz以下的聚焦声场可以对厚度70mm的样品，实现最小尺寸达160μm 的检测，样品内部夹杂物之间有明确的类比当量关系，该当量关系取决于夹杂物 的形态、位置和样品的衰减系数。 (5)提出了一种基于小波分析的采用神经网络对连铸坯内部缺陷进行分类 识别的新方法，该方法采用coif3小波滤波器，对缺陷信号进行5层分析处理， 并在d5尺度上提取缺陷位置的高频分解信号序列，以此来反映缺陷信号的内部 特征。将该高频分解信号序列的数据作为输入样本，对神经网络进行训练，经过 足够周期的训练，当概率神经网络和学习矢量量化网络在竞争层神经元为6、8、 16的结构时，分类效果最佳，正确率可达70％以上。 关键词：超声检测，夹杂物，连铸坯，C扫查，定量评价，信号处理，小波滤波， 神经网络