脉冲涡流检测技术主要用于检测亚表面及多层金属结构缺陷。脉冲激励与金属结构缺陷之间发生相互作用，在探头中引起的瞬态响应信号包含大量的缺陷信息，使之具有快速定量检测缺陷的潜力，但也增加了对响应信号解释的难度。评述了脉冲涡流瞬态响应的计算、提离噪声抑制等方面的国内外研究进展，分析了脉冲涡流检测技术的发展方向。

人工制作了疲劳裂纹试样，利用一种小波分析方法对采集的疲劳裂纹涡流检测（ECT）信号进行了去噪顸处理及信号特征提取，通过破坏性检测方法获得了裂纹的真实形状．在建立疲劳裂纹参数化模型的基础上，利用经过处理的裂纹ECT信号与裂纹形状参数样本库对径向基函数（RBF）神经网络进行训练．采用遗传算法，通过创建大量表示裂纹形状参数个体的初始种群，输入经过训练的神经网络，得到对应的ECT预测信号；然后运用改进的遗传策略进行迭代反演优化，对裂纹形状最优解进行搜索．重构结果表明该方法具有快速、精确的优点．

采用一种基于Maxwell方程组、矢量磁位和空间解域截取的级数展开快速计算方法,导出级数形式的导电板上方通电线圈阻抗变化表达式;通过设定适当的解域截取半径和级数求和项数,可以在保证计算精度的同时提高计算速度。在多种线圈激励频率下,分别采用级数展开法与有限元仿真法,对线圈的阻抗变化进行了计算,两种方法的计算结果非常吻合,相互验证了两种涡流检测计算模型的正确性。