导电结构件在航空航天、轨道交通、国防军工等领域应用广泛,为消除安全隐患,保障设备运行安全稳定,对导电结构进行及时可靠的检测具有重要意义。脉冲涡流和超声波检测是两种较成熟的无损检测方法,前者对导电结构表面和离表面较浅的缺陷检测能力强,但由于趋肤效应的影响,随着深度的加深,检测能力下降;而超声波检测存在表面检测盲区,较难检测表面和亚表面缺陷,更适用较深层的缺陷的检测。可见两者在检测深度上互补,而在对亚表面缺陷的检测上,两者均存在限制,并且目前也没有单一的检测方法能较好的解决亚表面缺陷检测问题,尤其是亚表面缺陷深度的定量问题。为此,本文着重围绕导电结构亚表面缺陷深度定量问题,研究脉冲涡流和超声波复合检测方法,具体工作内容如下:1)针对PEC/UT检测信号中包含的复杂混合噪声,研究信号消噪方法,给出了一种基于ABC-VMD消噪算法,将传统的VMD算法改进为基于能量的递归VMD算法,然后通过基于能量的人工蜂群算法对变分模态分解的层数和惩罚因子进行组合优化,获得最优模态分量,对信号进行重构。2)针对不同深度下,PEC/UT缺陷检测能力不同的问题,研究自适应特征权重分配方法,给出了一种基于统计分布和距离测度的特征权重融合算法,通过构建离散度模型和距离测度模型,计算特征的统计分布权重和距离测度权重。最后,利用D-S证据理论将两种不同算法的权值融合起来,获得最佳特征权重。3)针对单一检测方法无法满足导电结构件亚表面缺陷检测的问题,研究PEC/UT数据融合方法,提出了一种基于多准则权重优化的D-S证据融合方法,通过计算证据的信息熵、冲突熵和分布熵构建出可信度评价模型,合理地对证据权重进行分配,再对权重优化过程中产生的冗余概率进行重新分配,最后通过D-S加权融合获得联合概率分布和量化结果。