船舶焊缝的焊接缺陷是安全航行的重要隐患，涡流传感器可有效用于检测焊接裂纹，根据测量结果对焊接缺陷进行评估分析，以保证船舶安全航行的可靠性。涡流传感器的检测性能对检测结果有至关重要的影响，因此对涡流传感器的检测性能进行深入地分析和研究具有重要的现实意义。本文从涡流传感器的工作原理出发，针对如何有效提高涡流传感器的检测性能从涡流传感器静动态特性的建模与补偿、涡流电磁场有限元仿真分析两方面入手开展研究，相关工作包括：1）为了获取涡流传感器实际的静态特性和动态特性，分别采用BP神经网络和函数链神经网络建立涡流传感器的静态模型，采用RBF神经网络、LS-SVM和GA-LS-SVM建立涡流传感器的动态模型，并对不同方法的建模效果进行分析比较，根据不同的要求选择合适的建模方法。2）在涡流传感器静动态模型的基础上分析其静动态特性。针对静态模型中明显的非线性特征，采用在传感器后面串接补偿环节的方法进行非线性补偿，补偿环节为传感器的逆模型，该逆模型分别由BP神经网络和函数链神经网络方法获得，两者都取得了良好的补偿效果；为进一步改善传感器的动态检测性能，分别采用超前校正和神经网络逆模型（RBF神经网络和LS-SVM）两种方法对涡流传感器进行动态补偿，比较了不同方法的优缺点。3）基于Ansoft Maxwell软件建立了涡流传感器的有限元仿真模型，分析了涡流传感器在检测过程中的影响因素，提取了缺陷存在时的不同坐标轴上的磁场分量，并对特征量进行了分析，找出了缺陷长度、深度和埋藏深度与坐标轴特征量的对应关系，在此基础上能够判断出是表面缺陷还是内部缺陷。为缺陷的定量分析和分类提供了有价值的参考。本文完成的是涡流检测系统样机开发，尤其是在其数据处理和仿真分析方面开展的前期研究工作。由于时间紧、任务重，相关研究工作还有不少地方需要进一步完善和深入，今后研究的重点在本文结论部分进行了说明和补充。