热障涂层能够提高叶片的工作温度,其具有热障和防护作用,被广泛应用在航空发动机叶片上。由于长期在高温恶劣环境中,热障涂层的陶瓷层会逐渐损耗减薄,导致涂层的热障能力减弱。因此,热障涂层厚度的无损检测成为目前尚需解决的关键问题。太赫兹时域光谱技术具有非接触性、高分辨率和极强的非极性材料穿透性等优点,使得其在无损检测的应用日益广泛。因此,本文基于脉冲太赫兹时域光谱技术,开展了对热障涂层厚度的无损检测研究。文中以多层涂层的太赫兹信号,结合飞行时间、优化算法和神经网络,对热障涂层厚度检测方法进行了研究。主要研究成果和创新内容体现在以下四个方面:根据太赫兹波在不同介质中的传播规律,结合Rouard等效界面理论建立了多层涂层的太赫兹信号解析模型。考虑到实际涂层粗糙表面的散射效应会影响太赫兹信号,将Kirchhoff近似理论引入模型量化粗糙度散射效应的影响。实验结果表明,相较于未考虑粗糙度影响的模型,修正后模型与实验信号的相对误差由2.4%下降为1.3%,提高了模型精度。研究了基于飞行时间的热障涂层厚度检测方法。基于太赫兹信号解析模型分析了不同涂层参数对太赫兹仿真信号的影响。依据太赫兹信号解析模型,仅需从热障涂层太赫兹检测信号中便可实时获得其折射率;最后,开展了热障涂层的厚度测量实验,结果表明测量误差范围在1.38%～8.49%之间。研究了基于解析模型和群智能优化算法的热障涂层厚度检测方法。针对测厚过程中算法易陷入局部最优和收敛速度较慢的问题,改进了标准Kent混沌映射,改善了初始种群多样性;基于步长调节优化和次优个体优化改进教阶段与学阶段,提出了自适应教与学优化算法,提高算法寻优精度和效率。随后,将该算法与太赫兹信号解析模型结合,建立了涂层厚度求解方法。实验结果表明,最大测量误差小于2.5%。研究了基于Elman神经网络的热障涂层厚度检测方法。本文用仿真信号训练神经网络,解决了热障涂层制备成本高且难以标定厚度等参数的问题。首先,利用太赫兹信号解析模型生成热障涂层太赫兹仿真信号;然后,使用主成分分析预处理仿真信号,以训练Elman神经网络,提高训练速度;最后,使用训练完成的神经网络实验测量热障涂层厚度,最大测厚误差仅为3.92%。