用于缺陷可视化的成像算法在基于兰姆波的无损检测和结构健康监测研究中发挥着重要作用。在经典算法中,缺陷的位置或分布是通过映射来定位的信号从时域到结构的每个离散空间网格的幅度或相位信息。是的耗时的。本研究首先分析了椭圆成像算法的多样性、统计性和模糊特征;然后,提出一种基于演化策略和K均值的智能缺陷定位算法。缺陷的位置可以通过观察个体的分布来识别。该算法包含数据结构设计、自适应种群筛选、自适应种群繁殖、多样性维持机制和截止准则等6个部分。考虑到检测中的统计和模糊特征,我们的算法定义了几个特定的输入参数,例如距离相关筛选阈值、路径相关残差和路径无关残差。为了在分析中保持个体的多样性,我们对进化策略做了两处调整:一是用K-means算法优化种群筛选和繁殖步骤,二是在进化策略中加入多样性维持方法。通过数值模拟和实验验证了所提智能缺陷定位算法的有效性。数值研究表明,所提算法在检测不同形状和尺寸的缺陷方面具有可靠的性能。在实验研究中,我们证明了所提算法的效率比椭圆成像算法快约200倍。通过分析参数设置对检测的影响,研究了算法的最优参数设置。