1.自动化超声相控阵检测装置的检测方法，其特征在于，所述自动化超声相控阵检测装置包括移动座、超声相控阵探头、换能器、探头夹紧架、轮式编码器、相控阵控制器，探头夹紧架设于移动座，用于装夹超声相控阵探头；

所述超声相控阵探头包括金属探头和滤波器，金属探头通过换能器与相控阵控制器连接，金属探头用于发射超声波束；金属探头具有压电晶片阵列，压电晶片阵列的各压电晶片独立工作，用于对超声波束进行偏转和聚焦；滤波器固定安装于金属探头的底部，用于对偏转后的超声波束进行滤波，滤波后的超声波束对待测工件进行缺陷扫描检测；所述滤波器还用于对缺陷扫描检测后反射的目标超声波束进行滤波，滤波后的目标超声波束通过换能器控制压电晶片阵列进行聚焦，聚焦后的超声波束通过换能器转换为电信号并输入相控阵控制器；相控阵控制器根据接收的电信号转换为检测图像；

所述轮式编码器设于移动座，用于记录超声相控阵探头在待测工件上的扫描位置信息，并传输至相控阵控制器，以判断缺陷扫描检测区域是否完全覆盖待测工件；

所述检测方法包括以下过程：

将待测工件的尺寸参数输入相控阵控制器，相控阵控制器控制移动座运动，并控制金属探头发射超声波束，通过换能器和压电晶片阵列控制超声波束的偏转、扫描并聚焦扫描回波的超声波束，通过换能器将聚焦的超声波束转换为电信号并传输至相控阵控制器，相控阵控制器将电信号转换为检测图像；同时，轮式编码器记录金属探头在待测工件上扫描过的位置信息，并传递至相控阵控制器；

所述相控阵控制器将电信号转换为检测图像，包括以下步骤：

（1）通过特征池化的方式对电信号进行特征提取，从时域、频域和时频域三个角度提取缺陷的特征参数，分别得到时域特征参数、频域特征参数和时频域特征参数；

（2）将时域特征参数、频域特征参数通过加权的方式融合得到特征参数f1，再将特征参数f1与时频域特征参数通过特征选择的方式进行融合，得到特征参数f2；

（3）通过基于遗传算法优化的BP神经网络对特征参数f2进行智能识别，识别缺陷的种类和位置后转化为图像；

所述步骤（1）中，从时域、频域和时频域三个角度提取缺陷的特征参数，包括：通过分析电信号的波形特性进行时域分析，得到时域特征参数 ；

采用快速傅里叶变换将电信号转换到频域，再在频域对信号的频谱进行频域分析，得到频域特征参数fb；

采用四阶Daubechies小波函数对电信号进行三层小波包分解，得到八个频段信号Sj，j取值为1至8的整数；之后计算各频段信号对应的能量Ej，提取时频域的特征能谱Tj并通过特征选择得到时频域特征参数fc；

；

；

其中，Sj(t)为t时刻的频段信号Sj的信号值， 为频段信号Sj的第k个离散点的幅值，k取值为1至N的整数，N为频段信号Sj离散点的总数；

所述步骤（2）中，特征参数f1为：

；

其中， 和 分别为时域特征参数和频域特征参数的权重；

将特征参数f1与时频域特征参数通过特征选择的方式进行融合得到特征参数f2的过程包括：将特征参数f1与时频域特征参数fc组合，得到特征向量f=（f1，fc），并对特征向量f进行标准化处理：其中，J为关于特征向量f的代价函数， 为代价函数J在特征向量f的变化量， 为特征向量f的权重变化量；

计算代价函数J的Hessian矩阵H：

；

对矩阵H进行特征值分解，得到两个特征值及其对应的特征向量，取较大特征值对应的特征向量作为目标特征向量，将特征向量f投影至目标特征向量，得到特征参数集；将特征参数集构成的特征向量替换特征向量f，循环上述过程，得到新的特征参数集；直至累计的特征参数集的特征参数数量达到目标特征参数数量，即得到特征参数f2。

2.根据权利要求1所述的检测方法，其特征在于，所述步骤（3）中，基于遗传算法优化的BP神经网络为：通过遗传算法对BP神经网络的初始权值和阈值进行优化，并采用Levenberg‑Marquardt算法训练BP神经网络。

3.根据权利要求1或2所述的检测方法，其特征在于，在显示检测图像后，相控阵控制器计算出轮式编码器输入的金属探头在待测工件上扫描过的位置信息，再结合待测工件的尺寸参数，判断是否存在未扫描区域；若是，则控制移动座行驶至未扫描区域进行缺陷扫描检测；若否，则相控阵控制器控制移动座停止运行，检测完成。

4.根据权利要求1所述的检测方法，其特征在于，所述超声波束偏转的实现方式为：压电晶片阵列的压电晶片从左向右依次增加激励的延迟时间，使延迟时间为等差数列，从而实现超声波束偏转。

5.根据权利要求4所述的检测方法，其特征在于，所述超声波束聚焦的实现方式为：换能器激励压电晶片阵列左右两端的压电晶片，然后沿着压电晶片阵列中心位置的方向，不断增加延迟时间来对其它压电晶片依次激励，形成一个指向目标曲率中心的波阵面，从而实现超声波束聚焦。

6.根据权利要求1或4或5所述的检测方法，其特征在于，所述待测工件为碳纤维复合材料。