石油和天然气是非常重要的能源和化工原料,对于人们的日常生活、工农业生产、国民经济发展和国防建设都有着举足轻重的作用。由于石油和天然气是属于易燃、易爆类危险品,因此在运输过程中需要特别注意其运输安全。管道运输由于其安全性好、可靠性高、性价比高等特点逐渐成为了石油和天然气最主要、最常用的运输方式。而随着管道服役年限的增加,其发生腐蚀、泄露的可能性也随之增加。为了维持管道的运行状态良好,需要对其进行定期检测与维护,以防止泄漏等事故的发生。目前,常用的管道的无损检测技术主要包括:漏磁检测、涡流检测和超声检测等。漏磁检测由于其对于检测环境要求低、可靠性好、精度高等特点成为了应用最为广泛的管道无损检测方法。漏磁检测除了要保证检测器硬件能够采集到分辨率较高的漏磁信号外,还需要做好后期的漏磁信号处理工作。在漏磁信号处理过程中,缺陷诊断与缺陷轮廓重构是两个极其重要的环节。缺陷诊断完成在所有的异常区域中诊断出缺陷类型区域的功能。缺陷轮廓重构完成估计缺陷真实轮廓的功能,为评估缺陷的严重程度和维修迫切性提供参考。本文对这两个油气管道漏磁检测中的关键问题进行了深入研究。为了提高缺陷区域的诊断精度,本文提出了一种基于卷积神经网络的缺陷诊断方法。在以前的一些文献中,缺陷诊断通常是根据异常区域的某些手工提取的特征来进行。基于手工提取特征的缺陷诊断方法一般是提取异常区域内的某些特征作为既有模型的输入,来判断疑似缺陷区域是否为缺陷,这类方法存在对于噪声敏感、不能完全兼顾可辨识性和鲁棒性等缺点,导致缺陷诊断的精度较低。基于卷积神经网络的缺陷诊断方法以异常区域的整体漏磁图像作为模型的输入,通过卷积神经网络来自动地提取出某些可辨识性最高的区域特征来诊断异常区域是否为缺陷。该方法的优点是能够跳过手工特征提取的过程,节省一部分计算时间和存储空间。此外,基于卷积神经网络的缺陷诊断方法对于漏磁信号噪声和一定范围内缩放、位移和畸变等变化都具有良好的鲁棒性,能够有效地提高缺陷诊断的精度。针对缺陷轮廓重构问题,本文先后提出了三种适合不同工业背景的缺轮廓重建方法。基于遗传禁忌搜索混合算法的缺陷轮廓重构方法、基于RBFNN误差调整的缺陷轮廓重构方法、基于改进和声搜索算法的缺陷轮廓重构方法。基于遗传禁忌搜索混合算法的缺陷轮廓重构方法使用径向基函数神经网络(RBFNN)作为正向模型,使用遗传禁忌搜索混合算法来更新估计缺陷轮廓。RBFNN的正向模型与遗传禁忌搜索混合算法的缺陷更新策略能够保证该方法具有极快的缺陷轮廓重构速度。由于训练RBFNN正向模型需要大量训练样本,因此,使用该方法的前提条件是拥有大量的先验漏磁数据。仿真与实验结果表明该方法能够在很短的时间内获得良好的缺陷轮廓重建精度。基于RBFNN误差调整的缺陷轮廓重构方法使用有限元方法作为正向模型,使用基于RBFNN的误差调整策略来更新缺陷的估计轮廓。该方法同样需要大量的先验漏磁数据作为支撑。该方法使用有限元方法作为正向模型,因此,可以重建任意不规则的缺陷轮廓。由于基于RBFNN的误差调整策略能够使估计轮廓快速地逼近缺陷的真实轮廓,该方法同样具有较高的效率。基于改进和声搜索算法的缺陷轮廓重构方法打破了需要大量的先验漏磁数据的限制,应用范围最为广泛。该方法使用有限元方法作为正向模型,应用改进的和声搜索算法来更新估计缺陷轮廓。改进的和声搜索算法从三个不同角度提升了原有和声搜索算法的智能化水平和优化性能,能够提高缺陷轮廓重建的速度。与此同时,一种改进的信号差误差平方和函数被提出了,并作为适应度函数,有效的提高了估计轮廓和真实轮廓在缺陷响应段的拟合精度。仿真和实验结果表明,基于改进和声搜索算法的缺陷轮廓重构方法是有效的,能够并应用在工程实际中。最后,总结了本文的工作。并根据油气管道漏磁检测的现状,对未来的发展方向和发展趋势进行了预测与展望。