管道运输在国防工业和国民经济建设中发挥着重要的作用,对管道进行快速准确的检测保证管道安全运行是降低管道事故风险的重要手段。管道超声导波检测技术凭借其检测速度快、效率高、无须剥除包覆层等优点,在管道无损检测领域中有着独特的优势。管道缺陷类型识别是管道超声导波检测技术中的重要研究领域,研究出一种有效的导波信号的特征优化与模式识别方法,实现对管道缺陷的准确识别,对及时发现缺陷、预防管道事故有着重要的意义。本文在对管道超声导波检测技术理论研究的基础上,采用L(0,2)模态超声导波对人工预制的孔洞、裂纹和凹坑进行检测。围绕缺陷回波信号的特征优化、模式识别算法和缺陷识别的实现等进行了研究。主要研究内容如下:(1)提出了时、频域结合的特征提取方法和基于主成分分析(PCA)的特征优化算法。在现有导波信号特征提取与优化方法研究的基础上,分析了数字滤波器、小波分析和小波包分析在导波信号滤波降噪中的应用效果,采集不同缺陷回波信号的峰度系数、偏度系数、离散系数、形状系数和小波包能量谱组成原始特征参数矩阵。研究了主成分分析法(PCA)的算法及其具体实现方法,并讨论了选用的主成分因子个数对分类效果的影响。利用PCA对导波回波信号的原始特征进行特征优化,剔除了冗余特征,降低了特征维数。为缺陷的有效识别提供了依据。(2)提出了基于支持向量机(SVM)的管道缺陷识别方法。研究了支持向量机的原理和分类过程,选用该模式识别算法进行分类器的构造。分析了核函数与相应的参数的选择对分类器性能的影响。与BP神经网络方法的识别效果进行对比,结果表明该方法具有更好的识别效率和泛化能力,同时避免了使用BP神经网络过程中对设计者经验的依赖。结合PCA特征优化结果,实现了孔洞、裂纹和凹坑三类管道缺陷的有效识别,识别率达到了90%。(3)在管道超声导波检测理论和缺陷回波信号识别算法研究的基础上,设计了管道导波诊断仪硬件系统和管道缺陷识别软件系统,建立了管道缺陷样本库,并对带有人工预制缺陷的管道进行检测,结果证明了设计的软硬件系统能够较好地完成管道缺陷的识别。