随着管道即将面临或者已经进入超期服役状态,管道表面的缺陷情况越来越复杂,管道发生泄漏的可能性越来越高。于是,管道缺陷的种类和缺陷发展的程度成为评价管道能否继续服役的有效标准。目前,漏磁检测法是针对地下管道缺陷检测使用最成熟的方法之一,漏磁检测信号与缺陷尺寸之间有着很好的对应关系。再者,利用漏磁检测技术进行管道缺陷的分类及识别能够为即将面临或者已经进入超期服役的管道提供良好的评价标准,也可以为服役管道寿命的计算提供可靠的参照。所以,如何利用漏磁检测信号进行管道缺陷的分类与识别成为研究重点。本文首先总结分类了地下管道的缺陷,对管道不同类别的缺陷进行了量化定义;然后基于漏磁检测法利用Maxwell建立漏磁仿真模型,并进行1000组仿真实验得到样本数据,分析对比了不同缺陷的漏磁信号并提取了信号特征;最终利用SVM、随机森林以及GBDT三种机器学习算法对缺陷信号特征量进行了分类识别,对比了三种方法的可行性和识别的准确度,在现有的数据范围内得到了GBDT算法分类识别的准确率达到了100%,是管道缺陷分类及识别效果理想的分类学习算法,为以后利用机器学习理论进行管道缺陷的分类识别打下了良好的基础。