本论文以国家"十五"海洋863项目(No.2001 AA602021)"海底管道内爬行器及其检测技术"重大专项课题为背景,围绕管道漏磁信号的处理展开分析,重点研究漏磁检测中漏磁信号的去噪算法和缺陷重构算法,为研制开发适合我国实际管道状况的拥有我国自主知识产权的管道检测装置提供理论依据,为管道安全的准确评价提供可靠数据. 论文在介绍自适应去噪和小波变换去噪理论的基础上,研究了漏磁数据中系统噪声和无缝管道噪声(Seamless Pipeline Noise,SPN)的去除,提出了一些新的去噪算法. 引入了小波系数去噪算法,用于去除管道检测漏磁信号中系统噪声,同传统小波门限去噪算法相比,该算法具有更好的去噪效果; 提出了一种新的漏磁信号去噪算法,该算法首先将小波变换和自适应滤波技术相结合,给出了新型小波域自适应滤波算法,用于去除漏磁信号中的SPN,再利用小波系数去除小波域自适应SPN消除系统输出中的系统噪声,理论分析表明,新去噪算法比文献中现有的去噪算法具有更好的总体性能; 关于SPN的去除,对收敛速度更快的小波变换域自适应有限冲激响应滤波算法进行了修正,并添加遗忘因子用于减小过去样本的影响,提出了一种可有效去除SPN的小波变换域自适应FIR滤波的修正算法. 用实测漏磁数据验证这些算法,所得结果说明了这些去噪算法的有效性,极大地提高了漏磁数据中缺陷信号的可检测性. 针对缺陷重构中常用的迭代逆算法,研究了该算法中的优化问题的求解方法. 首先提出利用遗传算法求解迭代逆算法中的优化问题,给出了一种基于规范遗传算法(CGA)的逆算法,用于从测得的漏磁信号中重构二维缺陷.该算法使用径向基函数神经网络用作前向模型,并利用遗传算法求解逆问题中的优化问题.其优点有两个方面,一方面基于径向基函数神经网络的前向模型比基于数值有限元的前向模型具有更高的效率,另一方面能避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题,从而得到逆问题的全局最优解. 然后,针对规范遗传算法在求解大型组合优化问题时存在"过早收敛"的现象,将模拟退火技术引入到遗传算法中,提出了遗传算法的一些改进方法. 第一种是将模拟退火技术引入遗传算法的变异过程,控制变异量的大小,提出了一种遗传模拟退火算法(GSAA),并提出一种基于GSAA的逆算法,实例分析表明,同基于CGA的逆算法相比,基于GSAA的逆算法更精确,并且对噪声更具有鲁棒性; 第二种是将模逆退火技术引入到遗传局部搜索算法(GLSA)的扰动过程中,提出了一种改进的遗传局部搜索算法(IGLSA),并提出一种基于IGL,SA的逆算法,用于从漏磁信号中重构二维缺陷,实例分析中将该逆算法分别同基于CGA的逆算法与基于GLSA的逆算法进行了比较,结果说明基于IGLSA的逆算法更精确,并且对噪声具有鲁棒性. 第三种是将模拟退火技术引入遗传局部搜索算法的变异过程,控制变异量的大小,提出了一种修正的遗传局部搜索算法(MGLSA),并提出一种基于MGLSA的逆算法.实验结果说明了基于MGLSA的逆算法能精确地重构缺陷参数,且其性能优于基于GLSA的逆算法.