超声相控阵采用动态聚焦发射和接收，具有高灵敏度、高分辨率以及高信噪比等优点，是目前无损检测的研究热点。针对管道内壁及井壁成像检测中的缺陷定性分析，结合柱面超声相控阵缺陷检测与人工智能分析的方法，提出了基于柱面超声相控阵和神经网络的缺陷识别分类以及定性分析的方法，并对井壁上的多种缺陷进行了定性分析和识别研究。　　本研究主要内容包括：⑴对柱面超声相控阵列的辐射声场以及辐射声场在不同缺陷上的散射声场进行了计算和分析。对实验室开发出的柱面超声相控阵换能器探头的辐射声场进行了模拟仿真，分析了动态阵元数、动态孔径、阵元间距等参数对辐射声场的影响。并对不同缺陷的散射声场进行了模拟仿真，分析了不同形状及不同尺寸的缺陷对散射声场的影响。⑵采用小波包变换对柱面超声相控阵辐射声场在不同缺陷上的散射原始回波信号进行了特征提取，自行编制Mallat算法将时域信号分解为能量谱。通过构建三层深度信念神经网络分类机制，采用小波包分解提取到能量特征谱并对该网络进行训练，再利用经过训练的神经网络对缺陷特征信息的识别和分析方法进行了研究。⑶针对柱面超声相控阵和神经网络，进行了缺陷定性分析方法的理论和实验研究。通过8阵元动态聚焦的柱面超声相控阵换能器探头对三种不同形状的缺陷进行了定性分析和识别，得到了良好的缺陷识别率，实验结果对模拟仿真结果进行了巩固验证，证明了结合柱面超声相控阵与神经网络进行缺陷定性分析方法的可行性。