漏磁检测法是当前国内外对在役石油、天然气长输管道缺陷检测最有效的方法之一。管道漏磁检测系统主要包括前端漏磁信号采集、数据压缩、缺陷识别等几大部分,而缺陷识别技术是通过对检测到的缺陷漏磁数据的分析,将缺陷的几何参数即缺陷的长度、深度等重要特征信息以具体数据的方式体现出来,为业主提供是否需要及时更换管道的最终科学依据。由于管道缺陷识别是一个逆问题,输出和输入之间存在非唯一性,而且漏磁信号与缺陷尺寸之间是非常复杂的非线性关系,所以缺陷识别技术是当前管道无损检测中的一大技术难点和研究重点。本文提出了一种新颖的基于统计学习理论并且根据结构风险最小化原则的方法——支持向量机法,用于实现管道漏磁检测缺陷尺寸的识别。论文首先分析了管道漏磁检测的基本原理及各方面因素对缺陷漏磁场信号产生的影响,将有限元法应用于管道漏磁检测模型的建立及缺陷漏磁信号的仿真,得到和管道漏磁检测仪实际检测到的漏磁信号具有相同性质的仿真信号作为样本数据,以碗状缺陷为例利用支持向量机对缺陷的尺寸进行了识别。采用ANSYS有限元分析软件仿真得到40组不同尺寸缺陷模型的漏磁数据作为支持向量机的训练样本,利用另外10组新数据对支持向量机模型进行验证,以MATLAB为平台进行了识别实验。实验表明,利用支持向量机对管道缺陷进行识别能够使识别误差在5%以下,在有限样本情况下是一种可行性较强而且识别效果较理想的有效方法。利用支持向量机对管道缺陷进行识别还具有其他一些优点,例如所需样本数据量较小、模型的泛化能力较强、能够克服局部极值问题、辨别方法简单等,从而减轻了工作量以及提高了由支持向量机模型得到的识别结果的可靠性。