石油管道作为当前石油、天然气运输的重要运输方式之一,其建设规模和里程数不断发展和提高,由此带来的管道安全问题不容忽视;内壁腐蚀作为管道失效的主要原因之一,对其的准确检测与实时监测是非常必要的。直流电压降指纹技术作为一种对埋地管道、海底管道、高温高压设备等非常有效的监测技术手段,越来越得到国内外的认可;但该技术在国内起步晚、被国外公司所垄断的现状大大限制了其在国内的推广发展,因此本课题提出对直流电压降指纹技术的缺陷识别和判断技术进行研究。本课题采用数值模拟和实验研究相结合的方法,研究直流电压降指纹技术对缺陷的识别与判断。基于直流电压降指纹技术,建立管道的电场模型,设计和加工了含缺陷平板试样,利用研发的缺陷监测系统装置,测量缺陷的电势差矩阵数据,电势差矩阵数据是对缺陷进行识别与判断的唯一性依据,因此需要分析缺陷导致的电场分布,并对影响电流重分布效应的缺陷尺寸、缺陷位置、环境温度、馈入电流大小和数据采集装置精度等问题进行研究,探究其对电场分布规律的影响。然后基于电势差矩阵数据,采用可视化与支持向量机神经网络的方法对缺陷进行识别与判断。首先,采用电势差矩阵二维图像化处理的方法,实现缺陷的图像化表征,对监测区域内的缺陷进行位置和类型的初步识别;然后利用支持向量机方法对缺陷类型进行预测识别,利用支持向量机和最小二乘支持向量机方法以及粒子群算法和遗传算法的参数寻优,对坑蚀和裂纹缺陷类型的分类识别模型进行训练和验证,并对实测的缺陷数据进行缺陷类型预测识别的测试分析。设计图形界面窗口GUI将本文研究的主要内容进行整合实现,包括电势差矩阵图像化、缺陷特征数据提取及缺陷特征因子计算、分类识别模型训练、验证集验证分类模型及对测试数据的类型预测分析等。