钢管由于其所具有的良好特性在当前的工业生产和人们的生活中扮演着重要的作用,具有“工业的骨骼”的美誉。在享受着钢管为我们提供的便利性的同时,也应关注每年因钢管生产质量不过关或使用过度等损伤引起的各种事故,为了避免事故频发,针对钢管的损伤识别研究就显得特别有意义。本文针对钢管损伤识别技术进行研究,以多种无损检测方法中应用特别广泛的漏磁检测为研究对象,提出了在钢管损伤识别系统中应用数据融合和无线传感器网络技术,以此为基础的同时辅以移动通信技术来达到实现钢管损伤识别远程化的目的。本文的主要工作如下:(1)对无损检测技术的主要内容及其包含的主要技术作出了介绍,结合各种技术的特点和应用范围等选择了漏磁检测作为本文的主要研究对象,对漏磁检测技术中漏磁信号与钢管损伤参数的对应关系进行了分析,同时根据漏磁检测中不同磁化方案、数据采集方案的优缺点作出分析,选定了适用于本损伤识别系统的永磁体磁化的磁化方案和霍尔传感器的数据采集方案。(2)对数据融合技术进行了详细的介绍,包括概念、特点、层次、结构、常用方法等,在对钢管损伤识别系统设计过程中的具体特性进行了充分的研究基础上,设计了包括数据层和决策层的两层数据融合算法。数据层融合是利用中值滤波算法融合单个霍尔传感器的多次测量结果以提高所采集信号的准确性;决策层融合是对所采集的轴向和径向漏磁信号分量的峰值与脉宽进行融合得出钢管损伤的具体参数,采用的是GA-BP神经网络。对所选定的数据融合方法展开了详细的介绍,同时还介绍了它们具体的实现方式,并对比了 BP神经网络与GA-BP网络的性能。(3)对钢管损伤识别系统进行硬件和软件设计。以ZigBee网络为基础设计的钢管损伤识别系统,硬件设计部分主要包括漏磁检测的磁化磁路设计、传感器选型、终端节点设计、网关节点等设计;软件设计部分以系统内数据流向为切入点,对数据流经的各个重要环节的软件设计作出了介绍,最后使用LabVIEW设计了钢管损伤识别系统的上位机界面,同时进行了应用程序和安装程序的生成以便于损伤系统的移植。(4)在实验室环境下对整个钢管损伤识别系统进行了性能测试和实验。结果表明,整个钢管损伤识别系统使用方便、运行稳定,具有较高的准确性和很强的实用性。