管道缺陷内检测是在役油气管道缺陷检测的重要手段之一,对保障管道安全运行发挥着重要的作用。管道内检测分为漏磁缺陷检测及超声波缺陷检测,其中漏磁缺陷检测在我国应用尤为广泛。现有的漏磁缺陷评估主要依赖于检测人员根据经验对漏磁信号进行分析,工作量大,效率低,受主观因素影响大。而缺陷几何参数与漏磁信号之间的非线性特性,管道材质漏磁系数的差异,流体压力引起的管道磁质结构改变及周围环境变化都会直接或间接地影响 MFL(磁通量泄漏)信号,进一步增加了缺陷分析的难度。针对上述问题,本文深入研究了漏磁信号的处理技术及基于漏磁检测信号缺陷评估技术,主要研究工作如下:1.研究了 MFL 信号的小波去噪方法,提出了根据 MFL 信号重建缺陷灰度图像的算法及漏磁缺陷图像的处理方法。在去除高频噪声的同时,尽可能的保留了缺陷图像的边缘信息及层次信息。2.研究了缺陷漏磁图像灰度图的伪彩色图像的转换技术,提出了改进的等密度伪彩色编码算法。根据实际应用中的不同需求,综合应用其他伪彩色处理算法(基于 RGB 三基色的非线性伪彩色编码、基于感知颜色空间的图像伪彩色编码算法)实现缺陷灰度图伪彩色图像转换。3.研究了小波图像压缩的原理,根据 MFL 缺陷图像的频谱特点,提出了 MFL缺陷图像压缩的小波基函数设计方法、小波系数阈值计算及 Jpeg 量化表修改算法。使用该图像压缩算法,在失真度不影响缺陷分析的情况下,能获得较高的压缩比。4.运用有限元方法构建了油气管道缺陷检测模型,研究了缺陷几何参数与漏磁信号之间的关系并建立了缺陷几何参数与 MFL 信号关系样本库。5.提出了径向基神经网络中心选择优化算法,克服了传统方法将全部训练样本预置为径向基函数的中心带来的计算量大、效率低的问题。用有限元仿真产生的训练样本集合训练径向基神经网络,研究了训练目标精度与径向基函数中心集合之间的变化规律。6.建立了缺陷几何参数预测小波基神经网络模型,提出了改进的 ISODATA 动态聚类算法,将其用于完成训练样本集的分类、小波基函数中心计算及基函数初始宽度的获取,提高了小波神经网络训练速度及函数逼近性能。