无损检测技术与国民的工业发展水平息息相关,在各个行业中得到了广泛的运用。石化行业中,从原油的开采到油气成品的集输都离不开承压钢管,钢管质量的好坏直接影响管道安全性,钢管有效使用寿命的长短也与生产成本有关。漏磁检测是一项适用于钢管的在线和离线检测的无损检测技术,通过这项技术可以增强钢管的质量控制标准,还可以通过对旧钢管进行检查,延长合格旧油管的使用寿命从而节约生产成本。以新疆克拉玛依油田采油二厂为例,每年因使用而报废的油管数量达10万根以上,通过采用漏磁无损检测技术对旧油管进行检测,可杜绝不合格油管的再次下井,还可将部分报废油管回收以进行修复并投入循环使用。漏磁无损检测技术基于磁偶极子理论,通过磁化场对铁磁性材料进行磁化。当铁磁性材料中存在材料的不连续状态,而磁化场又足够强,材料会在不连续处产生泄漏的磁感线,即为漏磁。漏磁无损检测通过磁敏感的霍尔器件对泄漏磁场进行探测,并进一步地进行缺陷的分类、量化等研究,最终达到对缺陷的准确识别和材料的损伤评估。缺陷形状的识别是进行缺陷分类研究的一个子集。本文首先对漏磁无损检测技术所涉及到的理论基础做了较全面地阐述,指出其理论基础包括电磁学、控制理论、工程测试理论以及模式识别等理论。之后,本文对目前漏磁无损检测技术所使用到的磁化器及其磁路做了介绍,为通过Maxwell对磁路建模做铺垫。本文的漏磁无损检测缺陷形状识别研究,以40铬作为数值计算模拟的对象,对该材料的磁化性质做了仿真计算,并根据目前所使用的磁化器磁路建立起包含三种基本缺陷形状的仿真模型,计算这些缺陷所产生的漏磁场,从计算的结果中提取出缺陷识别所需要用到的漏磁场强度计算值。在缺陷形状的分类识别技术中,目前多运用反向传播神经网络或支持向量机等数学方法对缺陷进行定量的识别,这些方法中都以漏磁信号的单个波形特征作为识别缺陷的关键,提取出波形的“峰峰值”、“波谷宽”等特征值,再应用到相应的模式分类器中进行缺陷的识别。本文研究多个漏磁信号的组合特征,将一定区域内的漏磁场强度分布转换成相应的统计数字特征,然后再结合人工神经网络进行缺陷的形状分类识别,提出以漏磁信号样本的统计数字特征作为识别不同缺陷形状的依据,在缺陷的形状分类识别研究中具有一定的启发意义。