石油天然气的管道输送因管道失效造成的损失相比较其他的运输方式而言是一种更为安全和经济的输送方式。但是,需要指出的是,即使一个单一的较大管道失效事件,比如管道的开裂,也可能对经济和环境造成严重的影响。因腐蚀造成的金属管道壁厚减薄是最常见的导致管道完整性缺失的情形。目前看来有许多导致管道壁厚减薄的内部腐蚀机理。早在上个世纪70年代,预测腐蚀管道爆破失效压力标准的研究就被美国天然气协会管道分会赞助进行。这个标准通常指B31G标准,该标准已经是关于压力管道设计规范ASME B31G的一部分。尽管ASME B31G在评价腐蚀管道完整性方面发挥了重要的作用,但是后来发现其评价的结果过于保守和在对腐蚀管道检测方面显得模棱两可。目前,腐蚀管道的剩余强度评价采用了许多已经公开发表的失效压力模型,比如Modified B31G,Battelle和DNV-99等。预测含动态腐蚀缺陷管道剩余强度采用的是确定性的方法,即估计每个腐蚀缺陷的严重性使用的是载荷和抗力参数确定的值。但是,影响腐蚀管道载荷和抗力参数具有很大的不确定性基于以下原因：(ⅰ)缺陷尺寸测量的不确定性；(ⅱ)管道制造因素的不确定性；(ⅲ)管道操作条件的不确定性。可靠性是一种确定系统性能的概率度量方法。不确定性源于信息的不充分性,可靠性方法可以量度这种不确定性。管道可以看作含若干缺陷的系统组成,失效模式由操作压力和当前腐蚀状况决定,也即管道系统可能在不同的失效模式作用下失效。对同一根管道,由于所处的腐蚀环境和操作条件相同,腐蚀倾向于出现在很多位置而非某一点处。由于管道腐蚀的共因性,管道的缺陷之间存在相关性。相关性会影响管道整体失效结果及管道的可靠性。在本文中,直接的Monte Carlo方法被用来评价管道的可靠性。提出了一种考虑腐蚀缺陷相关效应对管道可靠性影响的概率分析方法。使用该方法计算了含相关缺陷腐蚀管道失效概率,并与传统方法进行了比较。结果表明简单假设缺陷相互独立会得到保守估计。概率计算结果介于Ditlevsert二阶上下界限内,同时说明本方法是有效和可行的。敏感性分析综合了考虑所有变量的不确定性以及模型所用公式联合作用的影响。一种模糊神经网络的方法被用来评价油气管道的腐蚀可靠性。网络训练使用磁通量泄漏工具检测的腐蚀管道缺陷数据,这些数据用来表征随着服役时间增长管道实际的腐蚀状况。这种方法基于模拟概率分析结果构造人工神经网络估计管道的可靠性,使用有监督的训练算法初始化网络权值使得神经网络能预测油气管道失效概率。该神经网络使用了11个管道参数和操作参数作为输入向量,输出向量为腐蚀管道失效概率。本文方法具有很强的通用性,可以用来对相关的工程系统维护问题作出决策。