石油和天然气是我国国民经济的命脉,占据着重要的战略地位,随着石油石化行业的发展,管道运输已经被广泛应用于石油天然气行业且发展前景巨大。但是由于各种各样因素的影响,管道会产生缺陷,发生泄漏,甚至导致火灾、爆炸,从而带来环境污染,人员伤亡,国家经济损失,资源浪费等后果。因此,对管道进行检测和评估,对管道缺陷进行分类识别,对于预测管道泄漏,确保油气管道安全运行具有重要意义。本文采用实验室开发的PMS检测系统对管道进行缺陷检测,设计管道缺陷检测实验,提取各类管道缺陷信号,并对信号进行处理,应用优化的高斯混合模型较好地实现了管道缺陷信号的识别。主要研究工作如下:（1）设计了两组管道缺陷检测实验,第一组实验对模拟露天、水下、泥浆及埋地环境下的管道缺陷进行检测,并对采集信号进行分析。第二组实验在管道上人工制造17×3×0.5mm、20×3×1mm槽形缺陷,直径4.2mm、直径5.0mm圆形缺陷,并对四类缺陷及正常管道信号进行采集并完成处理,构成识别工作的数据集。（2）针对数据集的特点以及高斯混合模型及其估值算法的优缺点,使用交叉验证法划分训练数据和测试数据的比例为9:1,用网格搜索选择模型相对最优的参数,采用簇映射的方法解决模型对数据缺乏泛化能力的问题。使用优化的高斯混合模型对数据进行识别,在识别类别为五类时,准确率能达到83.2%,较普通的高斯混合模型提升了55.9%;在识别类别为两类和三类时,准确率能分别达到95.8%和85.8%。（3）针对信号中存在部分信息不符合高斯分布的状况,采取模型蒸馏方式,将优化的高斯混合模型,支持向量机模型,高斯过程分类模型与卷积神经网络模型结合的权重设置为5:2:2:2。设定识别种类为五类,最终整体达到了96.6%的准确率。