管道是石油、天然气运输的生命线,所以管道的安全运行直接关系到石油、天然气的正常运输。管道的在役年限增加和工作环境带来的不可避免的腐蚀,是影响管道安全运行的主要隐患,及时发现这些腐蚀,防患于未然是长距离管道无损检测的技术难题。研究长距离管道无损检测的基本原理、检测方法、信号分析、数据处理和缺陷识别等,实现对管道状况的快速检测和缺陷的识别与定位,对维护管道安全运行具有重要意义。超声导波检测方法是一种新兴的管道无损检测方法,它克服了常规检测方法的不足,能够对管道进行经济、快捷、有效的检测,实现对管道运行状况的全面评价。本文利用超声导波检测技术、数据库技术和人工神经网络实现对管道缺陷的自动识别和检测数据的妥善管理。主要研究工作如下：1.利用超声导波检测设备对管道进行无损检测,分析导波检测设备工作原理,选择合适的探头环、导波激励频率和导波模态等。2.分析导波检测设备收集到的波形信息,不同的管道缺陷对应不同的波形特征,找到了最能表征缺陷类型的特征。同时,研究了影响管道超声导波检测结果的主要因素,包括防腐层、管道工作环境等,针对不同情况采取不同的措施,提高超声导波检测距离和灵敏度。3.利用C#和SQL Server2008建立数据库,使其具有录入、修改、删除和查看等功能,界面清晰明了,操作简单易行,实现了对检测数据和检测结果的有效管理。4.利用MATLAB神经网络工具箱,建立两层BP神经网络,通过对波形数据分析,确定神经网络输入向量、输出向量、神经网络结构、各层节点数量、各层传递函数以及BP算法等,训练并测试BP神经网络。实验表明：训练成功的BP神经网络对管道缺陷的识别率为81.7%。