管道运输在国防工业和国民经济中扮演着十分重要的角色,管道老化造成的裂纹、孔洞等缺陷容易引发特大安全事故,严重威胁人民生命财产安全,采用一种快速精准的无损检测技术能有效降低安全事故的风险。相比传统无损检测技术,超声导波检测技术具有独特的优势。研究超声导波检测技术中回波信号处理、特征参数提取以及模式识别三个方面有益于管道缺陷快速精准的识别,对管道的安全维护有着十分重要的意义。本文研究了回波信号处理算法、特征参数提取及模式识别算法,结合研究内容搭建管道超声导波检测实验系统,运用该实验系统实现对管道特征与缺陷的准确识别。主要研究内容如下:(1)研究了短时傅里叶变换不同窗长对信号时频分析的影响并选用最佳的窗长对回波信号进行短时傅里叶变换处理;设计了一种基于人工鱼群优化小波阈值降噪算法,通过分析选择合适的小波基函数和分解层数,利用人工鱼群算法寻最优阈值实现对小波阈值降噪的优化并使用该方法对回波信号进行处理;设计了一种基于小波阈值-EMD的方法对回波信号进行处理;分析对比了三种方法处理回波信号的效果以及识别管道特征与缺陷位置的精度。研究了不同回波信号处理方法对特征参数的影响并选择合适的信号处理方法对回波信号进行预处理。以管道焊缝、端面、裂纹、孔洞四种常见的特征与缺陷作为研究对象,提取每类管道的特征参数,包括峰度系数、偏度系数、离散系数、熵值、小波系数能量值和小波系数方差值,绘制了特征参数曲线,分析了不同类别管道特征参数曲线的差异性和规律性。(2)结合特征参数构建BP神经网络,分析了各层神经元之间不同传递函数对管道特征与缺陷识别率的影响,并进一步优化BP神经网络;结合特征参数构建LVQ神经网络,分析了神经元不同节点数对管道特征与缺陷识别率的影响,并进一步优化LVQ神经网络;提出了一种遗传算法结合神经网络的方法实现对管道特征与缺陷的识别,利用遗传算法对特征参数进行优化筛选,从而降低特征参数之间的相关性,筛选后的特征参数结合优化后的BP、LVQ神经网络分别对管道特征与缺陷进行识别。结果表明:遗传算法结合优化后的BP、LVQ神经网络方法对管道特征与缺陷的识别率明显高于单独使用BP或LVQ神经网络,并且识别率高达80%以上。(3)基于以上研究成果,设计了超声导波检测的硬件系统和软件平台,建立了不同类别管道特征参数样本库,搭建了管道超声导波检测实验系统并使用该系统对人工预制的管道特征与缺陷进行实验研究。实验结果表明:当激励频率为95kHz时,实验系统对管道特征与缺陷的识别率最高,其中对管道特征与缺陷位置的识别误差均小于10cm,对管道特征与缺陷类别的识别率高于90%以上,验证了管道超声导波信号处理算法、特征参数提取及模式识别算法能够很好的完成管道特征与缺陷的识别。