随着油田建设和城市现代化的发展,埋地管线的种类和数量迅速增多,相应地也出现了涉及地下管线安全运行的各种严峻腐蚀问题。为保证管道的安全运行,延长管道的使用寿命,埋地管道的防腐措施的研究已引起世界性关注。埋地管线的防腐层状况是管线管理部门非常关心的问题之一,由于很多管道从竣工及其后的运行,经常处在防腐层有破损的状态下,也因此导致很多管道的阴极保护站建设后不能正常运行,以致缩短了管道的使用年限,带来埋地管线因腐蚀而穿孔断裂、引起泄漏,严重污染环境,甚至引发爆炸等问题,威胁居民的生命财产安全,广大管线业主都希望将事故消灭在萌芽状态。为了分析判断管道外防腐保温层的使用寿命,有必要在现场检测的基础上,对管道防腐保温层的失效类型、破损程度进行诊断。目前通用的检测方法是用交流电流衰减法(PCM)、地面音频检漏法(皮尔逊法)与现场开挖验证相结合,对管道防腐保温层的有效性进行测试,计算管道绝缘层电阻率、绝缘层破损率,从而确定管道外防腐层的破损等级,然后据此确定防腐保温层的性能老化趋势。然而,在对检测所得的数据进行分析评价的时候,由于一些影响因素具有随机性、模糊性和不完整性等特点,以上几种方法对管道防腐保温层故障诊断常常存在不适应性。人工神经网络是近几年在模式识别领域得到广泛研究和应用的人工智能模型,由于其具有高度非线性映射能力、大规模并行分布处理和良好的自适应学习机制,很适合求解传统模式识别方法难以建模解决的问题。因此,将人工神经网络方法和技术应用管道防腐保温层故障诊断问题的研究具有很好的适应性。论文主要针对管道防腐保温层故障诊断诊断中的若干问题,将神经网络技术应用于管道防腐保温层故障诊断研究,对油气管道的防腐保温层破损程度进行评价,可为管线进行风险性评估与经营决策提供科学依据,具有重要的实际意义和应用前景。