随着管道服役时间的不断增长,管道安全问题日趋严重。近年来,管道事故频繁发生,已经影响到正常的国民经济建设事业,危及公民的生命财产安全。管道缺陷内检测是目前排除管道安全隐患的最有效方法,而漏磁检测法是管道内检测最常用的无损检测手段。但截至目前,管道检测的相关技术还属于国外垄断技术,产品及相关技术一概不售。通常只提供管道检测服务,并收取不菲的费用。出于对管道运输安全、国家安全以及检测服务成本等多方面的考虑,必须打破国外技术封锁,研制我国自主设计的高性能管道缺陷检测设备。本文以长输油管道缺陷漏磁(Magnetic flux leakage,MFL)检测系统为研究对象,针对管道漏磁检测信号的在线去噪、在线压缩处理及漏磁信号的管道缺陷二维、三维轮廓重构技术等关键技术问题进行了深入的研究:首先,本文就长输油管道缺陷漏磁检测系统的组成构成进行了研究,系统包括位于地下管道内部的PIG(流体驱动式管道机器人,又称管道猪,Pipeline Pig)、位于地面沿管线安置的定位标记器、位于机房内的数据后处理平台。根据功能不同将系统划分为五个相对独立的功能模块,PIG总控中心、缺陷检测模块、PIG定位模块、速度控制模块和数据后处理平台,分别分析了五个模块的工作原理及结构组成。对PIG进行了蛇形模块化结构设计,增强PIG的管内通过性;对PIG的支撑轮进行改进设计,提出增加被动调节单元的滚珠丝杠螺母副调节机构,增强了PIG的管径变化适应能力;根据实际应用背景,确定了双盘节流式的PIG调速机构。其次,研究了漏磁检测信号在线去噪算法。针对嵌入式在线工作环境,提出了改进阈值的提升小波去噪算法,以提高去噪速度和精度。根据漏磁检测信号的实际特征,确定了去噪算法采用的基小波最佳的选用范围为db5-7、sym4-6、bior2.6和bior4.4;最适宜的分解层数为J(28)3;阈值估计采用逐层阈值估计的Visushrink阈值。对传统的阈值函数进行了改进,进一步提升去噪性能,取得了更好的去噪效果。针对在线去噪中的严重边界干扰问题,提出了无失真延拓方案,并设计了分段在线去噪的工作时序,基本消除了边界干扰。仿真实验证明了本文提出的在线去噪算法具有速度快,效果好,占用资源少,无边界干扰等优点,符合漏磁检测信号在线去噪的要求。接着,研究了漏磁检测数据的在线压缩算法。针对嵌入式在线工作环境下,传统的数据压缩方法难以应用的问题,引入CS(压缩感知,Compressed sensing)理论,提出了漏磁检测数据在线CS压缩方法。确定了小波基作为漏磁信号的最佳稀疏表示基,并推导了小波稀疏基矩阵的数学表达公式;提出Welch界和PRP共轭梯度算法的测量矩阵优化算法,并通过试验证明了算法的有效性和优越性;提出了漏磁检测数据的重要数据段筛选方法,极大的减少了数据存储量。仿真试验证明了本文提出在线压缩算法极大的较少了在线环境压缩编码的运算复杂度,具有简单迅速,压缩比高,重构精度高等优点,符合本文漏磁检测数据在线压缩的实际要求。其后,研究了管道缺陷的二维轮廓重构技术。提出粒子群优化的MO-LSSVR(多输出最小二乘支持向量回归模型,Multi-Output Least Squares Support Vector Machine Regression)的管道缺陷二维维轮廓重构技术。根据单输出的最小二乘支持向量机回归模型推导了MO-LSSVR的算法模型。以二维缺陷样本数据训练MO-LSSVR二维轮廓重构模型,并以PSO(粒子群优化,Particle Swarm Optimization)算法对MO-LSSVR的惩罚参数及核参数进行参数优化,仿真试验证明了本文提出的重构算法较传统算法具有更平滑的重构曲线和更高的重构精度。最后,研究了管道缺陷的三维轮廓重构技术。利用平滑插值和矩阵向量化操作,将三维轮廓重构问题同样转化为二维的列向量到列向量的映射问题,将三维的缺陷样本数据矩阵进行列向量化后训练MO-LSSVR三维轮廓重构模型,预测结果重新以矩阵排列得到三维轮廓的离散点阵,并绘制三维重构曲面。仿真试验证明了该算法的有效性,缺陷三维轮廓重构曲面光滑,重构误差小。论文的研究成果将打破国际技术封锁,为保障我国管道运输的安全提供助力,具有重要的理论研究意义和工程应用价值,同时,研究成果可推广应用到输气、供水管道检测等相近领域。