本文首先研究了国内外输油管道检测技术的现状,发展趋势和存在的问题,理论分析了多传感器技术应用在该领域的优势和必要性,提出了课题研究的必要性。对常用管道技术中的漏磁检测技术和超声波检测技术的原理、检测系统、检测过程进行了详细分析,重点介绍了管道缺陷与漏磁信号的关系,以及特征量的提取,并比较分析了超声波检测和漏磁检测两种手段的特点和不足之处。其次,详细描述了多传感器数据融合技术的定义、原理,融合系统结构、分类以及融合处理过程和应用,重点研究了多传感器数据融合算法中的神经网络技术和D-S理论。详细分析了BP神经网络的特点,研究了基于BP神经网络的数据融合方法,并对BP算法进行了改进,采用更有效的L-M优化算法,并结合算例进行了分析,结果表明利用神经网络信息融合进行管道缺陷的损伤识别是一种有效的方法并且其改进算法有更好的识别效果。在此基础上,对D-S证据理论的基本概念、组合规则及决策准则重点研究分析。针对多传感器检测数据的不确定性,提出了神经网络和D-S证据理论相结合的数据融合模型及融合算法,并通过算例进行分析。最后,把神经网络和D-S证据理论相结合的数据融合算法应用于输油管道检测系统,并运用管道缺陷数据进行仿真试验,试验结果表明此方法的效果良好,有更好的缺陷识别率,能够为以后管道的维修和管理提供更为准确的信息。