管道运输是石油、天然气最经济合理的运输方式。随着油气管道的大量铺设和管道服役时间的增长,管道失效事故屡有发生。影响管道失效的因素众多,一些因素具有随机性、模糊性和不完整性等特点,传统诊断方法对管道失效模式分析常常存在不适应性。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失效模式诊断问题的研究具有很好的适应性。论文主要针对管道失效模式诊断中的若干问题,研究适合于问题求解的人工神经网络模型、学习算法和应用技术,并将神经网络与诊断理论、模式识别、模糊逻辑和系统仿真等相结合。在对油气管道已有失效模式分析和故障诊断建模技术研究基础上,归纳出三类管道失效模式诊断问题,分别为数值型模式、含模糊信息模式和动态模式。论文构造了不同的神经网络模型以实现上述不同问题的求解。针对数值型模式,采用自适应确定BP网络结构的方法对含缺陷压力管道的失效模式进行识别;针对含模糊信息模式,考虑已知条件和结果之间无明确关系及各环境条件对结果影响的重要程度不同等问题,在传统模糊神经网络基础上建立了加权模糊推理网络,较好解决了腐蚀数据中的模糊性信息对管道腐蚀程度的影响;针对动态模式,将过程神经网络和径向基函数神经网络相结合,提出了一种径向基过程神经元网络的概念和模型,模型融合了两者优点,对预测管道腐蚀速率随时间非线性变化问题有很好的适应性。同时,针对过程变量趋势预测,将传统支持向量回归机的构造思路和方法推广到时变函数空间,建立了一种过程支持向量回归机,该模型可较好地解决动态系统时间预测问题。论文将神经网络技术应用于管道失效模式诊断研究,对油气管道的安全程度进行评价,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。