随着社会的发展,管道运输已成为生产生活中不可缺少的运输方式之一,具有安全性好、效率高、经济实惠等优点。为了保障管道的安全运输,常采用外敷防腐层的方式对管道进行保护。由于长输埋地管道工作环境恶劣、服役时间较长以及易受土壤腐蚀等不可抗因素,外防腐层常会产生裂纹、孔洞和剥离等缺陷,导致管道受损从而使管道发生泄漏甚至爆炸,造成严重的经济损失和人员伤亡,因此对管道防腐层结构进行损伤识别具有重要的工程价值和理论意义。本文综合分析管道防腐层损伤数据以及各个算法的优势,提出一种基于集合经验模态分解（EEMD）、快速傅里叶变换（FFT）、孤立森林（IForest）、缺失森林（MF）、核主成分分析（KPCA）和极端梯度提升树（XGBoost）分类回归算法相结合的管道损伤识别方法。本文的主要研究内容如下:1.构建管道损伤数据库。管道损伤数据库由六维动态响应频域特征构成,使用超声导波的发送探头激发超声波并利用接收探头获取管道损伤回波信号,利用集合经验模态分解对获取的管道损伤信号进行去噪分解,通过快速傅里叶变换提取管道损伤信号的频域特征并构建管道损伤数据库。2.将孤立森林、缺失森林、核主成分分析以及极端梯度提升树应用到管道损伤识别中。针对构建的管道损伤数据,依次进行孤立森林异常值检测、缺失森林数据补全、核主成分分析特征降维优化,通过极端梯度提升树分类算法进行管道防腐层损伤类型识别,通过极端梯度提升树回归算法进行管道防腐层损伤尺寸识别。3.采用基于EEMD、FFT、IForest、MF、KPCA以及XGBoost分类回归算法相结合的管道损伤识别方法对管道防腐层双层结构进行损伤检测。结果表明通过分类算法实现了管道防腐层结构的裂纹、孔洞和剥离三种损伤类型的有效识别,识别准确率达到了90.9%,通过回归算法实现了管道防腐层结构裂纹长度、孔洞半径和剥离长度的识别,故本文建立的基于EEMD、FFT、IForest、MF、KPCA以及XGBoost分类回归算法相结合的管道损伤识别方法在管道健康检测和损伤评估领域有一定的参考价值。