利用导波的远场检测优势和机器学习模型,开展管道弯曲处腐蚀损伤程度智能辨识方法研究.在普通碳质钢管弯头处加工不同程度的腐蚀缺陷,按腐蚀程度分为10个等级.采用自激自收和一激一收两种信号激励接收方式,在管道中激励具有非频散的T(0,1)型超声导波,采集得到不同腐蚀程度缺陷对应的导波检测信号.在时域和频域对检测信号进行分析,提取多个导波信号特征值用于表征损伤程度,并通过BP神经网络和支持向量机两种分类模型对数据进行训练分析得到缺陷损伤辨识模型,实现弯曲处腐蚀程度的准确辨识.研究中分析两种模型的超参数对缺陷辨识模型精度的影响,对比研究两种模型对弯管腐蚀损伤辨识的性能.试验结果表明,两种损伤辨识模型对不同激励接收模式下的导波检测信号均能取得较优的分类效果.相较于BP神经网络,支持向量机在小样本条件下对弯管腐蚀损伤具有更好的辨识效果.