管道泄漏检测及定位系统是工程领域中一个重要的研究方向,虽然经过了几十年的发展,但是到目前为止各种方法仍不尽完善,尚有许多新问题亟待解决,其中最主要的是降低误报警率。本文采用小波分析与神经网络相结合的方法进行输油管道的泄漏检测,将小波去噪后信号中最小值附近的数据按照一定频率采样,送入神经网络进行训练,构成泄漏的数据识别库,对管道进行泄漏判断,提高了负压波法检测的准确性。本文介绍了国内外出现的一些管道泄漏检测方法,研究了改进的负压波法以及相关理论。分析了管道内流体温度随传输距离变化的规律,并指出此规律对管道内负压波传播速度的影响。由于常负压波波速定位方法具有一定的局限性,本文采用改进的负压波定位技术。用复化辛普森公式将管道内的负压波波速公式进行改造,结合管道两端接受到负压波的时间差,采用差值法求解泄漏点的位置。采用消除首末端压力传感器动态响应时间差的方法及全球定位系统(GPS)来统一首末端数据采集系统的系统时间。本文对泄漏检测定位和小波去噪从原理到计算机仿真的核心算法等都进行了详细的分析和讨论。应用Matlab软件对采集到的原始输油管道泄漏信号进行数据去噪处理和泄漏定位分析。在干扰压力波排除过程中,采用神经网络的BP算法,利用神经网络的自组织、自学习的功能,先对泄漏数据及非泄漏数据进行训练并记忆其特征。根据特征的不同,来区分工况干扰和泄漏事故产生的压力波动,从而进行泄漏判断。