随着我国管道服役时间不断延长,管道磨损日益严重,时常导致管道泄漏事故发生,给人民造成巨大的财产损失及身心伤害。泄漏检测是保障管道正常运行的主要技术手段,然而在天然气管道泄漏检测过程中,存在检测极易受到噪声干扰以及泄漏特征信息提取困难,导致误报、漏报的问题,因此,为提高管道泄漏检测的精度,本文利用变模态分解Variational Mode Decomposition,（VMD）算法对管道信号进行分析,设计了一种从信号预处理、特征提取,到工况识别的管道泄漏检测方法。主要研究内容如下:首先,对VMD算法的原理进行了研究,然后用其分析了信号处理过程中的含噪信号等异常信号,并与经验模态分解Empirical Mode Decomposition,（EMD）算法做了对比,验证了VMD算法用于天然气管道泄漏检测的可行性。其次,VMD算法在使用前需要预设参数,为确定VMD参数值,提出了一种改进的VMD方法,利用群智能优化算法—麻雀搜索算法（Sparrow Search Algorithm,SSA）对VMD的关键参数分解层数K和惩罚因子α的最优组合进行自适应选取。同时为了消除噪声对管道泄漏检测的干扰,提出了VMD结合散布熵的去噪方法,输入信号经VMD分解可得到K个模态分量,计算每个模态的散布熵值,并对有效模态与非有效模态进行区分,最后重构有效模态获得去噪信号。仿真信号及实际天然气管道泄漏信号的实验结果表明,相比其它去噪方法,该方法的去噪效果更好。最后,管道信号的有效特征提取有利于提高天然气管道泄漏检测的准确率,因此提出了VMD结合Lempel-Ziv复杂度分析的特征提取方法。首先对管道信号进行去噪预处理,然后计算去噪后管道信号的Lempel-Ziv复杂度（Lempel-Ziv Complexity,LZC）值,提取LZC特征,并将其作为支持向量机（Support Vector Machines,SVM）的输入进行训练、测试。结果表明,本文提取的LZC特征相比其他特征,具有较高的管道工况信号分类准确率。