近年来,随着管道运输的大量应用,管线使用时间的增长,再加上施工过程中存在的缺陷、环境的腐蚀以及人为破坏,各种管道事故时有发生,对人们的生产生活产生了巨大的潜在威胁。为了及时地检测到泄漏的发生,较为精确地定位泄漏点,及时通知工作人员采取相应的措施,从而减少物质资源的损失和企业的经济损失,就需要在技术上给予充分的支持。为此,本文提出基于小波分析和神经网络的管道泄漏检测与定位方法。　　 本文首先研究了负压力波泄漏检测与定位法的基本原理,分析了影响此方法定位精度的两个关键因素:负压力波在输油管道中的传播速度和负压力波的突变点时刻。分析影响负压力波波速的因素,改进了波速公式,得到了一个新的定位公式,并对影响时间差△t的两个因素进行了分析。其次对小波分析及其奇异性理论进行了分析研究,探讨了小波变换的模极大值与信号奇异性关系,然后分析谐波小波的特点,针对其时域衰减慢的不足进行了改进,并给出了改进的谐波小波进行泄漏压力信号分析的方法。通过利用改进的谐波小波在管道泄漏实验平台上进行泄漏检测实验,验证了改进的谐波小波在时域的定位能力得到了提高。而后本文利用神经网络进行辅助检测以减少泄漏的漏报和误报。简要介绍人工神经元模型和神经网络的分类,简述了BP神经网络的结构和学习过程,确定本文所用BP神经网络的结构、各层神经元的个数和激活函数,然后对普通的BP神经网络的缺点进行分析。针对于其易陷于局部最小点的局限,本文提出了基于蚁群算法的BP神经网络,并与普通的BP神经网络进行性能的比较。比较结果显示基于蚁群算法的BP神经网络收敛速度和输出精度都得到了提高。最后基于LabVIEW和MATLAB设计了一个基于改进的谐波小波和改进的BP神经网络的管道泄漏检测与定位的仿真系统,针对采集到的压力信号的存储提出了一种通用、低复杂度的无损压缩算法,并利用仿真系统对管道泄漏进行检测和定位,确定了仿真系统定位的准确度。