在长距离输送原油或者成品油的过程中,管道以其独特的优势,在运输中起着至关重要的作用。但是,由于管道老化、腐蚀及其它外力破坏等原因,泄漏事故时有发生。特别是近几年有组织的打孔盗油活动,严重干扰了正常的输油,造成了重大的经济损失和环境污染。因此及时检测出管道泄漏,并对其进行准确定位,对于保护自然环境和国家财产具有重大的社会和经济意义。本文研究的管道泄漏检测技术,是目前故障诊断领域的一个主要研究课题。讨论了目前典型的管道泄漏检测的方法,并对比了它们的优缺点,在此基础上,提出一种RBF神经网络结合小波变换的新的管道泄漏检测技术。本文主要进行了以下几个方面的工作：1.针对管道泄漏检测过程中所存在的问题,本文引进了负梯度下降法的最近邻聚类RBF神经网络算法,这种算法不但能在线更新中心、宽度、权值,而且能自动的确定RBF神经网络结构,有效的提高了RBF神经网络的学习精度。经过大量仿真,证明了这种算法能很好的检测出管道泄漏。2.针对RBF神经网络泄漏检测算法的问题,本文引进基于小波变换的去噪算法,对信号进行消噪处理。在这里构造出了新的阈值函数,能根据实时数据不断更新；同时提出了粗调和细调的方法确定分解层数,这样既能准确的确定分解的层数,又能减少分层的时间。经过MATLAB仿真,证明了该方法比常规算法有更好的效果。3.通过以上的研究,提出了RBF神经网络结合小波变换的管道泄漏检测技术。同时,利用RBF神经网络结合负压波技术对泄漏点进行定位,并对工况进行了简要分析。大量的仿真结果证明本文提出的技术能够准确的检测出管道泄漏。利用中石化的现场数据进行了大量的仿真实验,证明了本文所提出的技术能及时准确的检测到管道的泄漏,具有很好的实用性和可行性,随着理论和实践的进一步发展,本技术将会在管道泄漏检测中发挥越来越大的作用。