近年来,管道是储存和运输液体的最常见系统之一。布拉格光纤光栅传感器是一种低成本、抗干扰和低能耗的传感器。由于管道受外界条件影响,时常发生泄漏事件,造成经济损失和人力浪费,因此研究新型传感器用于泄漏效应而出现在管道壁中的振动信号频谱中监测系统是有重要研究意义。针对石油管道定位系统存在着物理特征难提取、识别精度不高、系统安装困难、外界干扰过大等问题,本文提出一种基于布拉格光纤光栅传感器结合变分模态分解的圆柱螺旋定位方法,首先,对多点泄漏产生的信号进行Hilbert变换求解析信号,将信号平移到基带,利用高斯平滑来估计信号的带宽,及梯度的二范数平方;其次,本文结合免疫算法的思想改进粒子群算法,以求解最优的拉格朗日因子,确定模态分量,提取信号频率响应特征进而求出各个泄漏信号到达时间点,建立螺旋曲线的数学定位模型及圆柱螺旋模型;最后确定泄漏处的三维位置。针对泄漏类型识别的问题,本文提出改进粒子群变分模态分解法结合随机森林进行泄漏类型识别。首先,提出线性递减权重法,惯性权重依照线性从大到小递减,自适应步长,求解出变分模态最优参数;其次,利用机器学习的方法,以能量、交叉熵、波峰值为特征,建立输入矩阵;接着,利用多学习机分类分别训练单点泄漏和多点泄漏,分别识别出不同的泄漏类型;最后参考40m管网的数据集,测试泄漏识别精度以及算法时间成本。通过实验表明,在DN200型管道检测6500组数据集的测试下,本文的优化方法在60cm管道定位误差为2.3914 cm;单点泄漏孔径1 mm,液压5 bar小型泄漏识别精度有着86%;本文提出的基于随机森林回归算法,其在多点泄漏类型识别上有着82%的精度。改进的粒子群算法在平均标准差和时间的指标对比上,其寻优速度快,参数适应度强,本文的改进算法是具有一定的优势。