目前水资源紧缺问题日趋严重,全球大约有36亿人口居住在缺水的地区。然而水资源在分配利用过程中漏损严重,平均有35%的水资源在分配利用过程中流失,仅我国每年的漏损量已近百亿吨。这不仅导致了大量水资源被无端浪费,也造成了巨大的经济损失,而且影响居民的正常生活用水需求。同时管道泄漏点也是潜在的污染物侵入点,容易污染饮用水,可能会危害居民的生命安全。因此,快速而准确地定位泄漏位置对于节约水资源和保障居民用水安全具有重要意义。传统的泄漏检测方法依靠被动式人工巡检,费时费力,效率低下。基于声信号的管道泄漏检测与定位方法由于其准确率高、操作简单、成本较低、易于实现等优点被广泛应用。然而,基于声信号的检测方法容易受到环境噪声的干扰,且泄漏信号是非线性非平稳信号,处理难度较大,导致管道泄漏检测与定位的准确度下降。针对上述问题,本文从管道泄漏检测与管道泄漏定位两个方面开展了如下研究。1.基于极限学习机（Extreme Learning Machine,ELM）的管道泄漏检测方法研究。本文实现了一种多特征组合的管道泄漏检测方法。首先,搭建声信号采集系统,采集管道正常运行、泄漏以及敲击等三种声信号。然后,使用多元变分模态分解（Multivariate Variational Mode Decomposition,MVMD）算法对不同工况的声信号预处理后,选取平均值、峭度、脉冲因子、散布熵等特征构建特征向量,最后,利用极限学习机对管道工况进行分类。实验结果表明,该方法的平均识别率可以达到98.88%。2.基于声信号的互相关管道泄漏定位方法研究。本文实现了一种基于MVMD去噪声信号的互相关泄漏定位方法。首先,通过对比有泄漏与无泄漏声信号的频谱特征,确定泄漏信号的特征频带。然后,使用MVMD算法对泄漏信号进行分解,得到多个不同的本征模函数（Intrinsic Mode Function,IMF）分量,根据IMF分量与特征频带内信号的相关系数选取有效分量。最后,利用选取的有效分量进行信号重构,对重构信号互相关分析获得延时时间,确定管道泄漏点的位置。实验结果表明,该方法相比于基于变分模态分解（Variational Mode Decomposition,VMD）结合相关系数的管道定位方法以及基于经验模态分解（Empirical Mode Decomposition,EMD）结合相关系数的管道定位方法准确度更高,在多种不同实验条件下的平均相对定位误差在2%以内。3.管道泄漏检测与定位系统设计与实现。首先,对供水管道泄漏检测与定位系统的需求进行分析。然后,根据需求确定该系统的整体功能架构,在供水管道泄漏检测与定位的研究基础之上,利用MATLAB与Qt混合编程的方法,实现了供水管道泄漏检测与定位系统的各功能模块。图[46]表[14]参[52]