随着国民经济的发展,管道以其独特的优势,在长距离输送原油或者成品油的过程中正发挥着不可替代的重要作用。但是随着管道运输的不断发展,老化、腐蚀以及人为破坏、偷盗等原因,导致管道泄漏事故频频发生,造成了重大的经济损失、环境污染和安全隐患。快速准确地检测出管道泄漏,对于保护国家财产和自然环境具有重大的意义。本论文以管道运输中的故障诊断问题为背景,基于模糊T-S模型和广义模糊双曲正切模型,对输油管道泄漏的故障检测进行了深入的研究。管道中正常的工况调整可能产生与泄漏及其类似的负压波,因此传统基于负压波的泄漏诊断容易出现误报。本文分别利用T-S模糊模型与广义模糊双曲正切模型对负压波的来源进行区分,防止由工况调整产生的负压波给出误报警。采用神经网络技术对两种模型进行辨识。本文主要进行了以下几个方面的工作：首先,针对实际管道中工况复杂,基于负压波的泄漏检测与定位方法中经常存在的误报警问题,提出利用T-S模糊模型的方法来逼近管道系统,排除误报警。模型输入为管道运行参数的变化量,根据输出值对管道中负压波来源分类,判断参数改变是否由于泄漏产生。建立误差反传神经网络对模型参数进行辨识,利用现场数据进行大量仿真,求取T-S模糊模型。其次,鉴于T-S模糊模型参数辨识复杂,提出对输油管道建立广义模糊双曲正切模型。建立广义模糊双曲正切模型的神经网络表示,并利用BP算法实现模型中参数辨识。根据广义模糊双曲正切模型的输出结果对管道运行状况进行判断。针对管道中不同介质流体混合输送的情况,对负压波泄漏定位算法进行改进。传统基于负压波泄漏检测与定位仅仅考虑了管道中存在一种介质时的定位算法,本文给出管道中流体混输情况下的负压波泄漏定位算法。最后,利用已建立的模糊模型并结合负压波方法对管道进行泄漏检测与定位,排除因调泵、调阀等正常的管道工况调整引起的参数波动而出现的误报警。利用现场采集来的数据结合MATLAB进行大量仿真,给出仿真结果。