近几年,伴随着石油行业的迅速发展,管道运输作为重要的运输方式,迅速繁荣。但是,由于管道退化、腐蚀和并且遭到经济利益驱动的人为偷油盗油等因素,从而使管道泄漏频繁发生,并提高了维护管道的成本,还对环境造成了破坏,给国民经济造成了巨大的经济损失。因此如何快和准查出管道泄漏故障,从而使自然环境得以稳定和减小维护成本具有相当大的意义。所以,如何减小误报警率和漏报警率,成为课题研究的重点。课题以神经网络的知识为基础,对输油管道检测举行了探讨。针对传统管道泄漏识别技术的高误报警率、高漏报警率、报警延时长的问题,文中提出一种分层泄漏检测的方法,根据信号处理不同阶段信号的特征,采取不同的信号处理方法。首先对原信号进行预处理:应用小波分析方法,实现对输油管道混入噪声的检测信号的频率分解,分离出有用信号。但是由于管道沿线环境复杂多变,单纯使用小波变换不能很好的对采集信号进行准确的泄漏识别。文中提出BP神经网络结合小波技术,进行泄漏识别报警。因此,检测系统利用小波变换,提取施工现场采集的三种管道状态信号的特征向量,以便对管道状态进行后续的识别分类。其次对信号进行识别。构建BP神经网络,并把预处理阶段得到的特征参数作为BP神经网络的输入,对网络进行修正,确定网络参数。在最终判决阶段,把实际工程采集的测试信号特征值输入网络模型进行分类识别。最后,针对BP神经网络存在收敛速度慢、易陷入局部最小等问题,本文提出遗传算法对BP神经网络进行优化,建立了基于遗传算法与BP神经网络相结合的诊断模型。以神经网络的权值为变量编码,使种群(Population)进化至最优值,最终实现遗传算法对BP网络结构和参数的优化。实验表明,遗传算法可以很好的克服BP神经网络易陷入局部最小的问题,并可以加快网络的收敛速度。分层检测法可以有效提高泄漏报警的准确率,减少误报警和漏报警,提高检测系统的可靠性,具有一定的学术和工程应用价值。