管道是一种重要的运输方式,其在国民经济的发展中发挥着越来越重要的作用。但是,随着管线的增多以及管龄的增长,由于管道腐蚀和自然灾害等因素导致的管网泄漏事故频频发生。因此,对管网泄漏检测技术的研究具有非常重要的意义。传统的管网泄漏检测技术难以满足对检测的精度以及准确度的要求,并且由于监控站工况的正常调整产生与泄漏类似的压力曲线而导致大量的误报警。针对管网运行状态的不确定性以及工况调整的复杂性,本论文提出了基于模糊神经网络的输油管网泄漏检测技术,主要解决了以下三方面的技术问题：数据采集的方法、工况调整的查询算法以及管网泄漏的检测方法。首先,设计了OPC管网数据采集客户端。该数据采集方式简单方便,系统易于维护,且实时性和可靠性都较高,克服了传统的驱动程序方式和动态数据交换方式的不足。为了采集现场的压力、流量、密度以及设备调整信息,从功能和模块两方面进行了OPC客户端的设计。并详细论述了在Visual C++环境下完成软件开发的具体步骤,实现数据访问以及对运行状态实时监控的目的。为了获得导致检测站压力变化的各个监控站的正常设备调整信息,提出了管网中监控站遍历的搜索算法。从时间复杂度和空间复杂度的角度,分别研究了两种用于管网中监控站访问的方法：深度优先搜索算法和广度优先搜索算法,详细论述了其思想及其实现的流程。在此基础上,为了提高泄漏检测系统的实时性,提出了改进广度优先搜索算法,满足层次遍历的需求,以实现各个监控站工况调整的查询。最后,提出了基于模糊神经网络的输油管网泄漏检测方法。模糊神经网络结合了模糊系统和神经网络各自的优点,通过学习的方式获得模糊规则。本文分别研究了基于型模糊神经网络和区间Ⅱ型模糊神经网络的输油管网泄漏检测方法,介绍了两种神经网络的结构并论述了其学习算法。通过仿真得出结论：基于区间Ⅱ型模糊神经网络的输油管网泄漏检测方法具有更高的检测精度,但是训练所需的时间稍长。