天然气作为一种新型能源,相比与石油、煤炭等能源,其具有清洁经济等优点,因此很快得到推广。而管道作为天然气运输的一种主要运输工具随着运行年限的增加以及人为对管道的破坏,对管道的运行状态进行实时监测对保护管道运行安全具有非常重要的意义。在管道检测方案设计过程中主要包括对管道信号进行采集、特征提取、以及根据各个管道运行工况管道信号的特征来识别判断管道处于那种运行状态。由于管道信号是非平稳随机信号,且在传输过程中容易受到外界干扰,导致管道运行工况识别时出现误报的情况。针对这种情况本文将管道正常运行时采集到的信号作为背景信号,利用变分模态分解算法对管道信号进行时频分析,获取管道信号特征值。再利用BP网络算法对信号特征值进行识别分类达到管道运行工况识别的目的。本文主要工作有:1、根据现场实际要求,对管道监测中心系统进行分析设计主要包括数据采集设计,数据传输设计,以及报警及数据存储设计。对管道信号处理过程进行设计,主要包括数据采集过程及利用算法进行特征提取,以及利用特征进行管道运行工况识别算法进行识别训练。2、对管道信号进行算法仿真分析,通过EMD算法和VMD算法对管道信号对比仿真分析发现EMD算法对管道信号分解完成后的特征不明显,而VMD算法对不同管道工况下信号分析时输出的模态分量的中心频率之间有明显差异性,因此选择VMD算法对管道信号进行特征提取,再将提取的管道信号中心频率特征作为后续BP神经网络进模式识别的输入特征向量。3、对BP神经网络算法进行介绍和研究,利用VMD算法提取的管道特征频率对BP神经网络进行训练,并用测试特征值对训练好的网络进行测试,达到天然气管道运行工况分类识别的效果,完成VMD-BP管道工况模型的搭建。4、利用图形化编程语言Lab VIEW进行检测中心系统开发,主要包括数据通信模块设计,报警模块设计,数据存储模块设计。