大型立式储罐是能源及化工工业中的重要设备之一，在设计、制造、建设和使用过程中不可避免地会对储罐造成缺陷损伤，其中储罐底板是最容易发生问题的部位。传统的检查方法需要在停机开罐的条件下进行，检测成本高，并且具有很大的盲目性。声发射技术作为一种动态、在线、整体检测方法，具有无需开罐、快速经济的优点。本文针对声发射技术在立式储罐底板检测中的应用，对储罐损伤的声发射源特性、现场噪声以及评价方法进行了研究。主要工作内容如下:　　首先，制作立式储罐模型并设计腐蚀和泄漏过程声发射监测实验。通过长期采集模型腐蚀声发射信号，分析了不同腐蚀时期的声发射参数和波形特征，结合腐蚀发展机理，得出了声发射特征随腐蚀过程的变化规律。在腐蚀储罐模型上分别在无泄漏、滴漏以及线状泄漏三种工况下进行声发射监测实验，分析了泄漏信号的参数特征。实验证明了声发射技术用于储罐底板检测的可行性。　　其次，针对立式储罐现场声发射检测过程中的噪声问题，研究了常见的噪声类型及其排除方法。根据现场检测案例，得出了电磁液位计噪声、电机振动噪声以及管道内漏噪声的声发射特性;研究了独立分量分析算法及其在声发射信号降噪中的应用，通过仿真实例证明该方法能够将强噪声从微弱的腐蚀信号中分离，具有良好的降噪效果。　　最后，分析了立式储罐底板声发射检测评价方法，在此基础上确定了能够表征储罐底板状态的声发射特征参数，建立基于BP神经网络的评价模型。使用现场检测样本对网络进行训练和测试，比较了不同的数据处理方法对模型性能的影响，并将预测准确率最高的模型作为最终的评价模型。通过对储罐实际声发射检测获得的数据进行神经网络模型评价，验证了所建模型的可靠性。