管道在运输行业中发挥着不可替代的作用,在石油、天然气等的运输上有独特的优势。自然环境对管道造成的腐蚀及管道的老化等会导致管道泄漏,如果没有采取有效措施,泄漏的资源不仅产生重大的经济影响,而且会造成严重的环境污染。泄漏检测技术可降低管道泄漏对我们的影响。实验室采集的天然气管道信号夹杂着大量的噪声,容易导致误报、漏报等情况的发生。为提高管道泄漏检测的精度,本文设计了一套集管道信号预处理、特征提取、工况识别的管道泄漏检测方法。主要内容如下:首先,本文深入研究了信号处理中常见的去噪算法及变分模态分解（Variational Mode Decomposition,VMD）算法的相关知识,验证了小波变换（Wavelet Transform,WT）、经验模态分解（Empirical Mode Decomposition,EMD）、VMD等算法的去噪效果;利用仿真信号和管道泄漏信号进行对比实验表明,利用VMD算法相比于其他的去噪算法获得了较好的去噪效果,但发现了VMD算法关键参数的确定以及模态选取对去噪效果影响较大的问题。其次,针对VMD算法的参数设置会对其分解效果产生较大的影响的问题,提出了一种利用修正余弦相似度优化VMD参数的方法,为VMD的关键参数预设尺度K的确定提供了依据。针对管道泄漏信号中含有大量的噪声,提出了一种二次VMD结合豪斯多夫距离（Hausdorff distance,HD）的去噪方法,首先利用VMD将输入信号分解为K个固有模态函数（Band-Limited Intrinsic mode Function,BLIMF）;然后分别计算BLIMF分量与管道泄漏信号概率密度函数之间的HD值,根据HD值区分有效分量与噪声分量;最后把噪声分量再次进行VMD分解,利用相关系数选取出有效分量,并与第一次分解的有效分量进行重构得到去噪信号。仿真实验和管道泄漏信号实验表明,相比于其他的去噪算法,该方法有更好的去噪效果。之后,为了提取有效的信号特征以便于更好的提升检测的准确率,对管道泄漏信号进行预处理之后,提取重构信号的层次排列熵作为有效的特征向量,并将提取的特征向量输入到极限学习机中进行训练、测试。经管道泄漏实验结果表明,相比于其他特征提取方法,层次排列熵作为特征向量可以更有效的区分不同工况的管道泄漏信号。最后,本文以QT作为开发语言,以图形界面模块、数据库模块、信号处理算法处理模块、参数配置模块四个模块构成此上位机系统开发,简述上位机系统搭建的过程,并详细说明了搭建过程中的需求分析、系统构建分析等。最终基本可以实现管道泄漏检测的可视化。