管道输送已经成为当前石油天然气的主要输送方式。随着我国天然气工业的不断发展，由于管道老化、自然腐蚀以及人为因素等原因造成的管道泄漏问题日益严重，导致严重的社会后果。目前，针对石油管道的泄漏检测技术已日趋成熟，而由于天然气输送的特殊性，使得天然气管道泄漏的检测技术还很不完善，因此加强对天然气管道泄漏检测与定位技术的研究具有重要的理论意义和实际应用价值。本文在详细分析天然气管道泄漏检测技术研究现状的基础上，研究基于混合模型的气体管道泄漏检测与定位方法。通过对天然气管道的机理分析，分别给出了天然气管道无泄漏情况和泄漏情况的状态空间模型，描述气体在不同情况下的运行状态。针对机理模型精度不足的缺点，采用RBF神经网络技术建立管道的“黑箱”模型，将影响管道状态的时变参数作为网络模型的输入，将管道状态空间模型的拟合误差作为网络模型的输出，从而建立具有实时在线学习功能的天然气管道神经网络模型。论文给出了基于天然气管道机理模型和神经网络模型的管道混合模型，从而修正机理模型的误差，补偿动态参数对管道模型的影响。文章最后讨论了基于李雅普诺夫稳定性理论的管道泄漏检测方法，通过对非线性系统特征值的分析判断管道的泄漏，并估计泄漏量的规模及泄漏点的位置。实验分析证明了管道泄漏状态空间模型的可靠性、混合模型有助于提高管道模型的精度，同时基于李雅普诺夫稳定性理论的管道泄漏检测技术具有一定的可行性。