管道作为五大运输工具之一，在运送液体、气体等方面具有特殊的优势。但是随着管线条数的增多、管龄的增长，以及不可避免的腐蚀等自然或人为损坏等原因，管道泄漏频繁发生。快速准确地检测出管道泄漏，对于保护自然环境和国家财产具有重大的社会和经济意义。　　 本论文以输油管道过程中的故障诊断问题为背景，运用了基于混沌理论和BP神经网络相结合的方式，对输油管道的泄漏故障以及微小泄漏故障检测进行了深入的研究。传统的管道泄漏检测方法只是依据分析采集到的信号的统计特性进行分析处理。本文运用了基于混沌理论分析方法，认为管道内的流体的动态特性具有混沌特性，可以利用混沌的分析方式来处理，通过相空间重构的方式，计算出管道压力时间序列的最佳延迟时间和最佳嵌入维数，将压力时间序列由一个时间向量转化为矩阵形式。本算法可以分为两个部分，离线训练部分和实时在线故障诊断部分。离线训练部分主要负责利用历史数据训练BP神经网络，将训练样本输入到BP神经网络中，得到原始神经网络预测模型。通过在线故障诊断部分进行预测和对神经网络进行修正，并以BP神经网络得到的预测值与实时数据值作为故障诊断的判断依据，利用二者之间的预测误差与预先设定或自动识别的阈值比较，从而判断是否输油管道上有泄漏故障的发生。　　 针对本文运用的算法，通过MATLAB软件进行了大量的仿真实验，利用现场的实际压力数据，保证该方法的实验结果具有高度的可信性和实际的应用性。仿真实验证明，本文运用的故障诊断算法应用于输油管道泄漏检测能够准确的判断出泄漏的发生，并对微小泄漏的引起压力变化也具有很理想的检测效果，充分证明了该算法强大的处理能力。此外，本文的故障诊断算法不仅可以用于输油管道压力时间序列的故障诊断，也可以用于其他时间序列的故障诊断，只要根据实际情况合理选择神经网络都可以取得理想的效果。