随着对天然气能源需求的不断增加,天然气管道运输业得到了迅速发展,受管网老化及人为破坏等因素的影响,管道泄漏事故频繁发生,严重威胁了人们的生命财产安全。我国大部分城市地下天然气管道早期泄漏量小,往往难以发现和修复,因此,准确及时的对管道进行泄漏检测可以有效避免安全事故的发生。本文主要利用预处理、特征提取及工况识别三个关键技术实现对管道泄漏信号的检测。主要研究内容如下:首先,对自适应模态分解方法EMD、EEMD、CEEMD、MEEMD及VMD的原理进行详细分析。在进行VMD分解之前需要人为设定分解模态个数K,K值的不恰当设置会严重影响VMD分解性能,针对此问题提出基于欧氏距离的VMD方法,通过评估VMD分解各模态分量信号与原始信号之间的欧氏距离来确定参数K值。利用上述模态分解方法对仿真信号进行分解得到若干模态分量,计算各模态的欧氏距离找到与原信号最相似的几个模态分量进行重构,实现信号的滤波处理,通过实验对比分析发现改进VMD具有更好的分解和去噪性能,MEEMD正交性最好,为了最大化的保留原始信号的有用信息,将两种方法应用到实际管道泄漏信号的处理中。其次,由于天然气管道微小泄漏信号幅度变化小导致有用特征不易提取,引入度量信号复杂程度的熵理论,并针对天然气管道微小泄漏信号的熵特征在单一尺度上难以全面提取的问题,提出了多尺度模糊熵的特征提取算法。对MEEMD和改进VMD滤波处理后的管道重构信号分别提取多尺度模糊熵,构建特征向量。通过与多尺度排列熵进行对比,验证了基于多尺度模糊熵的特征提取方法在管道泄漏检测领域的有效性与优越性。最后,对ELM算法的基本理论进行研究,采用PSO算法对ELM的输入权值和隐含层偏置参数进行优化,解决ELM参数设置随机性导致的泛化能力较差的问题。基本的PSO算法仍然有改进的空间,本文在基本PSO算法的基础上添加GA的选择、交叉、变异操作,提出遗传粒子群混合优化算法（GA-PSO）,改进了PSO算法可能出现的收敛早熟问题,提高了算法的全局搜索能力,并通过多种分类模型的对比分析,证明GA-PSO-ELM分类模型收敛速度快,收敛精度高,对管道不同工况的总体识别达到98.67%,具有较高的准确率。