管道运输是一种常用且重要的运输方式,可以为国民经济发展提供基础运输支持。而在实践当中,因为管道面临着老化、人为破坏以及腐蚀等威胁,使得管道泄漏事故屡见不鲜,不但会形成经济损失,同时还对环境带来污染影响。国内原油成品油长输管道长期存在利用隐蔽地道钻孔偷油盗油现象,各个输油企业遭受巨大损失,因此国内对高精度的管道泄漏检测系统存在巨大需求,企业的调控中心操作员使用泄漏监测系统除了监测管道突发泄漏,日常更加注重对偷油监测。虽然迄今为止尚未有任何软硬件可以完美解决偷油困扰,但负压波法是国内外应用最为广泛和实用的技术之一,在一定程度可以实现泄漏报警和定位,本文着重侧重其中的核心技术之一,即压力传感器信号的滤波技术—Kalman滤波法(Kalman Filter)。所以当前阶段,基于管道内部模型的Kalman滤波算法能够在管道泄漏与检测中发挥出较好作用,然而其算法模型过于复杂,需要有较大计算量,所以导致其实践应用有所限制;而基于管道信号模型的Kalman滤波算法虽然模型算法相对简单,但是本身存在一定的不确定性,信号抗干扰能力弱,所以泄漏报警的准确度不足,定位精度以及整体鲁棒性也不高。据此可知,针对Kalman滤波算法进行研究,提升模型准确性与信号抗干扰性,减少管道泄漏的误报率,可以对管道泄漏检测和定位产生重要意义,具备良好的理论与实践价值。国内主流的压降信号捕捉技术,无一例外全部采用优质的压力数值滤波技术实现。例如中加诚信采用小波处理方法(wavelet transformation),天津大学采用Kalman滤波和小波变换综合方法,北京化工大学采用抗差Kalman滤波方法和新息序列法(innovation sequence)。以上各个方法各有所长,必须辅助配合其他工艺处理算法才可以发挥综合优势,单独评判任何一个滤波方法都是没有意义的。目前各个研究机构和企业单位为了降低泄漏检测系统漏报率和误报率,均把数值滤波技术作为重点研究方向。在本文当中,先是对基于滤波器的管道泄漏检测和定位方法进行分析,接着构建了基于历史工况的数据辨识管道模型,并且搭建了一个基于STARVIEW软件平台,在此基础上设计了自适应的Kalman滤波器管道泄漏检测与定位系统。研究自适应卡尔曼滤波在管道泄漏检测系统中的应用,明确具体配置情况,并结合实际运行环境来实现长输管道泄漏检测系统。分析如何实现工况数据采集,以及对泄漏情况进行判断和定位等。通过具体的实现,分析自适应卡尔曼滤波在管道泄漏检测系统当中的实际测试结果。实验研究结果显示,本文设计的基于Starview ICS系统的自适应卡尔曼滤波在管道泄漏检测与定位方法,可以有效提升滤波性能,确保系统能够对于模型的不确定性产生良好鲁棒性,以减小误报警率,其定位精度能够满足实践需求。