阀门内漏一直是天然气管道运输安全的重大隐患,因此阀门内漏流量的量化识别分析对于天然气管线的安全运行显得尤为重要。本文针对阀门内漏检测方法、阀门内漏声发射检测技术及检测仪器做了充分的调研,在实验室多年研究成果的基础上,重新设计并开发出第三代阀门内漏声发射检测系统,采集了球阀、旋塞阀阀门的内漏样本数据,对于实验环境复杂多变,采集的信号包含了大量的环境噪声等情况,本文开展了基于EMD阈值降噪方法、EMD时空滤波降噪方法的阀门内漏检测过程中的噪声干扰处理研究,对含有环境噪声的阀门内漏信号进行降噪处理来获取较为纯净的内漏信号。最后基于未降噪、EMD阈值降噪、EMD时空滤波降噪的阀门内漏样本数据构建了RBF神经网络球阀、旋塞阀内漏流量量化模型。选用均方误差值(RMSE),平均绝对比例误差(MAPE),平均绝对误差(MAE),皮尔森相关系数(Pearson)等指标对各个模型进行评价。试验结果表明,EMD时空滤波降噪对含噪声的阀门内漏信号有较好的去噪效果,基于EMD时空滤波降噪-RBF神经网络的球阀、旋塞阀预测模型均优于其它两种模型。此外,现场试验中该仪器可以很好地对球阀、旋塞阀内漏进行定性定量分析,满足了天然气站场的使用要求。