随着我国经济的高速发展和原油输送管网的逐步建立,输油管道的运输安全性问题越发突出。对于输油管道的及时检测能够有效降低原油泄漏事故的发生率和破坏性,而在流体输送管道泄漏的诸多检测方法中负压波检测因其简单易行、成本低廉的特性而在检测实践中得到了广泛应用。但传统的负压波检测方法对于管道微小泄漏的检测效果较差,且易受工况调整的影响。针对这些问题,本文创新地提出使用混沌原理和广义模糊双曲正切模型进行管道微小泄漏在线检测的新方法。本论文首先讨论了使用混沌理论处理管内压力相关分析问题的可行性。利用非线性动力学的相关原理对实际管道测量数据进行了研究,分别证明了管内压力时间序列的平稳性和非线性特征,进而根据混沌理论相关原理计算出压力时间序列的混沌特征量如关联维数、Lyapunov指数谱等,最终得到了管道压力时间序列是混沌时间序列的结论,从而为后续对于压力时间序列的混沌分析奠定了理论基础。随后本研究介绍了广义模糊双曲正切模型(GFHM)的相关理论,并根据时间序列预测的原理建立起了基于GFHM的压力时间序列预测模型。接着采用BP神经网络方法对该模型进行了辨识,并使用管道真实测量数据进行了仿真,证明该方法准确有效。将该预测模型应用于实际检测过程,便构成了一种管道在线检测的新方法。针对微小泄漏的准确识别问题,本文结合管内压力的混沌动态特性,构建新的广义模糊双曲正切模型来对管道运行状况进行分析,称为基于GFHM的管道压力混沌分析算法,达到了正确辨识微小泄漏所产生的负压波信号的目的。在得到负压波信号分析结果的基础上,利用管道工况调整信息离线训练所得到的广义模糊双曲正切分类模型对已检出的负压波信号进行分类,有效去除工况调整情况对泄漏检测的影响,减少误报警。结合以上分析和负压波检测的缺陷定位技术,建立起管道微小泄漏在线检测新方法。经仿真分析并与之前提出的基于压力时序预测的检测方法进行比较,发现基于混沌分析的检测方法对微小泄漏的检测准确率更优,与误报率也更低。经过大量的真实数据仿真结果证明,本文提出的微小泄漏在线检测方法能有效提高流体管道监测的精度与灵敏性。