在运输行业日新月异的今天,管道以其运输效率高、运营成本低、供给稳定的特点成为了当今五大基本运输方式之一,成为了社会的重要组成部分。然而,由于管道系统自身的磨损、腐蚀以及在外界环境的影响下,管道泄漏时有发生。管道铺设错综复杂、地面条件限制,导致管道泄漏不能够及时的发现,这严重干扰了管道运输的正常工作,带来了严重的经济损失和恶劣的社会、环境效应。因此,快速高效的判断出管道泄漏点的信息,迅速的寻找出泄漏源的位置,保证管道的正常运行,成为管道泄漏检测研究的新的巨大的挑战。本文搭建了基于声发射技术的二氧化碳管道泄漏信号检测平台,通过理论分析、数据仿真和实验验证,对实验平台上采集的管道泄漏检测信号特征进行了分析,提出基于小波变换和RBF神经网络相结合的管道泄漏信号定位方法。根据声发射信号的时频特征,研究了突发型信号和连续型信号的信号特征及相应信号处理方法。针对不同管道内气体压力的泄漏声信号特征,研究了小波变换的多尺度分解算法及去噪方法,重点研究了基于小波包的管道泄漏信号特征向量提取方法。将小波包提取的几种泄漏特征信号构成向量组,作为RBF神经网络的输入,建立基于小波变换与RBF神经网络相结合的管道泄漏定位模型。通过二氧化碳管道泄漏的检测平台所获得的实验数据,在不同泄漏压力下,验证该模型的有效性和正确性,为不断探索管道泄漏问题,实现快速准确的定位,提供理论依据。