随着空间科学技术的不断发展,人们进行的空间活动日益增多。与此同时,空间碎片的数量也随之急剧增多,这使在轨航天器与动能颗粒的撞击可能性不断增加。航天器泄漏不仅会造成航天活动的失败,更会威胁航天员的生命安全,对于在轨航天器的真空在线检测的研究具有十分重要的意义。真空泄漏又是气体动力学中常见的系统故障,然而微弱的泄漏又是极易忽略的安全隐患。因此如何快速定量的检测微弱泄漏信号,是本文研究的重点。本文利用声发射检测技术结合BP(Back Propagation)神经网络的方法对几种真空泄漏的微弱信号进行检测识别。主要研究内容有以下几个方面:(1)搭建模拟在轨航天器真空泄漏实验平台,通过声发射检测的方法利用传感器采集不同大小孔径漏孔的泄漏信号。(2)对泄漏信号进行特征提取,分别采用声发射参数分析法和声发射波形分析法,其中在声发射波形分析法中,主要讨论了平均功率谱法和小波包能量谱法在频域和时频域上对泄漏信号的特征处理。(3)构建BP神经网络,分别将声发射参数分析法、平均功率谱法、小波包能量谱法提取的特征参数以及上述多参数融合的方法送入神经网络,进行模式识别。并对比四种参数提取方法的识别效果。(4)对BP神经网络进行混沌优化改进,应用于微弱真空泄漏信号检测中。并与传统的BP算法,自适应BP算法进行误差收敛曲线的对比,混沌BP算法可有效地加快收敛速度。并且对传感器与漏孔间不同距离下的采样信号进行识别对比,分析传感器与漏孔间不同距离对识别结果的影响。