1.一种基于改进VMD的管道多点泄漏定位方法，其特征在于：包括如下步骤S1采集管道原始泄漏信号；

S2对所述原始泄漏信号进行总体局域均值分解，得到若干PF分量；

S3计算各PF分量的相关系数，根据所述相关系数筛选出所需PF分量，并根据筛选出来的PF分量进行信号重构，确定变分模态分解的k值；

S4对重构信号进行变分模态分解，得到若干IMF分量，计算各IMF分量的多尺度熵值，并根据各IMF分量的多尺度熵值筛选IMF分量；

S5对筛选出来的IMF分量进行信号重构，得到观测信号，并利用独立分量分析的盲源分离方法对所述观测信号进行分离处理，得到估计泄漏信号，根据所述估计泄漏信号通过互相关定位算法进行管道泄漏定位。

2.根据权利要求1所述的基于改进VMD的管道多点泄漏定位方法，其特征在于：步骤S2中总体局域均值分解方法为S2.1：在原始泄漏信号x(t)中加入设定等级的白噪声nm(t)得到混合泄露信号xm(t)，所述泄漏信号表示为：xm(t)＝x(t)+nm(t)   (1)

其中，m为分解次数，t是时间，nm(t)为白噪声信号，xm(t)为加入白噪声后的混合泄漏信号；

S2.2：对混合泄漏信号xm(t)进行LMD分解，再做总体平均得到最终PF分量，记为：其中，εn，m(n＝1，2，...，.N)，N为正整数；εn，m为第m次分解得到的第n个初始PF分量，将N个初始PF分量M次分解的均值yn(n＝1，2，...，N)作为最终PF分量。

3.根据权利要求1所述的基于改进VMD的管道多点泄漏定位方法，其特征在于：步骤S3具体为S3.1采用皮尔逊积矩相关系数计算各PF分量yn同原始信号x(t)的相关系数r；

S3.2根据相关系数r选取相关系数绝对值大于a的PF分量，然后对其计算峭度值，舍弃峭度值小于b的PF分量得到筛选后的PF分量；

S3.3最后确定VMD分解中的分量个数k，然后对筛选后的PF分量进行信号重构，得到重构信号x′(t)。

4.根据权利要求3所述的基于改进VMD的管道多点泄漏定位方法，其特征在于：a取值

0.5，b取值3。

5.根据权利要求1所述的基于改进VMD的管道多点泄漏定位方法，其特征在于：步骤S4具体为S4.1：对重构信号x′(t)进行VMD分解得到k个IMF分量；

S4.2：通过计算多尺度熵进行IMF分量的筛选；

所述多尺度熵的获取方法为：

(1)设IMF分量uk的原始时间序列为{x1，x2，...，xN}，长度为N，设定其嵌入维数w，相似容限z，对其进行粗粒化变换，得到新的时间序列uk(τ)：其中，k＝1，2，...，s/τ，μ，k为正整数且μ≠k，s为离散时间序列长度，τ为尺度因子，原始序列被分割成τ段且每段长为s/τ的粗粒序列，当τ＝1时，新的时间序列就是原始序列；

(2)对每个长度为N/τ的粗粒时间序列分别求样本熵，得到其样本熵值，并绘制成尺度因子的函数，按公式(5)得到多尺度熵值MSE(uk，τ，w，z)：式中SampE{ukτ，w，z，s}为样本熵，w是嵌入维数；

(3)根据所述多尺度熵值的大小来选取最优的IMF分量，最终得到各IMF分量的多尺度熵值记为：MSE1，MSE2，MSE3…MSEn。

6.根据权利要求1所述的基于改进VMD的管道多点泄漏定位方法，其特征在于：通过互相关定位算法计算上下游盲源分离后的估计泄漏信号Yμ(t)和Y′μ(t)的时间延迟Δt，依据式(11)确定管道泄漏点的位置，式中，x为估计泄漏定位值，l为上下游的传感器距离，v是泄漏声发射信号在管道中的传播速度；Δt为时间延迟。

7.根据权利要求1所述的基于改进VMD的管道多点泄漏定位方法，其特征在于：步骤S5具体为S5.1：提取筛选后每个IMF分量的时域、频谱进行重构，得到观测信号Nimf(t)＝[b1(t)，b2(t)…bn(t)]；

S5.2：通过对观测信号Nimf(t)进行分离，计算观测信号的相关矩阵Rx＝E[Nimf(t)NimfH(t)]，根据特征值估计泄漏信号数目μ；并对观测信号Nimf(t)中心化，并作白化处理，最终得到盲源分离后管道的μ个估计泄漏信号Yμ(t)；再对估计信号和原始泄漏信号进行相关系数计算，确定估计信号所对应的各泄漏源；S5.3：通过互相关计算上下游盲源分离后的估计泄漏信号Yμ(t)和Y′μ(t)的时间延迟Δt，依据时差定位法确定管道泄漏点的位置：式中，x为估计泄漏定位值，l为上下游的传感器距离，v是泄漏声发射信号在管道中的传播速度；Δt是时间延迟。