气液两相流广泛存在于现代工业生产之中,不同流型的气液两相流有着不同的流动及传热特性,因此正确识别流型有十分重要的意义。传统的气液两相流流型识别方法主要有两种:一种是采用人为观察或测量的方法;另一种是利用流型转变准则或流型图的方法。传统的流型识别方法不但受到主观因素的影响,而且不能实现流型的在线识别,因此需要改进传统的识别方法。本文在气液两相流实验台上进行了实验研究,并对获得的水平管空气-水两相流的压差波动信号进行了分析。而且将小波变换、Hilbert-Huang变换和神经网络应用到流型识别中,从实验和理论两个方面,系统地探讨了流型的神经网络智能识别方法。首先运用FFT变换、小波变换、Hilbert-Huang变换等方法对流型差压波动信号进行分析,提取小波能量、小波包能量、小波包熵、IMF能量等作为流型特征。其次采用BP、RBF、Elman等不同的神经网络作为气液两相流流型的模式分类器。最后将提取的不同特征向量的训练样本分别送入BP、RBF、Elman中进行训练,利用训练好的模型作为流型识别分类器。对测试样本的识别结果表明,发现基于IMF能量和Elman网络的识别效果最好,但与其他组合相比,识别率相差不大。这就从理论上和技术上为气液两相流流型的智能识别提供了新方法。