聚乙烯(Polyethylene,简称PE)是一种常见热塑性树脂,由乙烯单体经过聚合反应而成。自1922年成功合成,到产品产业化至今已有60多年历史,且占居全球五大泛用树脂之首。在我国,PE也是合成类树脂产能最大、进口量最大的品种,且采用气相法工艺生产PE超过60%。虽然气相法生产工艺具有众多优点,但与溶液法相比,存在传质传热不均等现象,直接导致物料结块、料位非正常波动、流型不稳定等问题。若对其处理不及时,则会带来经济损失及安全隐患。针对气相法PE生产特点及现有检测技术,设计冷模流化床实验装置及基于信息融合的气相PE反应器结块监测系统。通过利用声发射技术对气相PE流化床反应器进行声波振动信号的采集,并对原始信号进行预处理与声纹特征参数的提取及分析。结合统计学习方法中的支持向量数据描述进行单传感器单类别及多类别结块监测模型的建立及识别,并通过隶属度函数对识别结果的柔化处理,关联距离差与粒径关系。最后通过利用D-S证据理论对多个传感器通道识别结果进行决策层级信息融合,在一定程度上实现了对正常物料状态,微结块物料状态及重结块物料状态的准确识别。大量实验结果表明：声波振动信号可以很好的反映气相PE流化床反应器内部物料粒径差异性；对原始信号进行MFCC及LPCC特征参数提取并将其组合,从而有效的提升了类间距离,增加数据可分性；且将多种确定粒径均一物料数据进行二次监测模型的训练,有效地实现了对粒径不均一的混合物料识别；最终通过对多个传感器(通道)的识别结果进行D-S证据理论的信息融合,在一定程度上提升识别全局性,降低了不确定性等,充分验证了信息融合方法的有效性,且该方法实现较为容易,开放性较好,具有较高的工程实用意义。