气固两相流作为最重要的多相流形式之一,广泛存在于有色、冶金、建材、电力、化工、食品等许多行业中。但由于流体流动特性的复杂多变,使得两相流参数检测难度较大。许多两相流参数的检测技术和方法大都处于实验室应用研究阶段,这与两相流在工程领域的广泛性极其不相适应。因此,发展多相流检测与分析的新技术,对实现流化床气固两相流动的机理分析,指导相关设备的设计和运行具有重要意义。本文将高速摄影法应用到气固两相流动参数的检测中,实现了可视化、非接触测量,不会干扰生产设备的正常运行,即使在高速气固两相流中,也可通过调节拍摄频率来得到较为清晰的流动图像,有较大的适用范围。在大量实验数据基础上,将图像处理技术、人工神经网络、光流分析法和多重分形理论应用到流动参数检测中,从理论和实验两个方面系统地探讨了基于流动图像的多参数检测方法。首先,在流化床气固两相流实验台上,利用高速摄影机获得了流化床气固两相流动的图像。接着,对图像数据样本进行预处理,并分别提取了流型图像中的灰度直方图统计特征、傅里叶变换纹理特征、小波-分形特征以及多重分形特征。然后,将上述特征向量的训练样本分别送入BP神经网络、概率神经网络和遗传神经网络中进行训练,实现了对流动图像的流型智能化识别。识别结果表明,用图像傅里叶变换纹理特征和概率神经网络组合的识别效果最好,但与其他组合相比,识别率相差不大;小波-分形特征和多重分形特征还能够揭示气固两相流动的内部运动规律,更适用于两相流运动机理分析。其次,扩充了在稀相流动中,用图像法可检测到的流动参数内容,实现体积空隙率的检测。最后,将光流分析法引入气固两相流动的流场、速度场和等涡量场的检测,讨论了典型流型图像的流场、速度场的分布情况,为定量分析气固两相流动的运动机理和指导相关设备的设计提供了一种有效的辅助诊断工具。从理论上和技术上为气固两相流动参数的检测提供了新方法。