多相流动过程广泛存在于石油，化工，冶金等工业领域，其特征参数的检测对于资源合理开发和工业过程控制均具有重要意义。石油混合物在石油混输系统中，形成油气两相流，油水两相流或油气水三相流。分相介质分布可视化，流型辨识以及分相含率测量均是石油混输过程参数检测的重要研究方向。粉料流量则是气力输送粉料过程系统中的重要检测参数。本文在深入研究国内外相关文献资料的基础上，提出了将神经网络技术应用于石油混输系统以及粉料气力输送系统过程参数检测的思路和新方法。主要工作及成果如下： 1．对基于不同敏感原理的过程层析成象技术进行了简介。对电容层析成象（ECT）技术，包括传感技术和图象重建算法进行了综述，并对多种ECT图象重建算法作出了分析比较。介绍了神经网络及其在软测量建模中的应用。 2．以石油混输过程系统中的油气两相管流为研究对象，提出了基于BP神经网络的ECT图象重建法，并对相应的图象重建模型进行了拟动态（静态）和动态的实验测试。拟动态实验在浙江大学12电极多相流电容检测实验装置上进行，动态实验在大庆油田建设设计院实验站多相流现场实验装置上进行。实验测试结果表明，这个模型使重建图象达到了预期的精度：拟动态实验测试中，重建图象的最高保真度为100％，最低保真度为90.8％，平均保真度达到98.5％；动态实验测试中，重建图象与监视现场过程的数字摄象机的拍摄图象，符合程度良好。在Pentium/300兼容机上，图象重建速率约为53帧/秒，适用于实时图象重建。 3．针对介电常数差异显著的油水两相管流，提出了基于BP网络的ECT图象重建法，并对相应的图象重建模型进行了仿真实验测试。仿真测试结果表明：重建图象的最高保真度为100％，最低保真度为88.8％，平均保真度为95.5％；在Pentium/300兼容机上，图象重建速率约为52帧/秒。 4．为了探索油气水三相管流的ECT图象重建方法，分别提出了基 摘 要 于BP网络，Elman反馈网络以及分组BP网络的图象重建法。将Elman 反馈网络引入ECT图象重建算法的研究，并尝试了使用分组BP网络方 法以解决神经网络训练阶段的时空开销问题。对上述图象重建算法进行 了初步的仿真测试。测试结果表明，BP网络模型重建图象的最高保真 度为100％，最低保真度为95二％，在Pentium／300兼容机上，图象重建 速率约为52帧／秒；相同的测试下，Elman网络模型重建图象的结果使 对于BP网络模型的最低保真度提高到100％，而分组BP网络模型使上 述最低保真度提高到97石％。 5．作为对油气两相流流型辨识方法的进一步探索，提出了基于两 级自组织神经网络的油气两相管流截面流型辨识的新方法。初步的实验 测试结果证明了这一方法的可行性，对于5种流型的识别率分别是：油 单相为 100％，气单相为 100％，层状流为 86％，环状流为 75％，泡状 流为67％。 6．作为对油气水三相流截面分相含率测量方法的进一步探索，提 出了基于BP网络的油气水三相管流截面分相含率测量的新方法，实现 了截面内平均气相含率和平均水相含率的软测量。实验测试结果表明了 这个测量模型的有效性：对气相含率的平均绝对估计误差为3．59％，对 水相含率的平均绝对估计误差为1．60％。 7．提出了神经网络与机理分析结合的混合方法，用以实现粉料气 力输送系统中粉料质量流量软测量。初步的实验测试结果表明：基于混 合方法的测量模型平均相对估计误差为1．28％，而基于标准神经网络的 测量模型平均相对估计误差为2．34％，机理模型的平均相对估计误差为 2．53％。实验结果证明了混合方法在精度和适用性方面的优越性。