气体超声波流量计最早出现于上世纪70年代,由于其精确度高、性能稳定可靠、管道中无检测压损等优点,获得了广泛的应用。在实际运用中,基于传播速度差法的时差法是采用最多的一种检测方法,气体超声波换能器作为气体超声波流量计最重要的传感器,都是成对使用的,其配对性能直接影响仪表的整体检测精度。然而目前国内对换能器的配对技术研究研究很少,大多只停留在实际经验中。针对传统换能器配对存在的问题,本课题提出一种基于主成分分析的遗传神经网络配对技术。本论文分六章进行研究：第一章概述了气体超声波换流量计以及气体超声波换能器,介绍了气体超声波换能器配对意义与方法,并着重介绍了目前配对存在的问题,以此提出了本文研究内容——换能器配对技术研究。第二章建立了构建换能器对射等效电路仿真模型,通过等效电路模型研究换能器的灵敏度以及等效电路参数,并对上述模型进行实验验证,最终给出与换能器配对性能相关的参数,以及各参数之间的关系,为后面预测提供指导。第三章阐明BP神经网络算法基本原理,并针对BP神经网络输入层参数过多情况,引入主成分分析法,除去参数之间的相关性,其次根据BP神经网络算法存在问题,引入遗传算法GA对BP神经网络的权值以及阈值进行优化,通过解决这两个问题,从而提高预测模型的准确性,最后构建基于主成分分析遗传神经网络换能器配对模型。第四章首先利用仿真数据,验证了预测模型的可行性,通过比较不同模型的预测精度,得出最优的预测模型,即基于主成分分析的遗传神经网络模型,并采用该模型的对不同测试条件下实际数据进行预测并对比结果,最后对比仿真数据与实测数据预测结果,得出在前者预测结果的精度较高,表明了外界环境对换能器的配对性能预测有影响。第五章设计了换能器优化配对程序流程图与配对性能预测程序流程图,并利用MATLAB中GUI设计气体超声波换能器的配对系统。最后对本课题的研究工作进行了总结,并结合实际情况,提出了一些展望。