气液两相流广泛存在于现代工业生产之中,其流型极大地影响气液两相流的流动和传热特性,同时也影响其他流动参数的准确测量以及两相流系统的运行特性,因此,流型的客观和智能识别一直是两相流参数测量的一个重要研究课题,对指导相关设备的设计和运行具有重要的意义。本文将高速摄影法应用到流型识别中,实现了可视化、非接触测量,不会干扰生产设备的正常运行,即使在高速气液两相流中,也可通过调节拍摄频率来得到较为清晰的流型图像,有较大的适用范围。在大量实验数据基础上,将数字图像处理、小波分析、神经网络、支持向量机和复杂度测度理论应用到流型识别中,从理论和实验两个方面系统地探讨了流型智能识别方法。首先,在气液两相流实验台上,利用高速摄影机获得了水平管内空气-水两相流流型图像。其次,利用图像处理技术去除噪声后,提取了流型图像中的灰度直方图统计特征、不变矩特征、灰度共生矩阵特征、小波纹理特征以及小波包信息熵特征。然后,将上述特征向量的训练样本分别送入BP(Back Propagation)神经网络、Elman神经网络、概率神经网络和支持向量机中进行训练,实现了流型图像的智能化识别。识别结果表明,基于不变矩特征和支持向量机模型的识别效果最好,但与其他组合相比,识别率相差不大。最后,讨论了图像复杂性测度与气液两相流流型变化之间关系,通过对三种复杂度(Lempel-Ziv复杂度,分形盒维数,Shannon信息熵)随两相流流动参数变化规律分析,得到气液两相流动力学结构反演特征,为揭示气液两相流流型转化机理和定量识别流型提供了一种有效的辅助诊断工具。从理论上和技术上为气液两相流流型的识别提供了新方法。