凝析天然气是一种特殊的多相流。本文将其简化为低含液率气液两相流来研究其计量问题。基于课题组自行开发的槽式孔板,结合旋进漩涡流量计和振动传感器,本文提出了一种基于静态模型和动态模型相结合的数据处理方法,有效地扩大流量计的测量范围并提高测量精度,为流量计计量算法的完善奠定了基础。　　 论文共分四部分,第一部分对槽式孔板测量数据和旋进漩涡测量数据进行处理,先后建立基于差压平均值的槽式孔板压降倍率相关式和旋进漩涡压降倍率相关式;第二部分提取振动信号时域和频域的特征并加以分析;第三部分介绍基于槽式孔板和旋进漩涡流量计组合的两相流参数检测技术,并建立气液两相流计量的静态模型;第四部分基于Elman神经网络建立动态模型,修正静态模型输出与真实流量之间的差值。　　 通过分析差压信号的两相压降倍率Φg随X和Frg的变化规律,改进了适用于槽式孔板和旋进漩涡流量计的压降倍率相关式,并与课题组前期提出的相关式进行对比分析,槽式孔板相关式的精度高于前期模型,旋进漩涡相关式的精度略低于前期模型。　　 振动信号作为辅助手段引入凝析天然气计量算法。提取了振动信号的标准差,理论分析结果与实验数据相吻合;提取了振动信号的小波包能量、小波包能量熵和小波包多层次信息熵,这些特征在一定程度上反映了流型的影响,可以作为流型分类器的输入参数。　　 基于槽式孔板和旋进漩涡流量计的压降倍率相关式,提出组合测量的思路和实现方法,即两相流静态计量模型。为提高求解精度,首先将从振动信号和差压信号提取的特征矩阵输入HMM流型分类器来识别流型,然后针对不同流型调整相关式参数和迭代参数范围。但是由于两个相关式的形式相同,组合求解得到的气液相流量偏离实际流量较大,不能直接作为计量结果。　　 用Elman神经网络修正静态模型的输出结果,上述时频域特征参数经主成分分析作为输入向量矩阵,静态模型输出与实际流量的差值作为目标向量,结果表明:Elman神经网络构建的动态模型能够一定程度地修正计量结果,提高计量精度。