两相流动现象广泛存在于工业生产过程和相关科学研究中,其涉及到的过程参数众多,且流动状态十分复杂。准确识别两相流流型有助于揭示其流动机理进而提升参数测量的准确性。传统的流型识别方法多通过单一类型的传感器测量信息,难以全面描述流动特征,若利用不同原理的多传感器可获得更加丰富的信息。课题研究工作以水平气水两相流和油水两相流为研究对象,利用电阻层析成像(Electrical Resistance Tomography,简称ERT)系统测量两相流相分布信息和连续波超声多普勒系统测量流速信息,分别对两种传感器测量数据进行特征提取,通过特征融合提高流型识别准确率。课题研究取得的主要研究成果包括:(1)研究ERT数据的静态连接与动态连接特性。将ERT系统的测试数据降维,得到反应不同位置相含率信息的16维时间序列。采用图变量分析方法研究局部相含率波动的关联性,获得静态连接指标(相关系数、相干性和相位滞后指数),确定静态邻接矩阵中高度相关性的分布区域,以区分不同气水两相流。构建ERT数据的动态连接性,揭示气塞、气弹等流型周期性变化特性。(2)研究ERT数据的模块化能量分布。在图变量信号分析的基础上,结合水平两相流体分布特点,将电阻层析成像系统的电极进行模块划分和模块化狄利克雷能量计算。提取模块间的能量比为特征刻画不同流型的相含率分布差异。(3)声电融合识别流型。针对超声多普勒系统获得的测试数据,提出超声多普勒信号时频分析方法,获得了不同流型能量分布的带宽特征。为进一步实现流型的准确识别,提出了声电多传感器信息融合方法,用模块间能量比和带宽特征构成三维特征空间,可有效区分气水两相流、油水两相流各种流型。将以上三个特征输入到支持向量机中,获得了较高的识别率。