冷热流体交汇易发生热分层及热波动现象,长期的波动会因随机热应力而导致热疲劳。在核电厂的稳压波动管、安全注入管道等管道中,经常会因为冷热流体热分层现象发生热疲劳,所以及时获知管道内流体温度有重要意义。在不破坏管道整体结构的前提下,准确得到流体温度值成为科学与技术研究的重点之一。基于热传导反问题,本文构建了一维非稳态热传导模型。利用简单易测的外表面温度反演内部对流换热的流体温度,在保证结构完整性的条件下获知内部温度。准确求解热传导正问题是求解反问题的前提条件。本文在各项参数已知的前提下,基于有限差分法准确求解了所构建非稳态热传导模型的温度场,将正问题所得的准确值作为反问题的测量值使用。并分析了采样时间间隔和空间网格大小对数值解精度的影响。基于量子行为粒子群优化算法,利用外表面测量值构建了反问题模型,进而估计内部流体温度值。依据正问题的准确值,验证所建反问题模型的准确性。基于对上述算法的研究,本文设计了结合共轭梯度法来减小时间成本的混合算法,混合算法利用了共轭梯度法收敛速度快的特点,同时利用量子粒子群算法进行初步估计待反演量,避免了共轭梯度法受初值影响的缺点。对比分析两种算法的特性,探讨了多种参数对算法性能的影响。然后完成了算法的工程化,实现了用MFC对算法进行封装,完成了人机交互平台的搭建。最后设计了验证算法的对流换热实验装置,为后续装置的研制奠定基础。实验表明,量子行为粒子群优化算法具有全局搜索能力强,反演精度高,鲁棒性好的特点,缺点是计算时间长;混合算法收敛速度快,稳定性好,但是反演精度略低于量子行为粒子群算法,虽然牺牲了部分精度,却大大减少了计算时间。