两相流广泛存在于工业生产过程中的各个领域，作为一个复杂非线性系统，传统的理论分析方法在刻画其内在动力学时仍存在较大局限性。一方面，我们需要依据两相流的不同流动状况设计先进的新型传感器，以获取蕴含两相流流动信息的观测信号。另一方面，发展与丰富观测信号分析理论，进而揭示两相流演化动力学特性。复杂网络是近年来兴起的全新而又有效的工具，它不仅可以挖掘蕴含于非线性时间序列中的重要信息，也可用来研究传统理论模型所不能精确描述的复杂非线性系统。我们在总结讨论多种时间序列建网方法的基础上，采用并发展了相空间递归复杂网络分析方法。结果表明，递归复杂网络是研究两相流流型演化动力学特性的有效工具。首先，应用递归网络方法对低维映射混沌系统、高维连续混沌系统进行了仿真分析，结果表明递归网络的局部聚集系数可以很好的揭示蕴含在非线性时间序列中的内在动力学行为。然后，以垂直上升气液两相流和垂直上升油水两相流实验观测信号为基础，我们构建了单元时间序列相空间递归复杂网络，计算并分析了网络局部聚集系数，发现聚集系数分布的变化趋势与流型演化过程有很好的一致性。以水平油水两相流实验观测信号为基础，我们构建了多元时间序列相空间递归复杂网络，其结构表现为由四个子网构成的网络，它有效的整合了多极电导传感器的观测信号。通过考察多元递归网络的交叉聚集系数，发现其敏感于流型的变化，可用于揭示水平油水两相流局部演化特性。最后，针对水平油水两相流两种分层流型（层状流-ST和波状流-ST&MI）的生成和演化机制，我们考察了对应于管道中部流动信息的子网的交叉传递性，发现其在研究层状流（ST）流型失稳转变成波状流（ST&MI）的过程中，可以准确地表征管道中部微观流动结构的变化。