流型是多相流直接影响其它流动参数测量的重要参数。相对于稀相气力输送,密相气固两相流流动流型更为复杂、流动参数分布波动剧烈,对流型的识别和控制尤为重要。目前,基于ECT系统的流型辨识方法主要利用流型截面信息进行静态辨识,而对流型的动态辨识还没有很好的解决方案。针对此问题,本文利用轴向时间序列信号结合径向截面信息对动态流型进行辨识。压力波动信号及相浓度分布是反映流型的主要流动参数。本文结合实验条件,分别针对数值模拟仿真的气固两相流压力波动信号及ECT系统的相浓度分布信号进行特征提取及流型辨识模型的研究。本文完成的主要工作如下：(1)针对浓相气力输送流型变化复杂的特点,分析数值模拟方法获得的轴向压力波动时间序列信号特点,研究反映层流、柱塞流等流型变化信息的轴向压力波动信号。(2)根据时间序列信号特征理论,提取小波能量特征、偏斜率以及柱塞流前沿等信息作为浓相气力输送水平管道中轴向压力波动信号特征向量；分析压力波动信号并分析其随层流、柱塞流等流型的变化特点,研究基于轴向压力波动信号特征向量的流型辨识方法,提出了基于自组织竞争神经网络的流型辨识方法。(3)基于电容层析成像原理,分析ECT系统采集的模拟动态流型的径向及轴向分布式电容测量数据特点,研究反映截面及轴向流型变化特点的特征量,提取了极板间电压均值的时间序列Hurst指数及28维电压值的偏斜率作为特征向量。(4)分析ECT分布式测量数据特征向量随层流、柱塞流等流型的变化特点,研究基于ECT数据特征向量的流型辨识模型建立方法,提出了基于支持向量机的流型辨识方法。(5)搭建了基于虚拟仪器的流型辨识实验平台。在实验室条件下对柱塞流、层流以及空管进行辨识,对流型辨识算法进行验证。