油水两相流广泛存在于工业生产过程中,其流动状态非常复杂。油水两相流动过程固有流动特性的表征和流型的辨识,是精确估计其过程参数的重要基础。工业生产对计量、环保等方面要求的提高也给油水两相流动参数的准确检测提出了更高的要求。目前对于油水两相流的检测方法虽然多种多样,但单一传感器信息的测量手段不能很好的解决油水两相流参数估计问题,因此将多传感器融合技术引入油水两相流过程参数估计中。多传感器融合技术借助不同的时间与空间的多传感器测量数据资源,可以实现比单一信息源对被测过程更完全、准确和可靠的测量和描述。为了准确描述和表征油水两相流动过程的流动特性,实现流型的准确识别、并进一步实现油水两相流相含率估计,采用多传感器信息融合技术,对电阻层析成像系统和超声透射系统的测量数据进行融合;利用径向基函数神经网络和非线性偏最小二乘法,建立流型识别模型和相含率估计模型。课题的具体研究工作包括:(1)在对两相流流动特性和机理进行简要归纳的基础上,通过对电阻层析成像和超声透射技术在两相流测试中存在问题的分析,针对电阻层析成像系统和超声透射系统测量数据维度过高、数据量过大,给后续的数据处理和信息提取造成困难的情况,提出了一种适用于油水两相流流动特性分析的特征参数提取法则。(2)在特征参数提取的基础上,设计了一种基于径向基神经网络的流型识别模型,该模型具备快速的局部逼近和非线性拟合能力。完成了典型的油水两相流流型的特性分析,实现了油水两相流流型的精确识别。(3)针对线性方法不能适用于具有复杂非线性特性的油水两相流信息的处理,采取基于样本矩阵非线性变换的偏最小二乘法,设计了油水两相流相含率估计模型;针对单一模型不能适用于多种典型流型的情况,提出了多模型结构的油水两相流相含率估计方法。(4)在获得油水两相流电阻层析成像系统和超声透射系统的实验测量数据的基础上,分别设计了基于多传感器数据信息融合的油水两相流流型识别模型和相含率估计模型。应用这种方法完成了油水两相流流型识别和相含率估计,获得了更加准确的结果。