气液两相流流型检测是多相流动参数检测的重要指标,对采油输油的在线测量具有重要的意义。由于原油多相流动的复杂性,目前尚未能很好的解决采油输油过程的流型识别问题。研究发现,输油管道中普遍采用的单流阀(又称止回阀)内的钢球运动与原油流动状态密切相关。不同的流动状态对钢球的作用力不同,使钢球具有不同的运动速度和运动轨迹,表现为钢球与阀壁碰撞发出不同特征的声音信号。本文提出了通过采集和处理单流阀内钢球碰撞产生的声音信号进行流型识别的新方法。本文的主要工作如下：针对采油厂常用的高压角式单流阀搭建了可视化的采油输油气液两相流检测系统。通过调节水路供给和气路供给的气液流量,模拟了典型的流动状态,采集不同流动状态下的声音信号。本文主要对液相流、泡沫流、弹状流、液丝环状流、气相流五种典型流动状态进行分析和研究。本文分别提取IMF分量能量特征以及边际谱频带能量特征,并融合特征向量的优势分量构造“能量—流型”关系。利用总体经验模态分解(EEMD)将声音信号分解为一系列的固有模态函数(IMF),IMF分别含有声音信号从高频到低频的不同频段组成,而且它们都是平稳的。分别对各IMF做希尔伯特黄变换(HHT)并进行积分,最终得到声音信号的边际谱。边际谱中对应频率点的幅值表征了信号中该频率在整个时间长度上的振幅累积,划分多个边际谱频带并计算边际谱频带能量特征。无论EEMD分解得到的IMF能量特征还是HHT边际谱频带能量都表征了声音信号不同频率分布上的能量特征。对五种流动状态分析发现,IMF能量特性在高频部分更能体现不同状态的差异,而且不同流动状态下边际谱各个频带能量特征之间区分度也不相同。因此,我们融合两种能量特性的优势特性来表征“能量—流型”关系,从而进行流型的识别。利用改进的特征向量矩阵构造SVM分类器,流型识别精度得到了较大的提高。利用支持向量机(SVM)在小样本情况下可以得到比较理想的识别结果。本文利用LIBSVM工具箱实现参数的选择和优化、样本的训练和测试。实验表明,基于优势特征融合的流型识别准确度达到了90.91%,相较于基于IMF能量特征的流型识别方法提高了6.36%,相较于基于HHT边际谱频带能量特征的流型识别方法提高了9.09%。数据表明,基于优势特征融合的流型辨识对液相流、泡沫流、弹状流、液丝环状流、气相流具有较好的识别效果。