油水两相流广泛存在于现代工业生产之中,其流型对其流动及传热特性有很大的影响,因此如何确定两相流的流型一直是两相流研究中的一个重要课题。传统的油水两相流流型识别方法主要有两种:一种是采用人为观察或测量的方法;另一种是利用流型转变准则或流型图的方法。传统的流型识别方法不但受到主观因素的影响,而且不能实现流型的在线识别,因此需要改进传统的识别方法。本文在油水两相流实验台上进行了实验研究,并对获得的垂直上升管油水两相流的电导波动信号进行了分析。而且将小波变换、小波包分解、EMD分解以及神经网络应用到流型识别中,从实验和理论两个方面,系统地探讨了流型的智能识别方法。首先利用小波变换对电导波动信号进行去噪,然后应用小波包分解、EMD分解对流型电导波动信号进行分析,提取小波包能量、IMF能量作为流型特征,再采用BP、RBF、改进RBF和Elman神经网络识别模型作为油水两相流流型的模式分类器。最后将提取的不同特征向量的训练样本分别送入BP、RBF、改进RBF和Elman神经网络中进行训练,利用训练好的模型作为流型识别分类器。对测试样本的识别结果表明,发现基于IMF能量和改进RBF神经网络的识别效果最好。本文从理论上和技术上为气液两相流流型的智能识别开辟了一条新的途径。