高含水下垂直油水两相流流动参数测量一直是油田测井工程的重要内容,传统的流动参数测量仪存在卡砂、单点测量等诸多的局限性,从而导致测量结果不准确。因此需要设计测量精度高,稳定性强的测量仪。设计新的测量仪器应充分考虑被测流体的流动特性,需要对垂直油水两相流的流动特性进行研究,流速和流速分布是表征流动特性的重要参数,因此必须在模拟井中对油水两相流进行流速和流速分布测量。粒子图像测速(Particle image velocimetry,PIV)是流体力学领域中一种有效的使整个流场流速分布可视化的方法,将其应用于垂直井油水两相流流速测量中,可使测量过程具有无接触、无扰动、全场测量的优点,同时由于研究的对象从常见的单相流转为油水两相流,其应用同样存在局限性。需要对粒子图像测速在两相流中的应用进行研究,从而克服其局限性,在垂直油水两相流测量中发挥重要作用。传统的粒子图像测速技术需要向被测流体中撒入示踪粒子,而在油水两相流流体中,撒入的示踪粒子存在被遮挡问题,而且垂直井在进行多次试验后,一些类油滴附着物存在于井壁上,严重影响拍摄的油水两相流图像的质量。对于上述问题,本研究采用油水两相流中油相代替示踪剂作为示踪粒子,由于研究对象为垂直油水两相流灰度图像,使得图像互相关配准由于灰度信息复杂、噪声以及图像内油滴平面旋转变形而容易出现失误,根据图像特征选择迭代最近点配准(Iterative Closest Point,ICP)的方式代替传统互相关匹配,并采用移动最小二乘法对位移场中缺失的速度值进行补充。对于井壁类油滴附着物的问题,采用图像聚类的方法进行类油滴附着物轮廓识别,提取油水两相流图像的颜色特征、运动特征,通过K-means聚类算法进行油滴轮廓和类油滴附着物轮廓分类。由于传统K-means算法本身存在聚类结果准确性受离群点和初始聚类中心选择影响大的问题,因此基于分层聚类的思想,在进行聚类之前先对数据点进行过滤,从而改善聚类结果,将这种改进的聚类方法称为ILF-Kmeans算法,实验表明ILF-Kmeans算法比K-means算法聚类精度平均提高了5.72%。在125mm管径垂直模拟井上进行油水两相流实验,并将上述研究结果应用于垂直井油水两相流流速测量中,实验结果表明125mm管径下油水两相流测量精度提高了6.45%。