本文重点研究Lyapunov指数、符号时间序列方法、D-S证据融合及其在两相流流型识别上的应用。首先将最大Lyapunov指数应用到两相流差压测量波动信号分析中,并讨论了用该值表征气液两相流流型问题。利用垂直上升管中采集到的80组气液两相流差压动态波动信号,用互信息方法和错误最近邻法计算出实验数据时间延迟和关联维数,最后采用小数据量算法得到每种工况下的最大李雅普诺夫指数。流型识别是两相流测量中一个重要问题,本文采用时间序列分析方法对动态实验中气液两相流差压测量信号进行处理,结果表明不同流型的特征量有明显区别,可以反映两相流的流动特征规律,相应的特征量可以作为两相流流型识别的有效指示器。最后,采用D-S融合方法对实验采集的信号进行处理,通过BP神经网络联合模型与两级D-S证据推理模型的多源异类证据融合,提出了将BP神经网络分类结果的可信度作为D-S证据推理模型输入证据基本概率赋值的有效方法。实际应用结果表明该方法的有效性,为气液两相流流型辨识的研究进行了有益探索。