过程层析成像技术是从医学CT技术发展起来的,以多相流为主要研究对象,并对多项流中的过程参数在线实时检测,进行多相流参数检测可获得多相流体二维或三维的时空局部的、微观的分布信息,为解决多相流参数检测这一难题提供了一条有效途经。过程层析成像技术经过十余年的发展已取得很大进步。依据信息获取手段和传感机理不同,该技术可分为电容层析成像、电阻层析成像和电磁感应层析成像等十余种。本文以基于电阻传感机理的电阻层析成像系统为研究对象,探讨采用模糊聚类对ERT系统中的测量电压数据进行模糊化,然后以模糊化后的数据作为BP神经网络的输入,在BP神经网络中对该模糊化后的测量电压数据进行反复学习训练,来实现对两相流的四种典型流型的辨识。本文结合国内外研究者应用过程层析成像技术在多项流参数检测方面所做的工作,归纳总结了多相流检测技术对于科研及工业生产的重要意义,分析多相流检测技术主要参数及其多相流检测技术的发展现状和发展趋势。阐明了电阻层析成像系统的构成及技术特点,概括的描述了电阻层析成像系统的研究现状和广阔的工业应用前景,分析了电阻层析成像技术发展中必须解决的问题,指出软场问题及图像重建算法精度不高是限制电阻层析成像技术工业实用化的瓶颈问题。在对流型辨识算法的优缺点比较后,本文提出了用模糊神经网络来进行流型的辨识,对其必要性在文中作了详细地介绍。建立了模糊神经网络模型并以此为基础进行了流型辨识的数值分析,实验证明用模糊神经网络模型来进行流型辨识是正确的,为相关的图像重建算法提供了依据。并且对四种典型的流型进行分析研究,着重用模糊神经网络模型对这四种流型进行实验。最后开发了基于神经网络的电阻层析成像流型辨识仿真软件,界面简洁操作简单,利用该软件可以方便的对两项流流型辨识,促进了后续研究工作的开展。