两相流现象广泛存在于工业生产过程,作为一种复杂的流体流动现象,可能会诱发安全问题,甚至会影响整体系统或设备的稳定可靠运行,如液体火箭发动机高速涡轮泵中的低温密封与轴承系统。获取其物理属性是工业界和科技界一直关注的核心,鉴于其产生的机理较为复杂,采用实验法进行相关属性的测量是最常见的方法。在综合分析现有的两相流属性测量的基础上,本文提出并进行基于电阻层析成像(Electrical Resistance Tomography,ERT)技术的两相流流型的测量,并以此可进一步间接地获知其他两相流参数,如相含率、流量、流速等。研究过程构建正问题理论模型实现了两相流流型的仿真与预测;发展了反问题的基于神经网络模型的流型识别技术,并开展试验对模型进行了验证,具体的工作如下:1、提出了基于ERT技术的两相流流型正问题仿真模型,采用解析法和数值法求解模型,得到了不同流型下的边界电势。正问题为已知敏感场内介质电导率,求两相流敏感场的边界电势。基于ERT构建仿真模型,并求解简化解析解和数值解得到了边界电势结果;通过与已有文献结果数据的对比,平均相对误差均在5%以内,验证了模型的正确性。同时仿真研究电流强度、电极数目和电极宽度对于边界电势的影响,结果表明电流强度和边界电势为线性比例关系,电极数目不应过多或过少,电极宽度不应过宽;为后续实物设计提供了理论支持。2、发展了径向基神经网络(Radial Basis Function,RBF)与ERT技术相结合的两相流流型识别方法,拓宽了由边界电势识别两相流流型的反问题求解思路。反问题为已知敏感场边界电势,求敏感场内介质的电导率分布,进而实现对两相流流型的可视化。研究中采用COMSOL仿真生成芯流、环流边界电势数据样本,采用RBF神经网络进行流型图像重建;通过三角形剖分单元,灰度值填充方式形成重建可视化图像,实现对可视化识别结果的展示。研究结果显示芯流、环流流型识别保真度均接近90%,重建流型图像质量较好。3、设计并搭建了基于ERT技术两相流测量实验平台,开展了相关实验并对实验结果进行了分析。设计完成的两相流实验平台包括传感器模块、数据采集模块和图像重建模块等。一组实验测试结果显示系统可实现既定的测量目标要求,结果具有一定的合理性。理论和实验研究结果对于两相流流型属性的测量具有重要的指导价值,亦可为其他两相流参数的获取提供重要的参考价值。