气液两相流动状态是湿式除尘器性能的重要影响因素,但是,目前对湿式除尘器内的气液两相流动的研究还不深入,流动状态的定性认识缺乏基础分析数据。由于该研究的缺失,在工业开发中,无法对该类除尘器性能强化的技术创新形成有效指导;在设备运行时,难以实时观测和客观评价除尘器内部的运行状态,无法在较差的运行状态下及时做出调整,影响生产安全和净化效率。本文依托强对流型湿式除尘器为研究平台,采集除尘器气相高频压力信号作为原始分析数据,利用小波包分析与信息熵、递归分析、复杂性测度分析等理论,提取出与除尘器气液两相流动特征密切相关的细节特征参数;并通过与气液两相流动状态的实时图像信号进行比对,从气液两相流动的整体宏观特征到液滴、气泡等微观特征进行了多角度的研究和分析。依据除尘器气相压力信号选取相应的统计分析及小波包细节信息特征参数,设计开发了1套湿式除尘器气液两相流型在线监测系统,为实时调控除尘器运行在高效工作区提供定量依据,达到实时强化调节净化效率的目的。提出了一种衡量除尘器气相压力信号在不同频段能量分布均匀性的指标参数,即小波能量熵。研究了除尘器气液两相流动过程中气相压力在不同频段上能量分布的均匀性。在同一液位下,小波能量熵值随气流速度增大,整体呈减小趋势,说明在气液两相接触过程中不同频段上能量分布越不均匀,反映出不同状态下除尘器中不同尺度捕集体的产生及动态分布情况;且不同流型下的小波能量熵值具有较高的区分度,区别效率达到92.5%,可以作为一种有效的流型识别准则。揭示了除尘器气相压力信号多尺度递归特性变化规律。结合小波包分解后的信息,从更为细节的角度展示不同流型下气相压力信号从低频段到高频段的变化过程,进一步反映除尘器气液两相接触过程中不同尺度捕集体随频率的动态演变规律;通过递归定量特征提取,发现递归定量分析特征对除尘器低液位气液共振流型的变化不够敏感,但对于其他流型的演变具有较强的区分度,且与小波能量熵测度分析结果相吻合,证明经小波包分解后的细节压力信息可以作为流型识别的依据。结合气相压力信号的序列复杂性测度研究分析,对不同流型下气的两种复杂性指标随气流速度的变化规律对递归定量分析结果进一步验证,显示出较好的对应关系,为更深入的理解除尘器内的气液两相流动特性提供辅助判据。开发了一种除尘器气液两相流型的智能判别系统。依据除尘器气相压力信号选取相应的统计分析及小波包细节信息特征参数,建立了BP、RBF及Elman神经网络模型,实现了湿式除尘器气液两相流动形态的判别,判别效率分别达到97.2%、98.2%和97.8%;同时,建立神经网络融合识别规则,利用LABVIEW软件平台开发1套湿式除尘器气液两相流型智能识别系统,实现流型的实时监测。