在火力发电的工业生产中,将粉末燃烧材料以一定速度吹入管道内,形成一种气体与粉末固体颗粒的混合流体,该流体在管道内的随机定向移动称为气固两相流。流体质量流量的大小直接影响着火力发电效率、环境污染程度以及设备的运行状态。然而,风速是影响质量流量的关键因素。因此,如何利用流体参数对管道内风速进行识别与检测成为关键问题。本文基于中北大学与提塞德大学合建的“颗粒与两相流中英联合实验室”平台,针对以上关键问题,采用静电法对风速与静电信号做了相关性研究,其主要研究内容及结果如下:1)静电传感器的理论研究与仿真分析。基于“环形静电传感器”宏观结构特性,利用Maxwell软件对其做了三维重建;利用“静电法”对电极感应电荷的微观动态物理过程做了有限元分析,模拟了电极感应电荷的全部过程,得出了环形电极表面电荷密度分布、场强矢量分布以及电位移矢量分布;多方面分析了电极感应电荷灵敏度的影响因子,得出了电极宽度与粒子空间位置对其感应灵敏度的相关性结果,为环形电极的优化提供了重要依据。2)静电信号检测技术研究。针对环形静电传感器输出的微弱电荷信号,设计了由前置电荷放大电路、二阶低通滤波电路以及信号放大电路构成的静电信号调理电路,完成了电荷信号到电压信号的转换及有效放大;基于FPGA处理器针对性的完成了数字信号处理模块的硬件与软件设计,其中硬件部分包括电源供电电路、AD采集电路以及SDRAM存储电路;软件部分包括AD采集的功能实现、ROM存储的功能实现以及FIFO存储的功能实现;仿真结果表明:AD采集模块能够通过自行调节采样率对不同频段的信号完成采集工作,其采样率最高可达250ksps;ROM存储模块完成了数据存储工作;FIFO存储模块完成了实验数据的16bit转8bit的核心工作。3)风速与静电信号的相关性研究。针对采集到的原始静电信号,通过MATLAB软件进行波形显示,做了静电信号的时域与频域的初始特征分析;利用变分模态分解算法（Variational Mode Decomposition）和粒子群优化算法（PSO:Particle swarm optimization）优化的VMD算法对静电信号进行滤波优化处理,得到了滤波后的有效静电信号;通过对静电信号的特征值提取,利用灰狼算法（Grey Wolf Optimizer）优化了支持向量机（Support Vector Machine）参数,完成了基于静电信号特征对风速的分类识别预测工作,并通过数值分析建立了风速与静电信号方差之间的数学模型。实验结果表明:经PSO算法优化处理后的VMD滤波效果更优,同时也得到了6组有效静电信号均集中分布在1～20Hz的极小范围内;经GWO算法优化前后的SVM预测模型准确率分别为72.2%和96.7%,验证了GWO算法的有效性和模型对风速识别预测的准确性;通过数学模型的验证得出了风速与静电信号方差之间存在一种正相关性,且最大误差仅有4.5%,验证了该数学模型的准确性。