固体颗粒广泛的存在于诸多工业生产过程中,而颗粒粒径能够决定固体颗粒许多基本特性,是影响工业生产过程的关键因素之一,因此实现固体颗粒粒径的准确测量具有重要意义。目前采用声发射法和静电法进行颗粒粒径测量均具有结构简单、灵敏度高等优点,但其在实际应用过程中仍存在一些问题,如声发射法测量粒径易受颗粒速度的影响,而静电法测量粒径易受静电传感器结构的影响,且由于静电信号自身的复杂性很难通过机理分析建立静电信号与粒径之间的理论模型。此外,仅通过单一声发射或静电传感器获取的粒径信息也并不完整。所以,针对以上问题,本文提出了一种基于声发射传感器和环形静电传感器的固体颗粒粒径测量方法。本文首先分析了管道内声信号和静电信号的产生原因及其影响因素,并分别阐述了声发射传感器和静电传感器基于特征参量测量颗粒粒径的原理。在此基础上,设计了颗粒粒径测量系统,进行声信号和静电信号的采集,并通过Welch、VMD分解等信号处理方法对声信号和静电信号的特征参量进行提取,然后探讨了颗粒粒径、颗粒速度对声信号能量、声信号频率、静电信号能量以及静电信号频率的影响。其次,针对颗粒速度影响声信号频率、静电信号能量的问题,提出了两种基于单特征参量和颗粒速度的颗粒粒径测量方法:一是通过建立颗粒粒径、颗粒速度与声发射信号频率之间的数学模型实现颗粒粒径测量,二是通过建立颗粒粒径、颗粒速度与静电信号能量之间的数学模型测量颗粒粒径。另外,针对单一传感器获取颗粒粒径信息不完整的问题,本文又提出了基于多特征参量和数据预测的颗粒粒径测量方法:根据颗粒粒径、颗粒速度对声信号和静电信号的影响,提取出声信号能量、声信号频率、静电信号能量和颗粒速度作为表征粒径信息的特征参量,并分别通过BP神经网络、PSO-BP神经网络和GA-BP神经网络预测算法对得到的特征参量进行训练得到粒径预测模型。最后,通过实验研究分析基于单特征参量和颗粒速度的粒径测量方法以及基于多特征参量和数据预测的粒径测量方法的可行性。实验结果表明,基于单特征参量和颗粒速度的两种测量模型测量粒径的相对误差均小于9%（其中通过静电信号特征参量测量粒径的相对误差小于7%）;基于多特征参量和数据预测的三种测量模型中,BP神经网络和PSO-BP神经网络测量颗粒粒径的误差较大（BP神经网络测量粒径的相对误差小于7.5%,PSO-BP神经网络测量粒径的相对误差小于6.5%）,而GA-BP神经网络粒径测量模型优于BP神经网络和PSO-BP神经网络,且其测量颗粒粒径的相对误差小于4%。