两相流动现象在自然界以及工业生产过程中广泛存在。目前,在动力、化工、核能、制冷、石油和冶金等行业的许多生产设备中都涉及到多相流流动工况。两相流的流动介质之间的分布情况,即流型,在两相流参数的研究中有着很重要的作用,能够很大程度上影响着两相流流动动压力损失和传热传质等特性,而且还影响着流动过程参数的准确测量和其它相关特性,因此两相流流型识别的研究一直是两相流参数测量的重要研究方向。两相流流型的智能识别出现,为流型识别提供了新的思路与方法,运用现代信号处理技术进行两相流参数测量的软测量方法,对较易测量的辅助过程变量和离线分析信息,提供了主要参数的在线估计。本文主要是运用隐马尔科夫模型进行两相流的参数的软测量测量,对垂直上升管中气液两相流四种典型流型(泡状流、段塞流、混状流和环状流)进行流型识别。隐马尔科夫模型HMM (Hidden Markov model)具有很强的时序建模能力,可以处理动态信息,因此,它在语音识别、文字识别、身份识别以及故障诊断等领域得到了广泛应用。鉴于HMM有很好的识别效果,且目前在流型识别领域很少用HMM来识别流型,所以本文以垂直上升管气液两相流为例,针对电导波动信号的非平稳特性,借助语音处理中的线性预测方法和基于支持向量机的方法,对实验参数进行处理,取得特征向量,输入到各个状态连续隐马尔科夫模型中进行训练,从而实现了对典型流型的识别。在训练识别过程中,首先对HMM进行初始化,然后利用HMM的三种基本算法进行计算。其中使用前向-后向算法对测量信号进行求其对数似然概率；使用Viterbi算法对给定的观察序列中每一种模型进行优化处理；使用Baum-Welch算法实现参数的重估,从而实现两相流的流型识别过程。经过大量的计算和仿真,得到了很好的效果,表明运用隐马尔科夫模型进行参数分析是一种新的两相流流型识别的软测量方法。