油水两相流是一种复杂的流动过程，广泛存在于石油、化工等工业过程中。随着自然界和工业生产过程中计量、节能和控制等要求的提高，对油水两相流测量的精度提出了新的挑战。科研工作者开始拓展新的思路、寻找新的方法。多相流动过程中，由于不同流动介质混合流动，在不同条件下，各相介质的分布具有随机性，流动状态复杂多变，流动过程的特征参数也多种多样。因此，单一的传感器无法对多相流过程参数进行全面、准确的获取。多传感器融合方法由于其可以较全面认识被观测对象、成本低和使用范围广等优点，在多相流过程参数的检测中具有广阔的应用前景。课题研究工作针对目前油水两相流混相流量及分相流量的准确检测问题，应用多传感器数据融合方法，对不同传感器所获取的油水两相流动信息进行融合处理，探索一种较为准确的两相流流量检测方法。课题具体研究工作包括：（1）在总结和归纳现有多相流检测方法研究和多传感器融合技术研究的基础上，针对工业应用中多相流参数准确检测的问题，提出采用卡尔曼估计理论实现多相流过程参数估计的基本方法。（2）在实现油水两相流电导环阵列传感器和内锥式差压传感器流动信息获取的基础上，分别采用卡尔曼集中式和分布式融合估计方法，对两种传感器所获信息进行融合，实现了油水总流量估计；实验结果证明，采用两种传感器融合估计所获总流量的检测精度优于单一传感器检测结果；且卡尔曼分布式融合方法的估计精度优于卡尔曼集中式融合方法。（3）应用离散卡尔曼估计理论的测量模型，对环形电导阵列传感器和内锥式差压传感器所获的两相流动信息进行融合，实现了油相分相流量的估计。实验结果证明，在稳定的工作条件下，提高了对油相分相流量的估计准确性。（4）针对实际油水两相流测量中，流动状态（工况）改变时，融合估计器不能快速跟踪传感器信号的突变，将卡尔曼估计理论进行改进，引入切换函数和切换系统噪声协方差，提高了估计器对连续多变工况的瞬时跟踪能力，满足实际检测的需求。