气固两相流在多相流体系中普遍存在，例如，自然界的大漠扬沙，化工、冶金、能源和粮食等领域的燃料配送，散装物料(如沙子、谷物、塑料粒)的气力输送和粉尘处理等，硫化床、旋风除尘、沉降室及过滤过程中也会涉及到气固两相流。由于气固两相流动规律比单相流动的流动特性更复杂，且各相间的界面效应等原因，致使对两相流动过程参数(如流态、浓度、流量和粒径等)的检测难度很大。然而，要认清气固两相流体系的复杂现象，以及对工业过程进行预测、设计和控制，就必须解决气固两相流的检测问题。目前，许多发达国家如英国、美国、德国、日本、挪威、澳大利亚等均对此进行了大量的研究工作。我国在八五、九五科研规划以及863高科技计划中也都给予了高度重视，相应的两相流测试技术也有了很大的进步，但其发展水平还未很好满足工业应用的要求。因此，气固两相流检测技术尚属一个急待发展的研究领域。 本文在课题研究小组近年来取得的研究成果基础上，进一步将信息处理技术引用到气固两相流参数检测中。文中主要应用神经网络和数据融合这两种方法分别进行气固两相流流型的辨识及固相颗粒流速的检测，并进行了仿真研究。主要工作内容包括： 1．总结和整理了课题小组前期研究工作所取得的成果。 2．阅读国内外有关参考文献，在分析研究神经网络的功能及特点的基础上，选取学习向量量化神经网络作为气固两相流流型辨识的手段，并进行了仿真研究。 3．应用数据融合技术及互相关测速技术进行固相颗粒截面平均速度的检测，包括单一传感器数据的互相关分析，以及对所有传感器的数据进行融合处理，再对其进行相关分析。