摘要：气液二相流流型极大地影响气液二相流的流动和传热特性，准确识别流型对相关设备的设计和运行具有重要意义。根据不变矩能有效检测出具有平移、旋转、比例变化的图像特性，提出了一种基于图像不变矩和概率神经网络相结合的气液二相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液二相流的流动图像，经过图像处理后提取图像不变矩特征向量，并以此特征向量作为流型样本对概率神经网络进行训练，实现了对流动图像的流型智能化识别。实验结果表明，训练成功的概率神经网络能够快速准确地识别水平管道内的7种典型流型，整体识别率达到99．3％，为流型在线识别提供一种新的有效方法。