|11.2　多相流智能计算概述|

多相流定义为两个或多个不同的相（即气相、液相或固相）或未分离成分（例如水和油）的同时流动。多相流（两相流是多相流的常见示例）应用广泛，在许多工业过程中都可以看到，云雾是典型的气固混合两相流。石油、天然气、水混合物的气液和液液两相或三相混合，在发电厂中以气动方式输送的粉状燃料（煤、生物质或两者的混合物）形成气固两相或三相流。精确的多相流质量流量计量，医疗领域中人的气管支气管气道中的局部颗粒沉积和气流，以及在工业过程中，非常需要对多相流进行精确测量，以实现流量化、运行监控、过程优化和产品质量控制。本章主要关注相关行业的过程中多相流的测量。

各个流量（体积流量或质量流量）和相分数（浓度）是表征多相流的最重要参数。在过去的30年中，开发新技术取得了实质性进展，这些新技术可以为工业测量提供解决方案。Thorn等和Falcone等回顾了三相流量计的发展，特别是石油行业。Yan、Zheng和Liu，Sun和Yan详细讨论了在气力输送管道和循环流化床中测量气固流动的可能技术。Albion等回顾了用于监测水平管道中泥浆输送的侵入式和非侵入式测量技术。在这些技术中，在线多相流量计是无须任何分离器和采样线即可测量混合流量的设备。根据部署的测量策略，可以将它们分为直接测量组和间接测量组。通常使用文丘里流量计、科里奥利流量计和互相关技术等对相流量进行直接测量。

多相流的相分数（浓度）通常由辐射吸收（包括声、光及微波等）和电阻抗等传感信号确定，其测量方法主要确定各个相从一组传感器获取的时变信号的分析和信息提取。通常，不能从理论上推导出传感器输出与每个相的流量或分数之间的关系。在这种情况下，可以使用统计方法从试验数据中建立经验模型。随着人工智能和机器学习的最新发展，智能计算技术为传统的统计方法提供了替代方法。

本章的重点是结合智能计算技术的间接方法，以测量各个相的流速和多相流的分数；概述了软计算技术的主要组成部分，并简要介绍了已在多相流量测量中应用的一些技术，即人工神经网络（ANN）、支持向量机（SVM）、遗传算法（GA）、遗传编程（GP）和自适应神经模糊系统（ANFIS）；介绍软计算技术在两相或三相流量测量中的示例应用；总结并讨论多相流量测量领域软计算技术的趋势和未来的发展。