国际期刊《International Journal of Multiphase Flow》于2021年9月发表了题为《Ultrasonic Doppler technique for application to multiphase flows: A review》的综述论文。该研究由Tianjin University的Tan Chao、Liu Weiling、Dong Feng，Hokkaido University的Murai Yuichi、Tasaka Yuji，以及ETH Zürich的Takeda Yasushi等学者合作完成。
多相流( Multiphase flow)普遍存在于食品加工、生物工程、化工、冶金、核反应堆以及石油工业等领域。传统的测速技术，如压力/光学/电学探头(包括电导探头、光学探头、皮托管和热膜风速仪等)通常只能获得单点流速数据，并且具有侵入性，会干扰流场。激光多普勒测速仪(LDV)虽然具有高时空分辨率，但在高浓度或不透明流体中失效。相比之下，超声波多普勒技术能非侵入式地获取多相流的时空速度分布。
本文综述了超声波多普勒技术在多相流测量中的应用现状，包括其测量原理、最新进展、优势与局限性，以及在气液两相流、液液两相流和三相流测量中的应用特例，并对该技术的未来发展趋势提出了见解。
超声波多普勒技术利用多普勒效应测量流动粒子速度。分为连续波超声波多普勒(CWUD)和脉冲波超声波多普勒(PWUD)两类技术。
CWUD采用两个换能器连续发射和接收超声波，利用频移(Doppler shift)与流速的关系计算平均流速。其优点是无最大可测流速限制，但空间分辨率有限。研究者通过改变换能器布置位置(同侧或对侧)调整采样区域，以适应不同测量需求。
PWUD则采用单换能器脉冲发射超声波，通过回波到达时间确定测量位置，多普勒频移确定流速。其关键技术是脉冲重复多普勒方法(UDM)，通过信号解调、重采样等处理获得局部流速。PWUD可获得一维速度剖面，但最大可测流速与最大检测距离相互制约。
多相流测量需根据相界特征长度与超声波波长的关系采取不同技术路线。当相界远大于波长时，主要测量界面形状；当尺度相当时，测量分散相分布、湍流特性等；当远小于波长时，则需同时考虑声衰减、声速变化等多重因素。
气液两相流因声阻抗差大，回波信号强。研究人员通过”脉冲回波强度法”定位大气泡界面；而”局部脉冲多普勒法”则利用界面附近驻波层零多普勒频移特性检测界面。液液两相流(如油水混合)因声阻抗相近，需建立考虑滑移速度的模型修正测量结果，如采用边界层模型和漂移通量模型(Drift-flux model)。
对于三相流测量，研究显示需要更复杂的信号处理算法。例如，在油气水三相流中，将经验模态分解(EMD)与电导传感器结合，实现了不同相速的有效分离。
针对气泡和液滴共存的复杂流场，研究者发展了几种相分离方法： 1. 基于统计的概率密度函数(PDF)方法：利用气泡与液体速度分布差异分离信号 2. 多波技术：采用不同直径和频率的同轴换能器，利用气泡与颗粒的声反射特性差异 3. 超声时域相关(UTDC)技术：基于回波信号强度差异进行模式识别 4. 多普勒频率分解：使用时频分析(STFT)和振幅分类
这些技术的综合应用使复杂多相流中各相速度剖面测量成为可能。研究数据显示，在泡状流条件下，这些方法可将测量误差控制在±10%以内。
超声波多普勒在流量测量方面显示了良好的适应性。研究表明，油水两相流的平均多普勒频移与总体表观流速呈现双斜率关系，分别对应水连续相和油连续相流动。通过结合边界层模型和滑移速度修正，油水两相流量测量误差可降至2.8%。
在流态识别方面，研究者利用多普勒信号的频谱特征，通过机器学习算法实现了流型的智能识别。多层感知器神经网络对冲击流、分层流、拉长气泡流等的识别准确率达95.8%；支持向量机对泡状流、段塞流、搅动流等的识别准确率为84.6%。
为测量多维速度场，研究者开发了相控阵换能器和交叉声束技术，实现了复杂流动结构(如旋流)的二维可视化。在瑞士联邦理工学院的实验中，采用四组线性阵列换能器(每组25个单元)成功测绘了流速场的瞬态演变。
超声波还被应用于多相流变学测量。超声管流流变测定法(UVF-PD)通过速度剖面和压降计算流变参数。另一种超声旋转流变法(USR)则能测量含气泡液体的有效黏度，研究发现振荡剪切条件下，气泡悬浮液的黏度显著高于稳态剪切流。
本篇综述系统地阐述了超声波多普勒技术在多相流测量领域的原理、方法和应用进展。该技术的非侵入性、适应不透明流体的特性，以及在二维测量、相分离等方面的创新应用，使其成为多相流研究的重要工具。
未来发展方向包括： 1. 从一维到多维测量：发展相控阵技术实现三维速度场可视化 2. 从单频到多频测量：利用多频超声补偿频谱混叠，实现分散相粒径分析 3. 从内置到夹持式安装：开发适用于工业厚壁管道的高性能传感器 4. 从物理模型到数据驱动：结合机器学习实现流态自动识别和参数预测
这些进展将极大地扩展超声波技术在多相流测量中的应用范围，有望解决工业过程中的流动保障和预测等关键问题。该综述为多相流测试技术的研究人员和工业应用工程师提供了系统的技术参考和方向指导。